馬美娟 馬朝星

摘要：本文圍繞臺區(qū)線損異常治理效率低、降損成效弱、異常監(jiān)測難等問題，依托營銷SG186系統(tǒng)、用電信息采集系統(tǒng)等海量數(shù)據(jù)，運用聚類算法和關聯(lián)分析法，進行靜態(tài)與動態(tài)數(shù)據(jù)的集成整合與優(yōu)化，實現(xiàn)對臺區(qū)數(shù)據(jù)信息的深度挖掘;通過搭建階梯化線損管控模型、線損評估與智能診析模型和線損治理配型庫，開發(fā)臺區(qū)線損“慧診”助手開發(fā)應用，可實現(xiàn)“一臺一策”臺區(qū)線損管理的快速診斷決策與智能管控。

關鍵詞：大數(shù)據(jù);臺區(qū)線損;數(shù)據(jù)挖掘;聚類算法;智能診斷

當前國家電網(wǎng)有限公司定義臺區(qū)同期線損值合格區(qū)間在-1%～10%之間，隨著集抄改造全面完成，這種“一刀切”模式亟待改變，另外因多專業(yè)參與、低壓配網(wǎng)結構和客戶性質(zhì)復雜、依賴硬件設施條件和人員專業(yè)素質(zhì)等現(xiàn)狀突出，臺區(qū)改造投入產(chǎn)出比低，粗放式治理與被動式監(jiān)管影響了精準投資與精益管理。大數(shù)據(jù)、云計算等技術的廣泛應用，為實現(xiàn)臺區(qū)同期線損管理變革創(chuàng)造了條件，推進臺區(qū)同期線損精益管理，實現(xiàn)降損增效勢在必行。

1臺區(qū)線損智能診斷原理和目標

線損的診斷主要包括三個方面：判定臺區(qū)線損是否正常、臺區(qū)線損異常成因判定以及診斷建議。為實現(xiàn)診斷的智能化，對來源于營銷SG186、用電信息采集系統(tǒng)的海量數(shù)據(jù)進行數(shù)據(jù)處理和信息挖掘，可以根據(jù)客戶電價碼等因素，實現(xiàn)不同類型臺區(qū)的階梯化線損目標分類管理，精細診斷臺區(qū)線損正常與否。運用聚類分析對基于用電信息采集系統(tǒng)的日線損數(shù)據(jù)進行處理，將臺區(qū)日線損波動的形態(tài)進行異常問題二次分類，匹配營銷SG186系統(tǒng)臺區(qū)基礎檔案關聯(lián)的智能電能表測量信息等，輔以專家經(jīng)驗集成，即可用于智能診斷，實現(xiàn)自動診斷結果輸出。

2基于數(shù)據(jù)挖掘技術的臺區(qū)線損智能診斷模型

2.1階梯化線損定標

以長沙地區(qū)為分析基礎，通過營銷SG186系統(tǒng)336萬客戶電價碼信息（涉及45個字段）和2.9萬臺區(qū)基礎信息關聯(lián)，建立負荷電價碼庫，引入K均值聚類算法進行臺區(qū)負荷構成分類，進行3—10類和10—100次收斂計算后形成5類，選取正態(tài)分布曲線進行擬合計算，

2. 2線損評估與智能診析

獲取所有臺區(qū)基礎檔案構成臺區(qū)畫像信息庫，并隨機抽取連續(xù)三日線損率報表及電能表測量信息、狀態(tài)字數(shù)據(jù)，用于智能診析模型開發(fā)。

1） 應用大數(shù)據(jù)技術（Hadoop、HAWQ等數(shù)據(jù)倉庫），集成臺區(qū)檔案、運行信息、地理位置與臺區(qū)負荷構成，形成唯一“畫像”。一方面完成臺區(qū)運行狀態(tài)的快速掃描，另一方面進行臺區(qū)線損狀態(tài)計算與評估，并根據(jù)評估結果選擇是否進行一鍵診斷。臺區(qū)線損狀態(tài)計算與評估采用決策樹歸納的分析方法，有針對性地判別臺區(qū)狀態(tài)、提高診斷效率。通過甄別“采集成功率≥98%∩日供電量>20kWh”條件，剔除由大面積缺抄與小電量導致的線損異常，進而完成臺區(qū)類別辨識與偏離目標值計算，明確臺區(qū)線損異常等級，觸發(fā)智能診析功能。

2）應用聚類分析與相關性挖掘技術，采用OGG/DSG方式，存儲、組織、關聯(lián)和聚合線損成因字段，借助專家經(jīng)驗建立關系分析模型：一是根據(jù)線損走勢鎖定異常發(fā)生節(jié)點，提取連續(xù)三日線損率報表進行聚類分析得到最佳聚類數(shù)為10的聚類中心;二是鎖定線損成因，結合專家經(jīng)驗與典型案例確定31項核心因子。線損成因分為獨立成因與關聯(lián)成因：獨立成因來自業(yè)務系統(tǒng)監(jiān)測數(shù)據(jù)，采用固定報表與即席查詢方式;關聯(lián)成因采用比對碰撞與關系分析方式推導關聯(lián)模型。

