李小蘭，倪志堅(jiān)，馮 柳，張 琦

(國網(wǎng)沈陽供電公司，遼寧 沈陽 110003)

隨著電力體制改革的深入推進(jìn)，未來發(fā)電、輸配電、售電產(chǎn)業(yè)格局將發(fā)生根本改變，同時我國對電網(wǎng)企業(yè)的監(jiān)管方式也將轉(zhuǎn)變。電力企業(yè)必須以更低成本、更高效率和更優(yōu)的服務(wù)質(zhì)量來提升企業(yè)競爭力。目前，各行各業(yè)都在發(fā)展大數(shù)據(jù)應(yīng)用，但多數(shù)企業(yè)對如何處理大數(shù)據(jù)并沒有清晰明確的發(fā)展規(guī)劃。作為正向能源互聯(lián)網(wǎng)轉(zhuǎn)型的傳統(tǒng)電力行業(yè)，大數(shù)據(jù)分析技術(shù)為行業(yè)發(fā)展注入了新的活力，高質(zhì)高效地開展電力大數(shù)據(jù)采集、管理與分析應(yīng)用，必將激活其中蘊(yùn)含的價(jià)值，大大提升企業(yè)競爭力。在電力生產(chǎn)和管理方面充分利用信息化技術(shù)，深入挖掘分析數(shù)據(jù)更深層次的價(jià)值，將有利于供電企業(yè)精細(xì)化運(yùn)營管理，全面管控各種經(jīng)營風(fēng)險(xiǎn)，提高公司管理水平和運(yùn)營效率[1]。

本文以地市供電公司為研究應(yīng)用對象，將灰色關(guān)聯(lián)分析方法應(yīng)用到信息系統(tǒng)中，分析各指標(biāo)間的關(guān)聯(lián)關(guān)系，利用數(shù)據(jù)挖掘分析探尋基礎(chǔ)數(shù)據(jù)價(jià)值，建立風(fēng)險(xiǎn)預(yù)警網(wǎng)絡(luò)，一旦發(fā)現(xiàn)指標(biāo)異動，其關(guān)聯(lián)的其他指標(biāo)自動提前預(yù)警。同時，建立橫向協(xié)同機(jī)制，打破專業(yè)壁壘，各部門及時有效應(yīng)對，使各項(xiàng)指標(biāo)可控、能控、在控，在異動發(fā)生前干預(yù)，將事后監(jiān)測向事前預(yù)警有效轉(zhuǎn)變，為公司管理層科學(xué)決策提供有力支撐。

1 灰色關(guān)聯(lián)分析法

1.1 原理

灰色關(guān)聯(lián)分析認(rèn)為若干個比較數(shù)列所構(gòu)成的各條曲線幾何形狀與參考數(shù)列幾何形狀越接近，他們的變化趨勢越接近，其關(guān)聯(lián)度就越大[2]。它彌補(bǔ)了傳統(tǒng)的數(shù)理統(tǒng)計(jì)分析方法要求大樣本、高規(guī)律性的缺陷，符合電力數(shù)據(jù)樣本個數(shù)多跨越多部門，但單個樣本周期少的特點(diǎn)。本文嘗試將灰色關(guān)聯(lián)分析方法應(yīng)用于電力企業(yè)信息系統(tǒng)中，通過對變化趨勢的比對、分析，研究各部門指標(biāo)間的關(guān)聯(lián)關(guān)系，將分散的信息進(jìn)行有效整合，使系統(tǒng)風(fēng)險(xiǎn)預(yù)警功能更加高效、可靠。

1.2 關(guān)聯(lián)度分析

關(guān)聯(lián)度分析是一種曲線間幾何形狀的分析比較，即幾何形狀越接近，則關(guān)聯(lián)程度越大，反之則小。假定4個時間數(shù)據(jù)序列如圖1所示，將x1作為參考序列，x2、x3、x4作為比較序列，則關(guān)聯(lián)度為r12>r13>r14。

