， (中國電力工程顧問集團(tuán)西南電力設(shè)計院有限公司，四川 成都 610021)

數(shù)據(jù)挖掘在智能電網(wǎng)中的應(yīng)用研究

袁麗娟，袁方
(中國電力工程顧問集團(tuán)西南電力設(shè)計院有限公司，四川 成都 610021)

電力大數(shù)據(jù)已成為電網(wǎng)公司進(jìn)行決策的基礎(chǔ)，但單純數(shù)據(jù)的積累并不能給電網(wǎng)公司帶來益處。因此充分利用這些基于電網(wǎng)實際的數(shù)據(jù)，對其進(jìn)行深入分析，發(fā)現(xiàn)隱含的信息并加以利用，對指導(dǎo)電力企業(yè)做出正確的決策具有重大意義。提出了數(shù)據(jù)挖掘在智能電網(wǎng)中的應(yīng)用場景，把數(shù)據(jù)挖掘技術(shù)應(yīng)用于電力負(fù)荷預(yù)測，研究了在智能電網(wǎng)中應(yīng)用數(shù)據(jù)挖掘技術(shù)的方法。

數(shù)據(jù)挖掘；智能電網(wǎng)；負(fù)荷預(yù)測

0 引 言

隨著中國智能電網(wǎng)的加快建設(shè)和發(fā)展，電網(wǎng)系統(tǒng)中積累了大量的電網(wǎng)基礎(chǔ)數(shù)據(jù)，為智能電網(wǎng)建設(shè)帶來了新的機遇與挑戰(zhàn)，同時成為電力生產(chǎn)和運行模式發(fā)生變革的重要驅(qū)動力。從海量數(shù)據(jù)中提取出蘊藏的關(guān)系和規(guī)則等信息，并且根據(jù)已有的歷史數(shù)據(jù)，預(yù)測未來的發(fā)展趨勢，為電力企業(yè)業(yè)務(wù)管理向著更精細(xì)、更敏捷、更有效發(fā)展提供決策支持，成為現(xiàn)今亟待解決的問題。針對這一狀況，數(shù)據(jù)挖掘技術(shù)應(yīng)運而生。

下面將介紹數(shù)據(jù)挖掘技術(shù)及其在智能電網(wǎng)中的應(yīng)用，側(cè)重研究數(shù)據(jù)挖掘在細(xì)分用戶電力負(fù)荷預(yù)測中的應(yīng)用。

1 數(shù)據(jù)挖掘技術(shù)

數(shù)據(jù)挖掘，又稱為知識發(fā)現(xiàn)(knowledge discovery)，數(shù)據(jù)挖掘技術(shù)通過對海量數(shù)據(jù)進(jìn)行建模，并運用數(shù)理模型對企業(yè)的海量數(shù)據(jù)進(jìn)行整理與分析[1]。通過對這些數(shù)據(jù)進(jìn)行微觀、中觀乃至宏觀的統(tǒng)計、分析、綜合和推理，發(fā)現(xiàn)數(shù)據(jù)間的關(guān)聯(lián)性、未來趨勢以及一般性的概括知識等，這些知識性的信息可用來指導(dǎo)高級決策活動。

1.1 數(shù)據(jù)挖掘系統(tǒng)的分層

常用的數(shù)據(jù)挖掘系統(tǒng)，一般分成三層結(jié)構(gòu)[2]，如圖1所示。

底層是數(shù)據(jù)源，包括數(shù)據(jù)庫、數(shù)據(jù)倉庫等。數(shù)據(jù)挖掘并不完全要建立在數(shù)據(jù)倉庫的基礎(chǔ)上，但數(shù)據(jù)挖掘若能與數(shù)據(jù)倉庫協(xié)同工作，則將大大提高數(shù)據(jù)挖掘的效率。

中間層是數(shù)據(jù)挖掘工具，利用數(shù)據(jù)挖掘方法分析數(shù)據(jù)庫中的數(shù)據(jù)，包括關(guān)聯(lián)分析、聚類分析、神經(jīng)網(wǎng)絡(luò)方法、粗糙集方法、遺傳算法、模糊數(shù)學(xué)方法等。

