孫 偉，趙江寧，徐昭麟，王華昕，麻寧杰

（1.國網(wǎng)浙江省電力有限公司紹興供電公司，浙江 紹興 312000；2.上海電力大學(xué)，上海 200090）

0 引言

隨著經(jīng)濟(jì)社會的快速發(fā)展，社會各界對于供電可靠性提出了越來越高的要求。根據(jù)2019 年數(shù)據(jù)顯示，某東部發(fā)達(dá)地市受停電作業(yè)影響40萬戶數(shù)，戶均停電3.15 h。國網(wǎng)公司明確提出，要將配電網(wǎng)不停電作業(yè)作為城市配電網(wǎng)檢修的主要方式，以實(shí)現(xiàn)供電可靠性和優(yōu)質(zhì)服務(wù)水平顯著提升的目標(biāo)[1]。由于缺乏科學(xué)、完備的配電網(wǎng)不停電作業(yè)條件判定的衡量標(biāo)準(zhǔn)，不能準(zhǔn)確評判各種配電網(wǎng)不停電作業(yè)條件的優(yōu)劣，從一定程度上影響了配電網(wǎng)不停電作業(yè)開展，國網(wǎng)公司尚未有對配電網(wǎng)不停電作業(yè)條件進(jìn)行數(shù)據(jù)量化的方法[2-5]。在配電網(wǎng)信息化的推動下，通過數(shù)據(jù)挖掘、統(tǒng)計(jì)分析和機(jī)器學(xué)習(xí)的方法篩選、利用、分析大量數(shù)據(jù)對線路不停電作業(yè)難易程度的評定，構(gòu)建一套科學(xué)、高效的配電網(wǎng)不停電作業(yè)全面評價(jià)數(shù)字模型，提升不停電作業(yè)管理水平顯得尤為重要[6]。

針對配電網(wǎng)不停電檢修可靠性問題，有很多學(xué)者提出了不同的評估方法，文獻(xiàn)[7]提岀了一種采用主成分分析和單層次分析等數(shù)據(jù)挖掘手段來實(shí)現(xiàn)等級評分的方法。文獻(xiàn)[8]提出了結(jié)合蒙特卡洛模擬法的評估方法；文獻(xiàn)[9]采用故障模式影響分析法對可靠性進(jìn)行評估；文獻(xiàn)[10]采用最小割集法計(jì)算可靠性，用割集來體現(xiàn)不停電檢修可靠性指標(biāo)受到影響時(shí)發(fā)生的變化，由于考慮的因素過多，計(jì)算量偏大；文獻(xiàn)[11]提出了最小割集-網(wǎng)絡(luò)等值的改進(jìn)解析方法，利用網(wǎng)絡(luò)等值法可以有效簡化配電線路。上述評估算法都能夠很好地應(yīng)用于電網(wǎng)評估指導(dǎo)工作當(dāng)中，為評估指標(biāo)的選取提供有力的理論依據(jù)。此類研究包含對配電網(wǎng)不停電作業(yè)進(jìn)行經(jīng)濟(jì)評估，對不停電作業(yè)綜合性能的評估卻很少有研究。評估指標(biāo)是評估體系的基礎(chǔ)，合理的選擇不停電作業(yè)評估指標(biāo)，能夠準(zhǔn)確地反映不停電作業(yè)能力等級。本文以不停電作業(yè)綜合評估指標(biāo)體系為基礎(chǔ)，依托國網(wǎng)供服系統(tǒng)中臺提供的海量數(shù)據(jù)，通過數(shù)據(jù)挖掘手段實(shí)現(xiàn)數(shù)據(jù)降維，深入挖掘不停電作業(yè)評估指標(biāo)，構(gòu)建了不停電作業(yè)等級評估模型，在綜合考慮各類指標(biāo)影響的同時(shí)，減少了計(jì)算量。以浙江地區(qū)某配電線路實(shí)際情況為例，展開現(xiàn)場評估，驗(yàn)證方法有效性。并開發(fā)了評估軟件模塊，對區(qū)域電網(wǎng)展開有效評估工作，確定線路作業(yè)等級并出具評估意見。

1 不停電作業(yè)指標(biāo)體系

1.1 基礎(chǔ)評估指標(biāo)