圖1 數(shù)據(jù)序列

1.3 灰色關(guān)聯(lián)分析應(yīng)用于電力數(shù)據(jù)分析的優(yōu)勢

電力數(shù)據(jù)指標(biāo)有其自身特點(diǎn)，存在季節(jié)性、不可預(yù)測性等問題，觀測數(shù)據(jù)點(diǎn)會在某些特定時刻(如大型用電企業(yè)項(xiàng)目投產(chǎn)，新建小區(qū)的加入，季節(jié)性用電高峰)的到來，呈現(xiàn)周期性波動或階梯性突變，這些對數(shù)據(jù)指標(biāo)的篩選、分析會帶來很大程度上的干擾。通常分析軟件如spss中使用相關(guān)分析多基于線性函數(shù)模型進(jìn)行分析，需要極大量的序列數(shù)據(jù)才有相對準(zhǔn)確的分析結(jié)果?；疑P(guān)聯(lián)分析對樣本量的多少和樣本有無規(guī)律都同樣適用,而且計(jì)算量小，十分方便，更不會出現(xiàn)量化結(jié)果與定性分析結(jié)果不符的情況，非常適用于電力系統(tǒng)數(shù)據(jù)分析過程。

1.4 灰色關(guān)聯(lián)分析在電力風(fēng)險(xiǎn)預(yù)警中的應(yīng)用步驟

灰色關(guān)聯(lián)度分析法是將研究對象及影響因素的因子值視為一條線上的點(diǎn)，與待識別對象及影響因素的因子值所繪制的曲線進(jìn)行比較，比較它們之間的貼近度，并分別量化，計(jì)算出研究對象與待識別對象各影響因素之間的貼近程度關(guān)聯(lián)度，通過比較各關(guān)聯(lián)度的大小來判斷待識別對象對研究對象的影響程度[3]。

將灰色關(guān)聯(lián)分析應(yīng)用于電力風(fēng)險(xiǎn)預(yù)警系統(tǒng)的主要計(jì)算步驟如下。

a. 確定參考序列和比較序列

設(shè)定參考序列x0(t),比較序列xi(t),分別用于表征風(fēng)險(xiǎn)預(yù)警的行為特征和影響因素。

x0(t)={x0(1),x0(2),…,x0(n)}

(1)

xi(t)={xi(1),xi(2),…,xi(n)}

(i=1,2,…,m)

(2)

b. 對分析數(shù)列進(jìn)行標(biāo)準(zhǔn)化轉(zhuǎn)換

電力風(fēng)險(xiǎn)預(yù)警算法中各指標(biāo)數(shù)據(jù)意義各不相同，如果直接進(jìn)行數(shù)據(jù)分析和比對的話，偏差太大，難以得出適當(dāng)?shù)慕Y(jié)論。所以，灰色關(guān)聯(lián)分析必須在數(shù)據(jù)處理之前對各指標(biāo)進(jìn)行標(biāo)準(zhǔn)化處理。

c. 確定灰色關(guān)聯(lián)系數(shù)ξ(xi)

關(guān)聯(lián)系數(shù)是用于衡量指標(biāo)間的相似程度，其根本幾何形狀上的接近程度，可以用比較序列的某個指標(biāo)相對參考序列的該指標(biāo)差值來進(jìn)行衡量，對于參考序列x0的若干個比較序列x1，x2，x3，…，xn，關(guān)聯(lián)系數(shù)ξi(k)表示如式(3):

(3)

記Δi(k)=|x(k)-xi(k)|，則:

(4)

ρ為分辨系數(shù)，通常取0～1，其值越小，系統(tǒng)分辨能力越強(qiáng)，本文暫取ρ=0.5。

①求關(guān)聯(lián)度ri

為將所有指標(biāo)的關(guān)聯(lián)程度值進(jìn)行統(tǒng)一量化比較，需要將各個指標(biāo)的灰色關(guān)聯(lián)系數(shù)進(jìn)行處理，量化為總體關(guān)聯(lián)度ri。本文以各指標(biāo)的平均值作為關(guān)聯(lián)度的數(shù)量表征，作為比較數(shù)列與參考數(shù)列之間關(guān)聯(lián)程度的數(shù)量表示，關(guān)聯(lián)度如下：