上層是用戶層，將獲取的信息形象地展示給用戶，便于用戶理解和觀察，可以使用可視化工具。

1.2 數(shù)據(jù)挖掘過程

為形成數(shù)據(jù)挖掘產(chǎn)業(yè)的統(tǒng)一規(guī)范，1999年歐盟等機構(gòu)聯(lián)合起草了數(shù)據(jù)挖掘工業(yè)界的標(biāo)準(zhǔn)過程CRISP-DM[3-4](cross-industry standard process for date mining)，即“跨行業(yè)數(shù)據(jù)挖掘標(biāo)準(zhǔn)流程”，它為數(shù)據(jù)挖掘項目的生命周期提供了一個綜合的描繪，它包括6個階段:商業(yè)理解、數(shù)據(jù)理解、數(shù)據(jù)準(zhǔn)備、建模、評估和部署，如圖2所示。這些階段之間并不存在絕對的順序關(guān)系，各個階段一定會有反復(fù)的過程。究竟下一步要執(zhí)行哪個階段或哪個特定的任務(wù)，取決于每個階段的結(jié)果。

圖1 數(shù)據(jù)挖掘分層結(jié)構(gòu)

圖2 CRISP-DM數(shù)據(jù)挖掘過程模型

1)商業(yè)理解：這是數(shù)據(jù)挖掘的初始階段，確定數(shù)據(jù)挖掘的目的，明確需要解決的問題，并將這些目的與數(shù)據(jù)挖掘的定義以及結(jié)果結(jié)合起來。

2)數(shù)據(jù)理解：在業(yè)務(wù)分析目標(biāo)的指導(dǎo)下，采集與業(yè)務(wù)對象有關(guān)的原始數(shù)據(jù)，并對可用的數(shù)據(jù)進(jìn)行評估，并從中選擇出用于數(shù)據(jù)挖掘應(yīng)用的專門分析型數(shù)據(jù)庫，以便提高數(shù)據(jù)挖掘的效率和結(jié)果的正確性。建立數(shù)據(jù)庫可分為以下幾個部分：數(shù)據(jù)收集、數(shù)據(jù)描述、數(shù)據(jù)選擇、數(shù)據(jù)質(zhì)量評估、數(shù)據(jù)清理、數(shù)據(jù)合并與整合、構(gòu)建元數(shù)據(jù)、加載數(shù)據(jù)挖掘數(shù)據(jù)庫、維護(hù)數(shù)據(jù)挖掘庫。

3)數(shù)據(jù)準(zhǔn)備：對可用的原始數(shù)據(jù)進(jìn)行一系列的組織及清洗，以便達(dá)到建模的需求。此步驟可以劃分為4個部分：選擇變量、選擇記錄、創(chuàng)建新變量、轉(zhuǎn)換變量。

4)建模：為實現(xiàn)數(shù)據(jù)分析目的，對預(yù)處理后的數(shù)據(jù)執(zhí)行數(shù)據(jù)挖掘算法的過程。在實際應(yīng)用中，通常在同一數(shù)據(jù)集上，應(yīng)用多種數(shù)據(jù)挖掘算法，并通過對多個模型進(jìn)行比較和選擇，最終確定在當(dāng)前數(shù)據(jù)集上使用效果最好的模型。

5)評估：對數(shù)據(jù)挖掘過程中的每個處理環(huán)節(jié)、步驟進(jìn)行驗證；對數(shù)據(jù)挖掘結(jié)果的質(zhì)量、合理性、有效性等進(jìn)行評價，重點考慮得出的結(jié)果是否符合第一步的商業(yè)目的。

6)部署：將發(fā)現(xiàn)的結(jié)果以及過程組織成為可讀文本形式。

在模型部署和應(yīng)用之后，還要不斷監(jiān)控模型的效果，隨著使用時間的增加，可能需不斷地對模型重新測試，甚至需重新建立模型。

2 數(shù)據(jù)挖掘在智能電網(wǎng)中的應(yīng)用

2.1 智能電網(wǎng)數(shù)據(jù)特征分析

電網(wǎng)業(yè)務(wù)數(shù)據(jù)大致分為三類[5-6]：1)電力企業(yè)生產(chǎn)數(shù)據(jù)，如電壓質(zhì)量指標(biāo)、發(fā)電量、電網(wǎng)檢測等方面的數(shù)據(jù)；2)電力企業(yè)運營數(shù)據(jù)，如交易電價、售電量等方面的數(shù)據(jù)；3)電力企業(yè)管理數(shù)據(jù)，如一體化平臺、協(xié)同辦公等方面的數(shù)據(jù)。智能電網(wǎng)相比傳統(tǒng)電網(wǎng)具有更高的智能化水平，需要采集的電網(wǎng)數(shù)據(jù)從TB級逐漸上升至PB級[7]。

