0  引言

    隨著人們用電需求的不斷提升和社會的快速發(fā)展，對供電企業(yè)的供電服務(wù)質(zhì)量的要求越來越高。然而，目前大部分的電力企業(yè)在供電服務(wù)方面仍然存在許多不足，其中配網(wǎng)搶修作為影響用戶用電體驗的一項電力主營業(yè)務(wù)，仍然停留在傳統(tǒng)的以用戶為主要發(fā)起人的被動搶修模式。如何提前發(fā)現(xiàn)電網(wǎng)系統(tǒng)薄弱環(huán)節(jié)，提前精準預(yù)測配網(wǎng)搶修高危區(qū)域，采取相應(yīng)措施有效降低配網(wǎng)故障率，事前做好搶修準備，是電力企業(yè)急需解決的一個問題。

    為加快電網(wǎng)發(fā)展、全力確保電力可靠供應(yīng)，本文深入研究配網(wǎng)故障預(yù)測理論方法，利用大數(shù)據(jù)挖掘技術(shù)，基于電力故障搶修歷史數(shù)據(jù)，以特殊時期、天氣、溫度、設(shè)備老化情況、負荷率等作為擾動因數(shù)，研究了一套基于具擾動特性的滾動基值法的配網(wǎng)搶修高危區(qū)域預(yù)測體系，并應(yīng)用于國網(wǎng)山東省電力公司，對某一區(qū)域未來3天及某一特定時期的配網(wǎng)搶修工單數(shù)量進行預(yù)測，實現(xiàn)對配網(wǎng)搶修的提前預(yù)測。根據(jù)預(yù)測結(jié)果指導(dǎo)優(yōu)化配網(wǎng)結(jié)構(gòu)和配網(wǎng)搶修工作的精準化管理，切實促進電網(wǎng)發(fā)展，提升供電服務(wù)質(zhì)量。

1  樣本數(shù)據(jù)預(yù)處理

    從95598業(yè)務(wù)應(yīng)用系統(tǒng)、營銷業(yè)務(wù)應(yīng)用系統(tǒng)等電力業(yè)務(wù)應(yīng)用系統(tǒng)中獲取原始數(shù)據(jù)，因原始數(shù)據(jù)存在數(shù)據(jù)缺失、數(shù)據(jù)不合規(guī)等問題，需要對數(shù)據(jù)做進一步的清洗，然后對數(shù)據(jù)進行分類與統(tǒng)計。

1.1  樣本數(shù)據(jù)部門范圍

    樣本數(shù)據(jù)部門包括山東省17個市級供電公司、171個區(qū)縣級供電單位和394個工單數(shù)搶修部門。

1.2  樣本數(shù)據(jù)時間范圍

    樣本數(shù)據(jù)時間范圍如表1所示。

    因特殊時期搶修為活躍期，所以選取春節(jié)保電期間各部門的搶修單數(shù)量，時間范圍選取了3年的春節(jié)前后的2~3個月。

1.3  數(shù)據(jù)列名稱

    原始數(shù)據(jù)中對項目研究有意義的列名稱有：統(tǒng)計周期、上級單位、供電單位、工單數(shù)原因、處理部門、工單數(shù)排除時間、是否退單。

1.4  樣本數(shù)量

    （1）總樣本數(shù)量：根據(jù)設(shè)定的部門范圍和時間范圍，滿足條件的總樣本數(shù)量共計357 862條。

    （2）壞樣本數(shù)量：將取值范圍異常、工單數(shù)原因為偶發(fā)事件的數(shù)據(jù)定義為壞樣本數(shù)據(jù)，這部分數(shù)據(jù)不可預(yù)測，也不應(yīng)該包含在預(yù)測樣本中。

    ①是否退單字段值為審核不通過、退單、空白；

    ②工單數(shù)原因字段值為盜竊、計劃停限電、客戶誤報、鳥害等小動物、停限電、外部火災(zāi)、外部異物外力破壞、外力因素、小動物、車輛、樹線矛盾、樹枝搭掛、自然因素、空白；