(5)

式中：ri為關(guān)聯(lián)度，表示比較序列xi相對參考序列x0的關(guān)聯(lián)程度，也稱平均關(guān)聯(lián)度、序列關(guān)聯(lián)度、線關(guān)聯(lián)度。ri值用于衡量比較指標(biāo)與參考指標(biāo)的接近程度，越接近1，證明與參考指標(biāo)接近程度越好，數(shù)據(jù)樣本風(fēng)險(xiǎn)越低。

②關(guān)聯(lián)度排序

關(guān)聯(lián)度大小可以用于表征指標(biāo)數(shù)據(jù)之間的關(guān)聯(lián)強(qiáng)度，將各個序列對同一參考序列的關(guān)聯(lián)度進(jìn)行排序，就形成了關(guān)聯(lián)序列。關(guān)聯(lián)序列直觀表達(dá)了各比較序列相對風(fēng)險(xiǎn)程度的大小關(guān)系，有利于電力企業(yè)風(fēng)險(xiǎn)防控預(yù)警的宏觀把控。

d. 錯周期分析

普通的關(guān)聯(lián)分析在考查指標(biāo)相關(guān)性方面是基于同期數(shù)據(jù)縱向和橫向?qū)Ρ确治龅幕A(chǔ)上完成的，但結(jié)合電力數(shù)據(jù)的特點(diǎn)，指標(biāo)間的互相作用往往會因?yàn)閿?shù)據(jù)錄入或時效性而滯后。指標(biāo)A對指標(biāo)B的作用不會在當(dāng)期中產(chǎn)生，而會在下一個周期中起作用。如1月份接電報(bào)裝數(shù)量增加，2月份的員工工作量、售電量都會增加，而3月份的用戶繳費(fèi)額也會增加。針對此種情況，本文在開展灰色關(guān)聯(lián)分析的基礎(chǔ)上提出對數(shù)據(jù)實(shí)施錯周期關(guān)聯(lián)分析，確定一系列新的參考數(shù)列和比較數(shù)列，找出其中強(qiáng)關(guān)聯(lián)指標(biāo)，尋找數(shù)據(jù)間關(guān)聯(lián)的未知可能性的存在，用于系統(tǒng)預(yù)測告警，提高指標(biāo)的業(yè)務(wù)關(guān)聯(lián)準(zhǔn)確度。

e. 預(yù)測分析

強(qiáng)關(guān)聯(lián)指標(biāo)間有著內(nèi)在的聯(lián)系，指標(biāo)x變化，指標(biāo)y也會有相應(yīng)的變化。x與y之間的映射關(guān)系如果存在，即可以通過此關(guān)系進(jìn)行相關(guān)預(yù)測。本文在利用灰色關(guān)聯(lián)分析計(jì)算指標(biāo)間關(guān)聯(lián)度的基礎(chǔ)上，將周期指標(biāo)值通過多次函數(shù)的矩陣擬合方法，利用正則方程組求解的方式完成多項(xiàng)式擬合過程，找出指標(biāo)間描述的高次函數(shù)表達(dá)式y(tǒng)=f(x)，力求更加準(zhǔn)確地?cái)M合關(guān)聯(lián)指標(biāo)間的映射函數(shù)，對相關(guān)指標(biāo)進(jìn)行預(yù)測，提前一個或幾個周期，進(jìn)行預(yù)測告警。如指標(biāo)“計(jì)量故障差錯次數(shù)(y)”與指標(biāo)“95598舉報(bào)工單數(shù)(x)”之間的關(guān)系表達(dá)式為

y=-0.002 2x4+0.361 6x3-20.596 1x2+476.256 6x-2 667.87

(6)

2 電力指標(biāo)數(shù)據(jù)的關(guān)聯(lián)分析

2.1 指標(biāo)數(shù)據(jù)