配電網(wǎng)不停電作業(yè)過程容易受到很多因素干擾，比如資源配置、人員調(diào)動和環(huán)境變化等。因此，需要選取一個準(zhǔn)確合適的評估體系，來對線路不停電等級進(jìn)行合理的評估。通常用以下兩個準(zhǔn)則來評估配電網(wǎng)的不停電作業(yè)能力：配電網(wǎng)供電安全可靠性和線路開展不停電作業(yè)難度。主要是為了滿足用戶不停電和檢修不停電的目標(biāo)。評估內(nèi)容主要分為4 大類[12]，可以采用集合的形式表現(xiàn)不停電作業(yè)指標(biāo)，不停電作業(yè)指標(biāo)={用戶不停電、檢修不停電、人力資源、電力裝備水平}。

圍繞上述4 大類評估指標(biāo)可以劃分出各類二級評估指標(biāo)，以配電網(wǎng)線路不停電作業(yè)等級為總目標(biāo)，通過數(shù)據(jù)挖掘篩選二級量化指標(biāo)，并確定各單項(xiàng)指標(biāo)權(quán)重，結(jié)合單項(xiàng)指標(biāo)狀態(tài)值，利用Logistic 回歸預(yù)測模型確定評估線路作業(yè)等級。各二級指標(biāo)如圖1 所示。

圖1 不停電作業(yè)二級指標(biāo)

1.2 基于序列前向搜索的不停電評估關(guān)鍵指標(biāo)篩選

依據(jù)確立的指標(biāo)評估體系，從國網(wǎng)浙江供服系統(tǒng)中臺拉取各類二級指標(biāo)信息，建立不停電作業(yè)指標(biāo)數(shù)據(jù)庫。由于數(shù)據(jù)庫中包含著眾多的評估指標(biāo)，因此提取關(guān)鍵指標(biāo)并且刪除無關(guān)或冗余指標(biāo)是不可或缺的?？梢酝ㄟ^指標(biāo)篩選手段來實(shí)現(xiàn)降低數(shù)據(jù)緯度、減少模型計(jì)算的復(fù)雜程度、規(guī)避不必要的擬合、縮短耗費(fèi)時(shí)間。具體流程如圖2所示。不停電作業(yè)指標(biāo)采用XGBoost（極端梯度提升算法）來實(shí)現(xiàn)關(guān)鍵指標(biāo)的篩選。XGBoost 的優(yōu)點(diǎn)是能直觀的將模型訓(xùn)練結(jié)果轉(zhuǎn)換為預(yù)測狀態(tài)的精度和準(zhǔn)確性。

圖2 特征篩選優(yōu)化模型流程

XGBoost 是Chen[13]等人在關(guān)于大量梯度提升算法研究成果基礎(chǔ)上所提出的基于提升樹的一種集成弱學(xué)習(xí)器得到強(qiáng)學(xué)習(xí)器的算法[14]，其中包括一個迭代殘差樹的集合,每棵樹都在學(xué)習(xí)前N-1 棵樹的殘差，然后將每一棵樹得到新樣本的預(yù)測值相加就是樣本最終的預(yù)測值[15]。相較于傳統(tǒng)的GBDT（梯度提升決策樹），在損失函數(shù)的基礎(chǔ)上進(jìn)行泰勒二階展開，通過將正則項(xiàng)加在目標(biāo)函數(shù)的手段以尋找全局最優(yōu)，有效權(quán)衡計(jì)算模型的復(fù)雜程度（指標(biāo)數(shù)量）和目標(biāo)函數(shù)，以達(dá)到運(yùn)行速度快，容錯性高的目標(biāo)。

常見的決策樹算法有ID3，C4.5 以及CART等。本研究構(gòu)建的分類回歸樹采用基于CART算法：

（1）給定的樣本空間有k 類，其中某葉子結(jié)點(diǎn)包含的樣本數(shù)目為m。

（2）統(tǒng)計(jì)葉子節(jié)點(diǎn)下每個分類的頻數(shù)mi（i∈k）。

（3）統(tǒng)計(jì)每個類別的概率ρi=mi/m。

（4）計(jì)算該葉子節(jié)點(diǎn)的信息熵H（t）=-ρilog（ρi）。

（5）此葉子節(jié)點(diǎn)得到評判l(wèi)oss=∑t∈lealW·tH（t），其中Wt表示葉子節(jié)點(diǎn)的權(quán)重。

S={f（a）=wq（a）}（q:Ry→T，w∈RT），（1）

式中：q 為樹結(jié)構(gòu)葉子節(jié)點(diǎn)系數(shù)；T 為葉子數(shù)目，每一個fk對應(yīng)一個獨(dú)立的樹結(jié)構(gòu)q 和葉子權(quán)重w。