注：1.正常：連續(xù)線損率在各類臺區(qū)的線損目標值區(qū)間;2.疑似：連續(xù)線損率在各類臺區(qū)的線損目標值區(qū)間外±3%波動;3.間歇：線損率在各類臺區(qū)的線損目標值區(qū)間外非連續(xù)性波動，且波動浮動超過±3%;4.頑固：連續(xù)線損率遠超出各類臺區(qū)的線損目標值區(qū)間。

3）采用專家經(jīng)驗與樣本訓練結合方式，建立線損波動規(guī)律與成因匹配模型

3基于數(shù)據(jù)挖掘技術的臺區(qū)線損診斷平臺開發(fā)及應用

3.1基于數(shù)據(jù)挖掘技術的臺區(qū)線損“慧診”助手設計

根據(jù)臺區(qū)線損治理需求分析，臺區(qū)線損智能診斷平臺———“慧診”助手包含三個模塊：一是根據(jù)客戶用電行為特征對臺區(qū)分類，并定位每類臺區(qū)線損率的最優(yōu)值區(qū)間;二是實現(xiàn)臺區(qū)信息一鍵查詢和線損異常智能診析，包括線損波動規(guī)律分析、搭建線損成因模型、建立波動與成因最優(yōu)映射;三是研制多應用場景的線損治理配型庫，為現(xiàn)場工作提供指導。

3. 2基于數(shù)據(jù)挖掘技術的臺區(qū)線損

“慧診”助手設計實現(xiàn)臺區(qū)線損“慧診”助手采用可視化界面，具有人機交互友好、操作便捷易上手、信息清晰明了等特點，

4基于數(shù)據(jù)挖掘技術的臺區(qū)線損智能診斷的意義

4.1提升執(zhí)行層治損效率和業(yè)務水平

根據(jù)班組和供電所應用反饋結果，智能診斷現(xiàn)場異常因素排查提速42.9%，調(diào)研6個臺區(qū)治理閉環(huán)時限，治理時間由23天縮短至1天;異常成因判別準確度78%，較人工判別準確度提升1倍，其中間歇型成因判別準確度90%;抽測40個線損率8%～10%城鎮(zhèn)居民生活類臺區(qū)，診斷疑似臺區(qū)32個，表計日停走又有電流、零線大于火線電流、表計時鐘異常三類成因超過90%，現(xiàn)場反饋處理異常臺區(qū)27個，平均降損2.3%。4.2支撐管理層精益管理和經(jīng)營決策為制定基層降損目標提供科學、直觀依據(jù)，使線損可控、能控、在控，也為定員測算及績效考核提供可靠依據(jù);提供隨時隨地、線上線下培訓平臺，突破場地時間、師資等條件限制;為推進臺區(qū)經(jīng)理隊伍建設與全能型供電所建設提供科學依據(jù)與評價標準;打破壁壘，為輔助決策電網(wǎng)末端改造規(guī)劃提供支撐。

5結語

本文以大數(shù)據(jù)挖掘與應用為基礎，以支撐線損異常治理與專業(yè)管理為目標，構建臺區(qū)分類、線損分型管理的臺區(qū)線損智能評估診析模型及線損治理配型庫，提出“一臺一策”治理模式，實現(xiàn)優(yōu)化決策與精準控制，便于專業(yè)管理部門掌握基層線損管控情況的同時，為一線班組提供智能化線損治理工具，科學降損，提質(zhì)增效。下一階段，考慮引入拓寬分類定標維度、搭建預測預警模型和優(yōu)化完善集成診析模型等，持續(xù)提升診斷結果和治理指導建議的精準性和可操作性。

參考文獻：

[1]黃靜，張敏，徐溦，等.基于同期線損系統(tǒng)數(shù)據(jù)挖掘技術的低壓臺區(qū)線損診斷模型[J].重慶電力高等專科學校學報，2018，23（006）：26-30.

[2]劉寅，李懋.基于智能用電大數(shù)據(jù)分析的臺區(qū)線損管理研究[J].中國新技術新產(chǎn)品，2019.

[3]王玻，彭偉.基于數(shù)據(jù)挖掘的服務企業(yè)診斷信息情報智能采集模型研究[J].科技管理研究，2020.

[4]何俊智.基于大數(shù)據(jù)分析的電力營銷管理研究[D].2018.

（作者單位：國網(wǎng)河北省電力有限公司河間市供電分公司）