由于年指標(biāo)、季度指標(biāo)數(shù)據(jù)量較小，變化規(guī)律不大，分析價(jià)值較低，因此確定以月度為周期，采集各指標(biāo)2013年1月—2017年6月共54個周期值作為數(shù)據(jù)分析樣本。確保數(shù)據(jù)來源規(guī)范，采用線上與線下方式相結(jié)合，線上從各業(yè)務(wù)應(yīng)用系統(tǒng)批量抽取，對少量缺失數(shù)據(jù)由對應(yīng)專業(yè)部門線下核對后手工錄入，并以結(jié)構(gòu)化方式存儲。利用灰色關(guān)聯(lián)理論能夠很好地解決數(shù)據(jù)短缺情況下模型難以建立的難題[4]，如表1所示。

表1 指標(biāo)數(shù)據(jù)樣本

2.2 對數(shù)據(jù)開展關(guān)聯(lián)分析

采用經(jīng)典加擴(kuò)展灰色關(guān)聯(lián)分析法對數(shù)據(jù)進(jìn)行分析，對分析結(jié)果進(jìn)行清洗，形成有效的分析記錄?；疑P(guān)聯(lián)分析過程首先需要確定參考序列與比較序列，為了達(dá)到分析的全面性，將待分析基礎(chǔ)數(shù)據(jù)的每一個都做一次參考序列，其余為比較序列,計(jì)算出參考序列與所有比較序列的關(guān)聯(lián)度。分析過程如圖2所示。

圖2 指標(biāo)分析過程

將計(jì)算結(jié)果與業(yè)務(wù)相結(jié)合展示，分析結(jié)果通過圖形方式動態(tài)、過濾展示方便、簡潔、直觀。如：關(guān)聯(lián)分析結(jié)果通過點(diǎn)擊柱狀圖，可直接顯示其部門指標(biāo)與其他部門指標(biāo)的關(guān)聯(lián)表格，表格中綠色代表2個指標(biāo)具有強(qiáng)關(guān)聯(lián)關(guān)系，紅色代表弱關(guān)聯(lián)，如圖3所示。

圖3 關(guān)聯(lián)分析結(jié)果展示

點(diǎn)擊綠色小圖標(biāo)，可展現(xiàn)具體關(guān)聯(lián)曲線，經(jīng)過分級過濾可在十幾萬關(guān)聯(lián)關(guān)系中快速定位強(qiáng)關(guān)聯(lián)指標(biāo)。

2.3 結(jié)果驗(yàn)證

部分關(guān)聯(lián)指標(biāo)及其相關(guān)系數(shù)如表2所示。

表2 關(guān)聯(lián)指標(biāo)及相關(guān)系數(shù)表

表2中應(yīng)收電費(fèi)和售電收入指標(biāo)之間存在的相關(guān)關(guān)系是顯而易見的，而其他指標(biāo)間，經(jīng)過相關(guān)部門專家論證分析，從業(yè)務(wù)角度推敲，通過該分析模型得到的相關(guān)系數(shù)絕對值在0.7以上的指標(biāo)確實(shí)存在不同程度的因果關(guān)系或伴生關(guān)系。如故障報(bào)修總次數(shù)與重載線路比例的相關(guān)系數(shù)為0.796 8，線路重載多發(fā)生在冬季或夏季極端天氣出現(xiàn)時，極熱或極寒的氣候一般也會導(dǎo)致用電故障增多，因而故障報(bào)修總次數(shù)隨之增加，顯然2個指標(biāo)間正相關(guān)性成立；又如主站成功采集的用戶數(shù)與供電電壓合格率的相關(guān)系數(shù)為0.72，一般電壓質(zhì)量隨著供電半徑的增加而降低，尤其在農(nóng)村地區(qū)，據(jù)調(diào)查，用戶多在電線桿上安裝有線電視放大器，受此影響，會出現(xiàn)末端電壓不足的情況，比正常電壓低20 V左右，直接導(dǎo)致信號傳遞質(zhì)量變差、采集不通，因而采集成功率隨之降低，所以該正相關(guān)性成立。

