摘? 要：本文介紹了電力運營監(jiān)控數(shù)據(jù)的增長給電力系統(tǒng)運營帶來的問題，在此基礎(chǔ)上闡述了運營監(jiān)控系統(tǒng)的概況和運營監(jiān)控系統(tǒng)在數(shù)據(jù)處理過程中存在的問題。主要從智能分析方法中的神經(jīng)網(wǎng)絡(luò)、時間序列分析、決策樹、關(guān)聯(lián)分析、偏差檢測以及粗糙集技術(shù)方面出發(fā)，對于用于改進(jìn)和提高電力運營監(jiān)控數(shù)據(jù)應(yīng)用進(jìn)行了分析，為電網(wǎng)企業(yè)提高企業(yè)效益、實現(xiàn)管理創(chuàng)新具有一定參考意義。

關(guān)鍵詞：電力企業(yè);運營監(jiān)控數(shù)據(jù);智能分析;大數(shù)據(jù)

中圖分類號：TP277? ? ? 文獻(xiàn)標(biāo)識碼：A 文章編號：2096-4706（2019）23-0131-03

Research on Intelligent Analysis Method of Power Operation Monitoring Data

WEI Yanxia

（Guangzhou Power Supply Bureau Co.，Ltd，Guangzhou? 510620，China）

Abstract：This paper introduces the problems brought by the growth of power operation monitoring data to the operation of power system. On this basis，it expounds the general situation of operation monitoring system and the problems existing in the data processing of operation monitoring system. From the aspects of neural network，time series analysis，decision tree，association analysis，deviation detection and rough set technology，this paper analyzes the application of the intelligent analysis method for improving the power operation monitoring data，which has certain reference significance for the power grid enterprises to improve the enterprise benefit and realize the management innovation.

Keywords：electric power enterprise;operational monitoring data;intelligent analysis;big data

0? 引? 言

隨著信息化水平的不斷提高，電力行業(yè)的信息采集系統(tǒng)不斷擴(kuò)張，使得電力企業(yè)在日常運營中累積了大量系統(tǒng)運行的實時數(shù)據(jù)信息[1]，其中包括信息監(jiān)控系統(tǒng)日常運行產(chǎn)生的負(fù)荷數(shù)據(jù)，繼電保護(hù)系統(tǒng)所產(chǎn)生的報警、隔離或切除信息，電力營銷系統(tǒng)中的客戶信息等。隨著時間的積累，這些數(shù)據(jù)信息已經(jīng)具備一定的規(guī)模，甚至出現(xiàn)信息爆炸，不過這些數(shù)據(jù)信息也為電力企業(yè)挖掘信息對運營系統(tǒng)進(jìn)行優(yōu)化提供了良好的數(shù)據(jù)基礎(chǔ)[2]。

然而，有時龐大的原始數(shù)據(jù)卻往往難以形成合適的有用信息。一方面，由于計算機網(wǎng)絡(luò)的資源有限，激增的數(shù)據(jù)導(dǎo)致計算資源快速地減少，數(shù)據(jù)管理變得復(fù)雜，也影響到系統(tǒng)的運行效率，造成沒有利用到有用的數(shù)據(jù)[3]。另一方面，由于傳統(tǒng)數(shù)據(jù)庫技術(shù)無法快速有效地處理龐大的數(shù)據(jù)，因此如果只利用聯(lián)機事務(wù)處理技術(shù)對數(shù)據(jù)進(jìn)行簡單分析，用戶將無法達(dá)到從龐大的數(shù)據(jù)量中挖掘有效數(shù)據(jù)的高級目標(biāo)。由此可以看出，激增的信息往往會成為數(shù)據(jù)挖掘的羈絆，造成無法有效地從龐大的原始數(shù)據(jù)中挖掘有效信息的局面。

此外，目前電力系統(tǒng)的巡視、維護(hù)、試驗、消缺、反措、項目管理等相關(guān)業(yè)務(wù)存在如下問題：核查追蹤數(shù)據(jù)量龐大、智能分析欠缺。針對這些問題，運營監(jiān)控系統(tǒng)需要借助數(shù)據(jù)挖掘技術(shù)，合理利用分類、估值、聚類、預(yù)測、關(guān)聯(lián)規(guī)則等技術(shù)，搭建追蹤算法，及時跟進(jìn)異常數(shù)據(jù)，實現(xiàn)巡視、維護(hù)、試驗、消缺、反措、項目管理等各類電力生產(chǎn)業(yè)務(wù)執(zhí)行落實情況智能分析、異常自動識別和預(yù)警，快速而及時地落實業(yè)務(wù)管理以及核查追蹤，實現(xiàn)運營監(jiān)控自動化的管理提升和工作效率的提高。