那么就可以通過求解正則化目標(biāo)函數(shù)的最小值來實(shí)現(xiàn)XGBoost 算法：

本研究通過采用XGBoost 算法，應(yīng)用序列前向搜索的策略搜索最優(yōu)指標(biāo)組合，過程如下：

（1）指標(biāo)子集X 為?。

（2）遍歷指標(biāo)全集Y，每次從中選擇一個指標(biāo)xk加入指標(biāo)子集X，使得評價(jià)函數(shù)T（X）取得最大值。本階段的評價(jià)函數(shù)為F1.5。

（3）重復(fù)（2）直到X=Y。

1.3 關(guān)鍵指標(biāo)篩選結(jié)果

將處理好的不停電作業(yè)數(shù)據(jù)從數(shù)據(jù)庫導(dǎo)入到關(guān)鍵指標(biāo)篩選模型中，在不斷的迭代時(shí)，記錄不斷迭代加入的新指標(biāo)，并記錄下評價(jià)指標(biāo)數(shù)據(jù)[16]。從圖3 中可以看出，當(dāng)模型迭代輸入指標(biāo)達(dá)到為12 個時(shí)候，F(xiàn)1.5分?jǐn)?shù)為最大值0.92 超過了全指標(biāo)時(shí)的0.903。由此表明前12 個指標(biāo)即能夠有效完成不停電作業(yè)等級的評估，依次為電網(wǎng)結(jié)構(gòu)、N-1 檢驗(yàn)、配電自動化、供電可靠率、備用接入、作業(yè)地形、導(dǎo)線排列、桿頭布置、專業(yè)人員技術(shù)水平、專業(yè)人員素質(zhì)、專業(yè)人員數(shù)量滿足度、裝備數(shù)量。以此方法進(jìn)行數(shù)據(jù)降維，減少冗余指標(biāo)，提高評估模型準(zhǔn)確率。

圖3 XGBoost 預(yù)測模型的F1.5 分?jǐn)?shù)變化

并且由XGBoost 的feature_importance 函數(shù)可以得出不同關(guān)鍵指標(biāo)對于全局變量的特征重要性，如表1 所示。

表1 關(guān)鍵指標(biāo)特征重要性

從計(jì)算結(jié)果來看，得到的關(guān)鍵指標(biāo)當(dāng)中，包含了全部4 大類指標(biāo)，通過對數(shù)據(jù)庫中的數(shù)據(jù)進(jìn)行處理和指標(biāo)介紹后，將序列前向搜索和XGBoost 算法結(jié)合，輸出其特征重要性，為后續(xù)不停電作業(yè)等級定級和線路評分工具研究提供了依據(jù)。

2 不停電等級評估數(shù)學(xué)模型

基于上述篩選和確定的關(guān)鍵指標(biāo)[17]，針對不停電作業(yè)等級評估，以多因素Logistic 回歸方程[18]搭建了等級評估模型，來實(shí)現(xiàn)對不停電作業(yè)單個指標(biāo)的評分，最后將指標(biāo)評分累計(jì)求和得到對應(yīng)的線路得分，從而達(dá)到幫助不停電作業(yè)班組更加直觀了解線路的情況的目的。

由表1 中可以看出供電可靠率指標(biāo)重要性系數(shù)最低，且因評估目標(biāo)為浙江某市示范區(qū)，其人力資源儲備、裝備水平兩大指標(biāo)從實(shí)效性來看會產(chǎn)生變化且同區(qū)域配備近乎相同，因此綜合考慮上述指標(biāo)，將選定電網(wǎng)結(jié)構(gòu)、N-1 校驗(yàn)、配電自動化、備用接入、作業(yè)地形、導(dǎo)線排列、桿頭布局7 類關(guān)鍵指標(biāo)作為輸入。通過多因素Logistic回歸模型搭建不停電作業(yè)等級評分模型，從而達(dá)到快速完成不停電作業(yè)線路評分定級的目的。該模型先對不停電作業(yè)指標(biāo)進(jìn)行分類，再對每一類關(guān)鍵指標(biāo)進(jìn)行量化賦分，將各類指標(biāo)得分求和來完成對線路作業(yè)等級評估，其中具體的步驟和流程如圖4 所示。