2.4 應(yīng)用實(shí)例

以某地市公司為研究對象，通過關(guān)聯(lián)分析后發(fā)現(xiàn)，供電可靠率及用戶平均停電時間與多個指標(biāo)具

表3 供電可靠性指標(biāo)及相關(guān)系數(shù)

有不同的相關(guān)關(guān)系，見表3。其中期末城市配網(wǎng)架空線路總長度與上述2個指標(biāo)相關(guān)性最大，分別為-0.78、0.79，而其余指標(biāo)的相關(guān)性絕對值均在0.4以下，可以認(rèn)為基本不具備相關(guān)性。因此認(rèn)為架空線路總長度對上述2個指標(biāo)的影響最大。

經(jīng)深入分析后發(fā)現(xiàn)由于目前公司所屬供電區(qū)域架空線路多使用裸導(dǎo)線，絕緣化程度較低，因此直接導(dǎo)致架空線路越長，供電可靠率越低，用戶平均停電時間越長。供電可靠率逐月降低，用戶平均停電時間持續(xù)增加，監(jiān)測到該異動情況后，公司相關(guān)部門開展了協(xié)同分析，利用公司建立的分析模型，對各供電區(qū)域分別計(jì)算上述指標(biāo)相關(guān)性，發(fā)現(xiàn)某供電區(qū)域相關(guān)性最高，達(dá)到0.97，說明該區(qū)架空線路絕緣化率是影響該區(qū)域供電可靠性的最主要因素，公司立即制定改造方案，將裸導(dǎo)線更換為絕緣線，并按各區(qū)域相關(guān)性系數(shù)高低，對在公司平均相關(guān)性系數(shù)之上的各家單位依次進(jìn)行不同程度的改造。該舉措既提高了公司配網(wǎng)可靠性，又避免了盲目改造投入，最大化地節(jié)約了成本。

3 結(jié)束語

本文利用灰色關(guān)聯(lián)算法分析電力數(shù)據(jù)指標(biāo)之間的關(guān)聯(lián)關(guān)系，通過利用不同指標(biāo)間相關(guān)關(guān)系的遠(yuǎn)近趨勢，分析多個因素作用下不同指標(biāo)的貢獻(xiàn)率大小，在復(fù)雜的指標(biāo)關(guān)聯(lián)網(wǎng)絡(luò)中，準(zhǔn)確抓住主要矛盾，實(shí)現(xiàn)精準(zhǔn)的定位問題、科學(xué)地分析問題，為解決問題提供了理論依據(jù)和事實(shí)依據(jù)。使企業(yè)變以往“亡羊補(bǔ)牢”式的管理為“事前預(yù)警、事中管控、事后考評”式的管理，打破專業(yè)壁壘、增強(qiáng)企業(yè)執(zhí)行力，促進(jìn)部門聯(lián)動、有效規(guī)避風(fēng)險(xiǎn)，企業(yè)應(yīng)急反應(yīng)、妥善處置能力更加高效，依法經(jīng)營、規(guī)范管理效果更加明顯，事前預(yù)警、風(fēng)險(xiǎn)防控能力顯著提升。

[1] 李小蘭，田小蕾，倪志堅(jiān)，等.基于大數(shù)據(jù)挖掘的運(yùn)營監(jiān)測分析研究[J].東北電力技術(shù)，2016,37(3):38-42.

[2] 李建坡，趙繼印，鄭蕊蕊.基于灰關(guān)聯(lián)理論的變壓器故障診斷專家系統(tǒng)[J].東北電力技術(shù)，2008，29(7):8-10.

[3] 何 翔.楊浦區(qū)衛(wèi)生監(jiān)督功能與管理狀況分析[D].上海：復(fù)旦大學(xué), 2013：58.

[4] 周 暉，王 瑋，李曉梅.基于灰關(guān)聯(lián)理論的長春市電力消費(fèi)預(yù)測模型的研究[J].東北電力技術(shù)，2004，25(9):13-16.