因此，對電力運營監(jiān)控數(shù)據(jù)進(jìn)行智能分析是電網(wǎng)企業(yè)提高企業(yè)效益、實現(xiàn)管理創(chuàng)新、實現(xiàn)信息系統(tǒng)由成本發(fā)生型向利潤生成型轉(zhuǎn)變、變數(shù)據(jù)資源為信息知識資源的必經(jīng)之路[4]。

1? 運營監(jiān)控系統(tǒng)

1.1? 概述

運營監(jiān)控系統(tǒng)作為一項在全球管理領(lǐng)域的重大創(chuàng)新，因其可高效地管理企業(yè)的運作和適時地調(diào)整企業(yè)的政策，目前被廣泛應(yīng)用于國內(nèi)外大型企業(yè)，如美國郵政、法國電力、海爾集團(tuán)等。其突出創(chuàng)新點總結(jié)如下：

運營監(jiān)控系統(tǒng)先針對企業(yè)的關(guān)鍵問題——企業(yè)戰(zhàn)略進(jìn)行剖析，立下戰(zhàn)略目標(biāo)，利用現(xiàn)代信息化技術(shù)監(jiān)控企業(yè)運營數(shù)據(jù)并及時分析數(shù)據(jù)，實現(xiàn)管理人員根據(jù)數(shù)據(jù)分析報告為公司戰(zhàn)略決策提供幫助的目的，持續(xù)促進(jìn)無形形資產(chǎn)（數(shù)據(jù)）帶動有形資產(chǎn)。

南方電網(wǎng)作為世界五百強企業(yè)之一，運營監(jiān)控系統(tǒng)的建設(shè)也處于國內(nèi)領(lǐng)先地位。該企業(yè)以完善城市配電網(wǎng)作為發(fā)展目標(biāo)，將完成一個集信息收集處理于一體、自動化和交融性強的配網(wǎng)運行監(jiān)控系統(tǒng)，不斷提升對配網(wǎng)的監(jiān)控水平。為進(jìn)行深度挖掘和高效應(yīng)用配電網(wǎng)設(shè)備運行、配網(wǎng)停電、檢修和搶修等各類電網(wǎng)數(shù)據(jù)，該企業(yè)將利用大數(shù)據(jù)分析，實現(xiàn)基于計劃、故障、搶修、保電等系統(tǒng)功能。

將配電網(wǎng)運行薄弱環(huán)節(jié)列為關(guān)注重點，使用數(shù)據(jù)挖掘?qū)崟r及歷史數(shù)據(jù)進(jìn)行分析并對歷史指標(biāo)數(shù)據(jù)進(jìn)行對比，分析得出低電壓、重過載、重復(fù)停電等配電網(wǎng)設(shè)備隱患點出現(xiàn)的原因，輔助支持配電網(wǎng)管理精細(xì)化的實現(xiàn)并保障配電網(wǎng)正常運行。

1.2? 運營監(jiān)控數(shù)據(jù)分析存在的問題

雖然數(shù)據(jù)采集速度和數(shù)據(jù)量隨著數(shù)據(jù)采集系統(tǒng)的升級不斷增長，但是如今的信息處理能力沒有隨之線性提升，信息處理速度尚有欠缺，所以需要對電力運營管理能力進(jìn)行升級和提升，電力運營監(jiān)控數(shù)據(jù)分析存在的問題如下[5]：（1）電力數(shù)據(jù)數(shù)量多、種類繁多、價值密度低。電力系統(tǒng)作為一個縝密的系統(tǒng)，分布于系統(tǒng)的監(jiān)控設(shè)備無時無刻不在采集現(xiàn)場數(shù)據(jù)和調(diào)度中心產(chǎn)生的大量數(shù)據(jù)，如SCADA系統(tǒng)收集的中央數(shù)據(jù)以及管理信息系統(tǒng)（MIS）、地理信息系統(tǒng)（GIS）、高級量測系統(tǒng)（AMI）等產(chǎn)生的數(shù)據(jù)，其數(shù)據(jù)來源多而廣。（2）數(shù)據(jù)質(zhì)量情況不一。電力系統(tǒng)中的監(jiān)控設(shè)備不能將數(shù)據(jù)中的噪聲完全濾掉，而且會由于采集設(shè)備無法覆蓋所有的采集點而出現(xiàn)采集缺失的情況，導(dǎo)致采集到的數(shù)據(jù)不理想，分析系統(tǒng)無法有效地從數(shù)據(jù)中提取到有用的信息。（3）實時性處理要求較高。如果系統(tǒng)出現(xiàn)緊急狀況甚至瓦解，監(jiān)控系統(tǒng)務(wù)必快速進(jìn)行決策，使系統(tǒng)重回正軌。傳統(tǒng)數(shù)據(jù)庫和數(shù)據(jù)挖掘協(xié)助配合水平低下，導(dǎo)致大量計算資源被占用，無法及時快速地處理上述狀況。