圖4 不停電評分模型構(gòu)建流程

（1）搭建多因素Logistic 回歸模型

將7 類指標(biāo)作為評估因素加入到多因素Logistic 回歸模型中，確定各個作業(yè)指標(biāo)的回歸系數(shù)β。

（2）將各類指標(biāo)進(jìn)行分層，設(shè)定每組的參考值wij

按照大類指標(biāo)將各個關(guān)鍵指標(biāo)進(jìn)行分組，并在每個分組中選擇合適的數(shù)值作為參考值wij；通常選擇組內(nèi)的滿足不停電作業(yè)級要求的指標(biāo)作為參考值。

（3）確定各個關(guān)鍵指標(biāo)的基礎(chǔ)評估參考值

進(jìn)行評估的每個關(guān)鍵指標(biāo)，都需要選出一個指標(biāo)來作為基礎(chǔ)評估參考值wiREF，在構(gòu)建的評分模型中，則該組分值將記為0 分，若評估指標(biāo)條件值高于wiREF時(shí)記正分，因此最后得分越高，不停電等級評分越高，相反低于wiREF時(shí)記負(fù)分。

（4）計(jì)算出關(guān)鍵指標(biāo)的分組與給定的基礎(chǔ)評估參考值之間的距離D

綜合多因素Logistic 回歸模型設(shè)定的回歸系數(shù)β，以及關(guān)鍵指標(biāo)各組的參考值wij，來計(jì)算指標(biāo)因素的每一分組與基礎(chǔ)評估參考值wiREF之間的距離D，其計(jì)算公式：

（5）設(shè)定評分工具中1 分對應(yīng)的常數(shù)B

確定評估模型每得1 分時(shí)，所對應(yīng)的不同評估因素改變的常數(shù)B。

（6）計(jì)算得到各個分組評估因素相應(yīng)的分值Pij。

以步驟5 所確定的常數(shù)B 為基礎(chǔ)，計(jì)算得到不同分類評估因素對應(yīng)的得分，計(jì)算公式為（4），最后計(jì)算得分取整即為最后模型評估總分。

（7）模型總分與線路評估得分的對應(yīng)表

以步驟6 的到的結(jié)果，通過各個評估因素得分求和。得到的總分再根據(jù)多因素Logistic 回歸模型方程，求得每一分值所對應(yīng)不停電作業(yè)線路得分，其計(jì)算公式為：

模型評分以電網(wǎng)結(jié)構(gòu)指標(biāo)得分結(jié)果為例如表2 所示。

表2 基于不停電作業(yè)數(shù)據(jù)的作業(yè)評分模型

其余關(guān)鍵指標(biāo)得分范圍分別為N-1 校驗(yàn)-2～0 分，配電自動化-2～0 分，備用介入-5～0 分，作業(yè)地形-4～0 分，導(dǎo)線排列-4～0 分，桿頭布局-2～0 分。

配電網(wǎng)線路不停電作業(yè)能力定級評估流程如圖5 所示。首先，確立不停電作業(yè)指標(biāo)體系，依據(jù)國網(wǎng)供服系統(tǒng)中臺提供的配電網(wǎng)線路海量數(shù)據(jù)建立不停電指標(biāo)數(shù)據(jù)庫；然后，利用數(shù)據(jù)挖掘手段深入分析指標(biāo)數(shù)據(jù)，剔除冗余指標(biāo)，篩選出關(guān)鍵指標(biāo)并得到相應(yīng)的指標(biāo)權(quán)重；最后綜合考慮篩選結(jié)果和指標(biāo)權(quán)重，構(gòu)建線路等級評估模型，完成對線路的評級。

圖5 線路定級評估流程

3 算例分析

3.1 示范區(qū)配電網(wǎng)線路概況

算例以浙江某市示范區(qū)實(shí)際10 kV 電壓等級的5 條線路為研究對象。地理分布如圖6 所示。示范區(qū)內(nèi)5 條線路指標(biāo)數(shù)據(jù)情況及指標(biāo)分組對應(yīng)模型得分如表3 和表4 所示。其中線路1，2，3主要負(fù)責(zé)市區(qū)等負(fù)荷集中地區(qū)，線路供電能力強(qiáng)，自動化程度高，自然環(huán)境狀況良好，線路4，5主要負(fù)責(zé)郊區(qū)等負(fù)荷分散地區(qū)，線路自動化程度較低，路況一般，道路通暢無阻礙。通過數(shù)據(jù)挖掘手段定性定量得判斷此類配電網(wǎng)線路的實(shí)際不停電作業(yè)等級，具有一定的實(shí)用價(jià)值。