2.2 數(shù)據(jù)挖掘在細(xì)分用戶電力負(fù)荷預(yù)測中的應(yīng)用

隨著中國售電市場[8-9]的開放，今后用戶可自由選擇售電公司。電力企業(yè)“以人為本”的行業(yè)意識就需要提高，為了更好地了解電力用戶用電的需求，電力負(fù)荷預(yù)測成為一項重要的工作。下面重點研究數(shù)據(jù)挖掘在細(xì)分用戶電力負(fù)荷預(yù)測中的應(yīng)用。

根據(jù)電力系統(tǒng)相關(guān)標(biāo)準(zhǔn)，按照數(shù)據(jù)挖掘工業(yè)界的標(biāo)準(zhǔn)過程CRISP-DM，電力負(fù)荷預(yù)測數(shù)據(jù)挖掘系統(tǒng)的總體結(jié)構(gòu)如圖3所示。由圖3可以看出該系統(tǒng)主要包括原始數(shù)據(jù)層、數(shù)據(jù)獲取層、數(shù)據(jù)存儲層和前端應(yīng)用層。

圖3 電力負(fù)荷海量數(shù)據(jù)挖掘系統(tǒng)

這里提出基于細(xì)分用戶負(fù)荷預(yù)測方法。該方法分為用戶細(xì)分與負(fù)荷預(yù)測兩個主要步驟：

1)用戶細(xì)分

用戶細(xì)分中涉及的主要指標(biāo)包括行業(yè)分類、用電規(guī)模分類、用電類別分類、客戶信用分類、用戶地理位置分類等，因此大量的用戶細(xì)分工作還需要通過聚類分析來自動地進(jìn)行聚合。

數(shù)據(jù)預(yù)處理：基于需求側(cè)用戶個性化的客戶價值、客戶的用電可靠性要求和客戶行為的特征，先用聚類算法對行業(yè)用戶進(jìn)行了分組，將具有類似用電特征的用戶聚集在同一組內(nèi)，以便充分了解群組的用電特征[10]。

常用的聚類算法包括：①K-Means算法，通過各個屬性間的距離度量值對輸入的數(shù)據(jù)對象進(jìn)行劃分；②基于統(tǒng)計的COBWEB聚類，是一種增量式概念聚類方法，輸入對象是采用符號量(屬性-值)對來加以描述的，采用分類樹的形式來創(chuàng)建一個層次聚類；③EM算法，使用統(tǒng)計方法來確定各個分類中存在該用戶的概率，由此可以對用戶依照概率大小進(jìn)行區(qū)分。

2)負(fù)荷預(yù)測模型

針對分組后的用戶組分別利用不同的時序預(yù)測算法進(jìn)行負(fù)荷建模與預(yù)測，再將不同預(yù)測方法得到的預(yù)測結(jié)果進(jìn)行加權(quán)平均。使用的預(yù)測方法主要有：RBF神經(jīng)網(wǎng)絡(luò)、BP神經(jīng)網(wǎng)絡(luò)、回聲狀態(tài)網(wǎng)絡(luò)、支持向量機等。

首先將各個用戶群組的時間序列歷史數(shù)據(jù)進(jìn)行匯總分析，對每個群組內(nèi)的計量點進(jìn)行實時負(fù)荷疊加，分別得到疊加后的各點實時負(fù)荷序列數(shù)據(jù)。建立每個群組的實時負(fù)荷序列數(shù)據(jù)后，計算出該群組內(nèi)每個日最大負(fù)荷值。不同日最大負(fù)荷構(gòu)成該群組的日最大負(fù)荷序列，這樣就得到每個群組的最大日負(fù)荷歷史序列數(shù)據(jù)。在構(gòu)建出每個群組的實時負(fù)荷歷史序列數(shù)據(jù)后，計算出該群組內(nèi)每個月最大負(fù)荷值，不同月最大負(fù)荷構(gòu)成該群組的月最大負(fù)荷序列，得到每個群組的最大月負(fù)荷歷史序列數(shù)據(jù)。這樣，就分別得出了各用戶群組的實時負(fù)荷、日最大負(fù)荷及月最大負(fù)荷歷史數(shù)據(jù)，由此得到完整的負(fù)荷預(yù)測模型。

該方法在可接受的時間成本下，能盡可能多地了解不同行業(yè)、不同類別用戶的用電需求，對發(fā)電調(diào)度、有序用電、精益化市場營銷具有重要的指導(dǎo)價值。