    ③搶修總時長字段值在小于5 min或大于1 440 min的。

    據(jù)統(tǒng)計，該部分數(shù)據(jù)記錄共計73 343條，應(yīng)該從樣本數(shù)據(jù)中剔除。

    （3）有效樣本數(shù)量

    有效樣本數(shù)量=總樣本數(shù)量-壞樣本數(shù)量=284 519條。

1.5  分部門樣本數(shù)量

    （1）市級供電公司

    山東省電網(wǎng)公司共設(shè)有17個市級供電公司，其有效樣本數(shù)據(jù)量如表2所示。

    （2）區(qū)縣級供電公司

    經(jīng)統(tǒng)計，全省共171個區(qū)縣級供電單位含有效工單數(shù)據(jù)，由于篇幅限制，其數(shù)據(jù)的具體分布不在這里展示。

    （3）處理部門

    經(jīng)統(tǒng)計，全省共394個搶修部門含有效工單數(shù)據(jù)，由于篇幅限制，其數(shù)據(jù)的具體分布不在這里展示。

2  數(shù)據(jù)分析及模型算法

2.1  數(shù)據(jù)分析

    在研究數(shù)據(jù)分布及特點階段，嘗試了采用多種維度、多個方向的模型技術(shù)對數(shù)據(jù)進行分析，包括大數(shù)據(jù)模型等，結(jié)果顯示：部分模型由于模型本身限制不適用于該問題的解決，部分模型由于數(shù)據(jù)樣本不足限制了模型性能的發(fā)揮。

    通過MATLAB軟件對各市級供電公司、區(qū)縣級供電單位以及搶修部門搶修工單進行的數(shù)據(jù)可視化分析，各單位的搶修工單數(shù)量總是在一段時間內(nèi)圍繞某一基準進行小范圍波動，并不時有少部分波動范圍較大的點出現(xiàn)。

    選取2015年除夕前后各7天的數(shù)據(jù)進行分析，其中部分單位數(shù)據(jù)變化情況展示如下。

    （1）市級供電公司舉例

    濟南供電公司工單數(shù)量變化曲線圖如圖1所示，數(shù)據(jù)統(tǒng)計表如表3所示。

    分析得出，有70%~80%的工單數(shù)量圍繞在平均工單數(shù)量上下波動，波動值在平均工單數(shù)的上下20%~30%之間，另有部分波動值超過了30%，引起這種極端波動的主要原因是天氣惡劣、設(shè)備老化、用戶原因。

2.2  預(yù)測模型分析

    根據(jù)2.1小節(jié)的數(shù)據(jù)分析可以得出如下結(jié)論：

    （1）搶修單數(shù)量在某一時間段內(nèi)通常會有一固定的均值；

    （2）時間段不同，均值不同；

    （3）通常情況下?lián)屝迒螖?shù)量都在圍繞這一均值上下波動；

    （4）在有惡劣天氣擾動情況下，搶修工單數(shù)量值會有一個大的波動，產(chǎn)生一個極值；

    （5）如果有設(shè)備老化問題、用戶管理等問題，在遇到惡劣天氣時，極值的幅度通常會更大。

    由上述結(jié)論，可以用如下模型來預(yù)測某一天的工單數(shù)量：

其中，W_pre為某一天的工單數(shù)量的預(yù)測值；W_ba為樣本空間內(nèi)剔除所有極值后的工單數(shù)量平均值；W_co為圍繞基值的隨機波動值；Q_max為樣本空間內(nèi)所有極值的最大值；D_co為擾動系數(shù)，包括惡劣天氣、設(shè)備老化、用戶管理等問題引起的工單數(shù)變化。