因此，尋找適合電力運營監(jiān)控系統(tǒng)的數(shù)據(jù)優(yōu)化算法是重點考慮的問題。

2? 智能分析方法在運營監(jiān)控數(shù)據(jù)的應(yīng)用

智能分析技術(shù)能從看似無序的海量數(shù)據(jù)中提取出隱藏的有用知識，借助數(shù)據(jù)庫的存儲能力，挖掘出數(shù)據(jù)本身的規(guī)律以及數(shù)據(jù)之間的耦合關(guān)系。為進(jìn)一步提高運營管理水平和用戶服務(wù)水平，需要充分利用電力大數(shù)據(jù)，實現(xiàn)支撐未來電網(wǎng)發(fā)展的目標(biāo)，并為政府決策提供支持。處理電力大數(shù)據(jù)的智能分析方法主要包括神經(jīng)網(wǎng)絡(luò)、時間序列分析、決策樹、關(guān)聯(lián)分析、偏差檢測、粗糙集技術(shù)等。

2.1? 神經(jīng)網(wǎng)絡(luò)

隨著機器學(xué)習(xí)的發(fā)展，人們越來越關(guān)注神經(jīng)網(wǎng)絡(luò)。根據(jù)外界信息，神經(jīng)網(wǎng)絡(luò)可以改變內(nèi)部結(jié)構(gòu)，在不同領(lǐng)域都展現(xiàn)出其強大的非線性近似函數(shù)分析的能力，是一種具備突出的自我學(xué)習(xí)能力的數(shù)學(xué)模型或計算模型[6]。

架空輸電線路頻繁跳閘的出現(xiàn)，制約了電力行業(yè)的發(fā)展，針對這個問題，可以利用先進(jìn)的神經(jīng)網(wǎng)絡(luò)能夠連續(xù)分析并處理龐大信息的能力，準(zhǔn)確地將故障問題辨識出來，快速地通知檢修人員維護(hù)檢修。

全球電力系統(tǒng)已逐步向電力市場化并攏，而國內(nèi)電力市場也緊跟這個大趨勢，改革正有序向前。在電力市場中，精確的電價預(yù)測對于售電者及買電者都至關(guān)重要。因此，恰當(dāng)?shù)厥褂蒙窠?jīng)網(wǎng)絡(luò)對地區(qū)、行業(yè)、用戶等歷史電價數(shù)據(jù)進(jìn)行挖掘，用精準(zhǔn)的模型描述電價變化規(guī)律，對于提高電力資源利用率、加強有序用電都具有重要意義。

2.2? 時間序列分析

時間序列分析將其他影響因素弱化，首先考慮時間因素的影響，挖掘自身時間因素的規(guī)律并考慮其他影響因素對預(yù)測的綜合作用，最后獲得預(yù)測結(jié)果[7]。在經(jīng)典的時間序列分析中，應(yīng)按以下步驟分析：（1）識別序列是否為平穩(wěn);（2）平穩(wěn)化非平穩(wěn)序列;（3）建立相應(yīng)模型;（4）進(jìn)行參數(shù)估計;（5）預(yù)測分析。

運營監(jiān)控數(shù)據(jù)中大多數(shù)都是時間序列，如負(fù)荷數(shù)據(jù)、電價數(shù)據(jù)、電力系統(tǒng)異常數(shù)據(jù)等，應(yīng)用時間序列分析法對這類數(shù)據(jù)進(jìn)行分析，可以挖掘時間相關(guān)性。分析運營監(jiān)控數(shù)據(jù)，首先需要對數(shù)據(jù)進(jìn)行預(yù)處理，將噪聲濾掉，最后利用差分自回歸移動平均模型對檢測數(shù)據(jù)建模，擬合殘差序列分析辨識出異常數(shù)據(jù)。時間序列分析的應(yīng)用提高了異常數(shù)據(jù)的辨識效率，有效地減少了工作量。