3)負(fù)荷預(yù)測模型分析

在進(jìn)行負(fù)荷預(yù)測時，遵循“先細(xì)分、再預(yù)測”的原則，即先對用戶屬性進(jìn)行選擇，并利用聚類算法將用戶負(fù)載細(xì)分為不同特性分類；再分別利用不同時序預(yù)測算法進(jìn)行負(fù)荷預(yù)測，最后將各種預(yù)測算法下的負(fù)載預(yù)測結(jié)果進(jìn)行加權(quán)求和，形成最終預(yù)測結(jié)果。另外還將預(yù)測結(jié)果與實際數(shù)據(jù)進(jìn)行比較，對預(yù)測結(jié)果進(jìn)行評價，并反饋至預(yù)測模型，通過調(diào)整建模參數(shù)，提高預(yù)測模型的精度。

3 結(jié) 語

智能電網(wǎng)中的大數(shù)據(jù)產(chǎn)生于電力系統(tǒng)的各個環(huán)節(jié)，通過有效地利用數(shù)據(jù)挖掘技術(shù)，從電力企業(yè)積累的數(shù)據(jù)中獲得有助于管理決策的知識，幫助企業(yè)解決面臨的現(xiàn)實問題，提高企業(yè)基于數(shù)據(jù)的業(yè)務(wù)管控能力和運營效率。

數(shù)據(jù)挖掘在智能電網(wǎng)的很多方面都有應(yīng)用，并且效果明顯。以數(shù)據(jù)挖掘在細(xì)分用戶電力負(fù)荷預(yù)測中的應(yīng)用為切入點，分析在售電側(cè)改革的背景下，利用數(shù)據(jù)挖掘技術(shù)提高電網(wǎng)企業(yè)的經(jīng)濟(jì)效益、實現(xiàn)管理創(chuàng)新。

從中國目前的應(yīng)用來看，數(shù)據(jù)挖掘技術(shù)在智能電網(wǎng)中還沒有大規(guī)模和普遍使用，并且數(shù)據(jù)挖掘在實際的實現(xiàn)過程中仍然存在著一些亟待解決的問題。因此，仍需要進(jìn)一步開展數(shù)據(jù)挖掘技術(shù)理論與應(yīng)用方面的研究。

[1] 溫滿華. 芻議大數(shù)據(jù)時代數(shù)據(jù)挖掘技術(shù)在電力企業(yè)中的應(yīng)用[J].現(xiàn)代國企研究，2015(24):26.

[2] 于之虹，郭志忠.數(shù)據(jù)挖掘與電力系統(tǒng)[J]. 電網(wǎng)技術(shù)，2001，25(8):58-62.

[3] 陳星鶯，張曉花，瞿峰，等. 數(shù)據(jù)挖掘在電力系統(tǒng)中的應(yīng)用綜述[J]. 電力科學(xué)與技術(shù)學(xué)報，2007，22(3):51 - 56.

[4] 羅輯，楊勁鋒，肖勇，等. 用電數(shù)據(jù)挖掘技術(shù)與應(yīng)用[M]. 北京：中國電力出版社，2015.

[5] 宋亞奇，周國亮，朱永利.智能電網(wǎng)大數(shù)據(jù)處理技術(shù)現(xiàn)狀與挑戰(zhàn)[J].電網(wǎng)技術(shù)，2013，37(4):927-935.

[6] 鄧煒瑛.智能電網(wǎng)大數(shù)據(jù)處理技術(shù)現(xiàn)狀與挑戰(zhàn)[J].中外企業(yè)家，2015(6):126.

[7] 中國電機工程學(xué)會信息化專業(yè)委員會. 中國電力大數(shù)據(jù)發(fā)展白皮書[M]. 北京：中國電力出版社，2013.

[8] 白楊，謝樂，夏清，等. 中國推進(jìn)售電側(cè)市場化的制度設(shè)計與建議[J].電力系統(tǒng)自動化，2015，39(14):104-109.

[9] 張曉萱，薛松，楊素，等. 售電側(cè)市場放開國際經(jīng)驗及其啟示[J].電力系統(tǒng)自動化，2016，40(9):1-8.

[10] 張曉春，倪紅芳，李娜.基于數(shù)據(jù)挖掘的供電企業(yè)客戶細(xì)分方法及模型研究[J].科技與管理，2013，15(6):104-109.

In the age of large power data, large data has become the basis for power companies to make decisions. But the simple accumulation of data can′t bring benefits to the grid companies, so making full use of these actual data based on the grid, carrying on the thorough analysis, finding the implied information and using them to guide the power companies to make the right decision-making is of great significance. The application scenario of data mining in smart grid is put forward, and the data mining technology is applied to power load forecasting to study the method of applying the data mining technology to smart grid.

data mining; smart grid; load forecasting

TM769

A

1003-6954(2017)05-0015-03

袁麗娟(1981)，大學(xué)本科，從事電力通信工作；

袁 方(1990)，碩士研究生，從事信號與信息處理。

2017-06-27)