    上述模型被稱為具擾動特性的滾動基值法。擾動是指惡劣天氣、設(shè)備老化、用戶管理等擾動因素對預(yù)測結(jié)果有顯著的影響；滾動是指基于在一定時期內(nèi)設(shè)備的狀態(tài)及管理水平等不會出現(xiàn)大的變化情況下始終使用前N天數(shù)據(jù)作為樣本空間；基值是指在無擾動情況下?lián)屝薰蔚钠骄怠?/p>

2.3  算法分析

    為便于工程計算，需要對具擾動特性的滾動基值法公式（式（1））、參數(shù)進行必要的說明和改進。

    （1）基值W_ba計算方法

    ① 預(yù)測日的前N天數(shù)據(jù)構(gòu)建樣本空間，N>10。

    ② 計算樣本空間內(nèi)工單數(shù)量平均值。

    ③ 定義工單數(shù)量超出平均值P%的數(shù)據(jù)為極值Q，統(tǒng)計出Q的個數(shù)T。

    ④ 從樣本空間中剔除這些極值數(shù)據(jù)Q，樣本空間的長度變?yōu)镹-T。

    ⑤ 向前增加T天數(shù)據(jù)，補齊長度為N的樣本空間。

    ⑥ 返回步驟②繼續(xù)，直至樣本空間內(nèi)不再有極值，此時的樣本空間稱為有效樣本空間。

    ⑦ 基值W_ba等于有效樣本空間內(nèi)工單數(shù)的算術(shù)平均值。

    （2）隨機波動值W_co計算方法

    ① 在有效樣本空間內(nèi)找出最大工單數(shù)，與基值的差記為D。

    ② 定義S是在[-1，1]區(qū)間上的隨機數(shù)。

    ③ W_co=D×S。

    （3）Q_max極值的最大值計算方法

    計算基值W_ba時剔除掉的所有極值中最大值。當沒有極值時取W_ba×（1+P%）作為Q_max。

    （4）D_co：擾動系數(shù)計算方法

    ①擾動因素分析

    影響搶修工單數(shù)量變化的擾動因素很多，天氣、氣溫、設(shè)備老化、負荷率、用戶設(shè)備、用戶管理等都能引起工單數(shù)量的波動，有時波動幅度甚至很大。在這些擾動因素當中，天氣和氣溫的影響最為明顯，而且還會擴大其他擾動因素的作用，例如，惡劣天氣會導(dǎo)致負荷增加，而負荷增加又會讓設(shè)備老化的問題更為嚴重，綜上分析，這里只討論天氣和溫度對工單數(shù)量的影響。

    根據(jù)歷史天氣預(yù)報數(shù)據(jù)，單獨挑選出了惡劣天氣時的數(shù)據(jù)，如表4~表6所示，表中的變化率是惡劣天氣當天的工單數(shù)量與基值的比值，這里只列出了部分單位的統(tǒng)計結(jié)果。

    · 市級供電公司

    · 區(qū)縣級供電單位

    · 搶修部門

    由表可見，天氣變化對工單數(shù)量有著直接的影響，工單數(shù)量的變化與天氣惡劣程度相對應(yīng)，天氣越惡劣，工單數(shù)量越多。

    ② 擾動系數(shù)D_co的計算

    定義H為天氣惡劣程度，惡劣程度是雨、雪、風(fēng)、氣溫的綜合考量，取值范圍為0~100，那么擾動系數(shù)Dco的計算公式為：

3  風(fēng)險預(yù)警等級劃分

    國家電網(wǎng)電力安全事故等級劃分是將電網(wǎng)運行風(fēng)險預(yù)警分為4個等級：一級紅色預(yù)警、二級橙色預(yù)警、三級黃色預(yù)警和四級藍色預(yù)警。參照這一劃分原則，按照供電單位日搶修工單數(shù)量多少，對搶修工作所面臨的壓力進行風(fēng)險預(yù)警，也可分為4個等級，分別是一級紅色預(yù)警、二級橙色預(yù)警、三級黃色預(yù)警和四級藍色預(yù)警。預(yù)警等級劃分的定義可以考慮兩種方式：正態(tài)分布劃分和絕對值分布劃分。