2.3? 決策樹

決策樹是一種監(jiān)督學(xué)習(xí)算法。它適用于分類和連續(xù)輸入和輸出變量。利用決策樹將從數(shù)據(jù)中提取出的特征空間適當(dāng)?shù)胤殖蓴?shù)個類別，然后再對同一類別的特征空間建模。決策樹的優(yōu)點是需要的數(shù)據(jù)量少，但處理大規(guī)模數(shù)據(jù)的效果也很好;既可以處理數(shù)值型數(shù)據(jù)也可以處理類別型數(shù)據(jù)。

對于經(jīng)濟(jì)負(fù)荷分配，根據(jù)用戶的繳費信息和萬能電表數(shù)據(jù)，分析用戶的用電行為，收集負(fù)荷的特征，采用決策樹對歷史負(fù)荷數(shù)據(jù)進(jìn)行分析并按類型進(jìn)行分類，建立適應(yīng)不同負(fù)荷模式的決策樹，利用數(shù)據(jù)挖掘預(yù)測負(fù)荷曲線，輔助電力市場管理[8]。

2.4? 關(guān)聯(lián)分析

關(guān)聯(lián)分析能夠快速挖掘并提取龐大數(shù)據(jù)中不同項之間的關(guān)系，查找出存在于項目集合或?qū)ο蠹现g的關(guān)聯(lián)信息、因果關(guān)系等。電力系統(tǒng)中的數(shù)據(jù)存在很多關(guān)聯(lián)性和相關(guān)性，關(guān)聯(lián)分析作為一種快速簡單的分析技術(shù)，常被用于電力運營監(jiān)控系統(tǒng)。

為了更好地為不同客戶有針對性地服務(wù)并制定合適的營銷策略，分析和預(yù)測用戶用電行為變得越來越重要。按照電力用戶性質(zhì)和營銷業(yè)務(wù)需要，可以利用聚類分析，將電力用戶分為六種類型：（1）大型專變用戶;（2）中小型專變用戶;（3）三相一般工商業(yè)用戶;（4）單相一般工商業(yè)用戶;（5）居民用戶;（6）公用配變考核計量點[9]。也可以利用聚類分析去建立用戶信用等級模型，將造成電費回收困難和欠費風(fēng)險因素利用起來，利用信用等級模型提高電費回收水平，制定避免欠費的措施，為電費收繳和賬務(wù)管理提供便利。

2.5? 偏差檢測

根據(jù)經(jīng)驗知識，去除異常數(shù)據(jù)的數(shù)據(jù)集比不剔除的具有更好的準(zhǔn)確性。因此對于數(shù)據(jù)集中的異常數(shù)據(jù)，技術(shù)人員需要盡量將其剔除，避免其對預(yù)測結(jié)果造成影響。偏差檢測在識別異常數(shù)據(jù)方面表現(xiàn)出色，可以識別出不符合期望模式或數(shù)據(jù)集中其他項目的項目、事件或觀測值。

對于運營監(jiān)控數(shù)據(jù)中出現(xiàn)的異常，可以利用偏差檢測方法挖掘采集數(shù)據(jù)的異常信息，將采集數(shù)據(jù)與正常數(shù)據(jù)進(jìn)行比較，發(fā)現(xiàn)異常馬上通知檢修人員[10]，及時的解決用電異常，提高電力檢修工作效率，有效地減少電力檢修工作量，為企業(yè)降低人工成本。

2.6? 粗糙集技術(shù)

為了發(fā)現(xiàn)隱藏的信息和挖掘隱含的規(guī)律，粗糙集技術(shù)可以利用子數(shù)據(jù)之間相等的關(guān)系對數(shù)據(jù)對象進(jìn)行歸類，盡可能地保留基本知識，去除無用冗余的信息，對數(shù)據(jù)壓縮并再次提煉。粗糙集技術(shù)是一種知識簡約的技術(shù)，知識被認(rèn)為是一種可以將數(shù)據(jù)進(jìn)行分類[11]。常被應(yīng)用于模式識別與分類和機器學(xué)習(xí)和數(shù)據(jù)挖掘。