表3 線路評估指標(biāo)分組模型得分

表4 待評估配電網(wǎng)線路情況

圖6 線路分布

3.2 綜合評價(jià)結(jié)果的確定

基于數(shù)據(jù)庫檢索得到的篩選后的不停電作業(yè)關(guān)鍵指標(biāo)，用于多因素Logistic 回歸模型完成對線路的定級評分，線路模型評分結(jié)果如表5 所示。評估模型得分范圍為-23～0 分，其依次對應(yīng)的線路預(yù)測得分為0～100 分。

表5 基于不停電作業(yè)數(shù)據(jù)的評估總分與線路預(yù)測得分對應(yīng)

對示范區(qū)5 條線路不停電作業(yè)等級進(jìn)行綜合評估，將5 條線路的指標(biāo)分組的得分累加，通過評估模型得到線路預(yù)測的分，根據(jù)預(yù)測的分將線路劃分為優(yōu)、良、中、差4 個等級，分別為90～100 分、70～90 分、60～70 分、0～60 分。得到線路不停電作業(yè)等級和綜合評估結(jié)果。該示范區(qū)配電網(wǎng)線路綜合評估評價(jià)結(jié)果如表6 和表7 所示。

表6 待評估配電網(wǎng)線路模型評分值

表7 配電網(wǎng)不停電線路評估得分與等級評定

分析評級結(jié)果可知評估模型綜合考慮各個指標(biāo)，其中一個指標(biāo)出現(xiàn)極端情況都會致使最終線路評分受到過大影響，線路3 的配電自動化指標(biāo)和線路5 備用接入指標(biāo)過差導(dǎo)致線路得分偏低，最終線路不停電作業(yè)等級為中。線路1 的各項(xiàng)指標(biāo)都比較好，相應(yīng)的線路得分較高，評級為優(yōu)。

綜上所述，通過數(shù)據(jù)挖掘手段，結(jié)合多因素Logistic 回歸模型能夠有效的實(shí)現(xiàn)線路的不停電作業(yè)等級評估和打分，同時(shí)基于算法數(shù)學(xué)模型，開發(fā)了一套評估軟件模塊，并將該模塊嵌入到配電網(wǎng)供應(yīng)服務(wù)系統(tǒng)中，實(shí)現(xiàn)對地區(qū)配電網(wǎng)總體評估的可視化，軟件展示效果如圖7 所示。圖7 只是顯示對區(qū)域化打分結(jié)果一個示例，不同顏色代表不同等級效果。相較于傳統(tǒng)最小割集法計(jì)算可靠性，本文所提出的算法在綜合考慮多個指標(biāo)因素的同時(shí)，減少了計(jì)算量，縮短了計(jì)算時(shí)間。可充分挖掘配電網(wǎng)線路海量監(jiān)測數(shù)據(jù)，并完成對線路等級的評估，有助于專業(yè)人員明確工作要求以及檢修策略，以此提升不停電作業(yè)管理水平。

圖7 數(shù)據(jù)可視化效果

4 結(jié)語

為合理準(zhǔn)確地評估配電網(wǎng)線路不停電作業(yè)等級，基于用戶不停電和檢修不停電兩大目標(biāo)，本文提出了不停電作業(yè)綜合評估指標(biāo)體系，依托國網(wǎng)浙江省供服系統(tǒng)中臺讀取的海量信息建立不停電作業(yè)指標(biāo)數(shù)據(jù)庫，采用了XGBoost 算法進(jìn)行數(shù)據(jù)挖掘，深入分析不停電的評估指標(biāo)，進(jìn)行關(guān)鍵指標(biāo)篩選并得到指標(biāo)權(quán)重，實(shí)現(xiàn)了數(shù)據(jù)降維，并為后續(xù)評估模型建立中的指標(biāo)選擇提供指導(dǎo)支撐。最后，對篩選后的關(guān)鍵指標(biāo)進(jìn)一步分析，選出七類評估指標(biāo)對其評分標(biāo)準(zhǔn)做出詳細(xì)闡述，依此構(gòu)建不停電作業(yè)等級評分模型，用于準(zhǔn)確評估線路等級。并以浙江某地區(qū)配電網(wǎng)實(shí)際數(shù)據(jù)支撐了評估算法的有效性。開發(fā)了軟件評估模塊，數(shù)據(jù)取自于配電網(wǎng)系統(tǒng)，展開了某區(qū)域電網(wǎng)實(shí)際效果評估，提升了不停電作業(yè)管理水平。本文所提方法具有較好的應(yīng)用價(jià)值和廣泛的應(yīng)用前景。