3.1  正態(tài)分布劃分

    正態(tài)分布是自然界、人類社會、心理和教育等領(lǐng)域連續(xù)隨機變量概率分布的一種，尤其是從管理學(xué)角度來看，正態(tài)分布的兩端小、中間多的規(guī)律滿足人們的心理預(yù)期。根據(jù)正態(tài)分布原理，假定一級預(yù)警占比例a%、二級預(yù)警占比例b%、三級預(yù)警占比例c%、四級預(yù)警占比例d%，則17個市級供電單位預(yù)警情況如表7所示，171個區(qū)縣級供電單位預(yù)警情況如表8所示，394個搶修部門預(yù)警情況如表9所示。

3.2  絕對值分布劃分

    絕對值分布劃分是根據(jù)日搶修單數(shù)量的絕對值多少劃分預(yù)警等級。表10~表12分別為地市級供電單位、區(qū)縣級供電單位和搶修單位等級劃分方法，其中Y為日搶修工單數(shù)量，N11、N12、N13、N21、N22、N23、N31、N32、N33為各等級區(qū)間邊界值。

4  算法模型驗證

    為驗證預(yù)測算法的準確性，選取2017年除夕前后（2016年11月27日至2017年2月27日）的有效數(shù)據(jù)進行驗證。

4.1  地市級供電單位

    按正態(tài)分布劃分預(yù)警等級，取a=20，b=30，c=30，d=20，分別預(yù)測2017年1月1日、2017年1月10日、2017年1月27日（除夕）和2017年2月22日的搶修工單數(shù)量，表13中的正確率是各等級預(yù)測值與當日實際值的比較。

4.2  區(qū)縣級供電單位

    對部分區(qū)縣級供電單位進行預(yù)測，選取了除夕特殊日類型和晴天、惡劣天氣兩種不同的天氣類型，由于不是全部區(qū)縣，因此不能劃分預(yù)警等級，通過準確率函數(shù)來進行驗證，其計算為：

    預(yù)測結(jié)果如表14所示。

4.3  搶修單位

    搶修單位的預(yù)測驗證采用與區(qū)縣級供電單位相同的方法，結(jié)果如表15所示。

5  結(jié)束語

    本文利用大數(shù)據(jù)挖掘分析技術(shù)研究了一套具擾動特性的滾動基值法的配網(wǎng)搶修工單預(yù)測算法，該方法利用歷史數(shù)據(jù)、天氣數(shù)據(jù)、特定時期等特征因子，通過算法模型的不斷訓(xùn)練與完善，實現(xiàn)了對未來一天的搶修工單量的預(yù)測，準確率高達80%，對實際的電力故障搶修服務(wù)工作的開展起到了強有力的指導(dǎo)作用，是進一步提升電網(wǎng)企業(yè)供電服務(wù)質(zhì)量的催化劑。

參考文獻

[1] 邵峰晶, 于忠清, 王金龍，等. 數(shù)據(jù)挖掘原理與算法[M]. 北京: 中國水利水電出版社，2005.

[2] 趙志剛,張文杰,安宏宇，等. 配網(wǎng)主動搶修關(guān)鍵技術(shù)研究與應(yīng)用[J]. 科技創(chuàng)新與應(yīng)用，2017(5)：177.

[3] 蔡金錠,鄢仁武. 基于小波分析與隨機森林算法的電力電子電路故障診斷[J].電力科學(xué)與技術(shù)學(xué)報,2011,26(2): 54-60.

[4] （美）P.M安德遜. 電力系統(tǒng)故障分析[M]. 王際強，胡冰清，任震，等，譯. 電力工業(yè)出版社,1980.

作者信息:

刁柏青1，姚  剛1，潘  筠1，孟祥君1，于善海2，史雙雙2，李  劍2

（1. 國網(wǎng)山東省電力公司運監(jiān)中心，山東 濟南 250001；

2. 山東魯能軟件技術(shù)有限公司，山東 濟南250001）