由于粗糙集技術(shù)出色的分類能力，其常被應(yīng)用于線損分析中。線損分析的數(shù)據(jù)龐大，包括各供電點和受電點的有功和無功的正/反向電能量數(shù)據(jù)以及供電網(wǎng)絡(luò)拓?fù)鋽?shù)據(jù)，粗糙集技術(shù)利用等價關(guān)系對這類數(shù)據(jù)進(jìn)行分類，分為按電壓等級、分區(qū)域、分線、分臺區(qū)、分元件或按日、月固定周期或指定時間段等幾類，對不同類對象分別建模分析，統(tǒng)計分析線損。其分析結(jié)果為可以有效地降低線路損耗，為電力企業(yè)降低損耗支出和節(jié)約電能提供有力的數(shù)據(jù)支持。

3? 結(jié)? 論

現(xiàn)在電力企業(yè)擁有較為成熟的數(shù)據(jù)采集系統(tǒng)，傳統(tǒng)的數(shù)據(jù)庫技術(shù)分析難以從龐大數(shù)據(jù)量中提取到有用的信息。另外，目前對于運營監(jiān)控領(lǐng)域中巡視、維護(hù)、試驗、消缺、反措、項目管理等相關(guān)業(yè)務(wù)的智能分析水平低下。因此，急需搭建運營監(jiān)控智能分析系統(tǒng)。本文介紹了神經(jīng)網(wǎng)絡(luò)、時間序列分析、決策樹、關(guān)聯(lián)分析、偏差檢測、粗糙集技術(shù)六種智能分析技術(shù)在運營監(jiān)控數(shù)據(jù)分析中的應(yīng)用，致力于提升運營管理水平、提高用戶服務(wù)水平，對于提高電力系統(tǒng)海量數(shù)據(jù)的處理能力和處理效率也有著極為重要的現(xiàn)實意義。

參考文獻(xiàn)：

[1] 孫柏林.“大數(shù)據(jù)”技術(shù)及其在電力行業(yè)中的應(yīng)用 [J].電氣時代，2013（8）：18-23.

[2] 米允龍，米春橋，劉文奇.海量數(shù)據(jù)挖掘過程相關(guān)技術(shù)研究進(jìn)展 [J].計算機科學(xué)與探索，2015，9（6）：641-659.

[3] 董朝賢.大數(shù)據(jù)時代計算機信息處理技術(shù)分析 [J].計算機產(chǎn)品與流通，2019（2）：10-11.

[4] 戴彥，王劉旺，李媛，等.新一代人工智能在智能電網(wǎng)中的應(yīng)用研究綜述 [J].電力建設(shè)，2018，39（10）：1-11.

[5] 劉毅.大數(shù)據(jù)時代下電力運營監(jiān)控數(shù)據(jù)處理 [J].科技創(chuàng)新導(dǎo)報，2018，15（32）：21-22.

[6] 王開林，胡昊，陳靖，等.一種基于BP神經(jīng)網(wǎng)絡(luò)的電網(wǎng)負(fù)荷預(yù)測方法的設(shè)計 [J].電子世界，2019（17）：197-198.

[7] 任成國，肖兒良，簡獻(xiàn)忠，等.EMD-LSTM算法在短期電力負(fù)荷預(yù)測中的應(yīng)用 [J].電力科學(xué)與工程，2019，35（8）：12-16.

[8] 李響，黎燦兵，曹一家，等.短期負(fù)荷預(yù)測的解耦決策樹新算法 [J].電力系統(tǒng)及其自動化學(xué)報，2013，25（3）：13-19.

[9] 羅飛鵬，金慧頌，任建.基于水電用量的異常用戶檢測方法的研究 [J].電力與能源，2015，36（3）：355-359.

[10] 趙天輝，王建學(xué)，馬龍濤，等.基于非參數(shù)回歸分析的工業(yè)負(fù)荷異常值識別與修正方法 [J].電力系統(tǒng)自動化，2017，41（18）：53-59.

[11] 束洪春，孫向飛，于繼來.粗糙集理論在電力系統(tǒng)中的應(yīng)用 [J].電力系統(tǒng)自動化，2004（3）：90-95.

作者簡介：魏艷霞（1984-），女，漢族，甘肅白銀人，工程師，碩士，主要研究方向：企業(yè)運營監(jiān)控、變電運行。