保富,高宇豆

(云南電網(wǎng)有限責任公司信息中心,昆明 650217)

0 引 言

電壓質(zhì)量問題是影響電網(wǎng)公司運營的重要因素,也是電力公司重點監(jiān)測的對象[1]。傳統(tǒng)的電壓質(zhì)量異常識別方法,大多是通過客戶話務(wù)、現(xiàn)場抽檢等人工方式發(fā)現(xiàn),不僅識別效率低下,而且難以做到全面的識別與監(jiān)控。近年來智能電能表和用電管理終端[2-3]的大力推廣,逐步達成了用電信息采集系統(tǒng)的全覆蓋,使得通過大數(shù)據(jù)分析的手段識別電壓異常成為可能。

目前,問題主要集中在以下兩方面:(1)電壓監(jiān)測技術(shù)方面。目前對于用戶的電壓監(jiān)測是采用通過用戶的智能電能表采集電壓數(shù)據(jù),通過變壓器附近的終端收集回傳數(shù)據(jù)的方式采集數(shù)據(jù)。但此方案造成終端數(shù)據(jù)傳輸量過大,使得電壓數(shù)據(jù)呈現(xiàn)數(shù)據(jù)質(zhì)量差,價值密度低。(2)電壓質(zhì)量檢測時效性方面。運維人員到現(xiàn)場進行電質(zhì)量核查,只能發(fā)現(xiàn)目前的電壓情況,不能掌握電壓情況隨時間變化的細節(jié)信息,也影響業(yè)務(wù)人家對電壓質(zhì)量異常情況嚴重性的評估。

針對上述問題已有部分研究。文獻[4]探討了大數(shù)據(jù)技術(shù)以及數(shù)據(jù)挖掘方法在設(shè)備評價、故障診斷和智能診斷等場景中的作用,但僅從理論方向進行了分析,沒有實際的應(yīng)用;文獻[5]分析了重要用戶安全大數(shù)據(jù)存儲處理技術(shù)和分析診斷技術(shù),但存在存在數(shù)據(jù)交互安全性難以保證、分析能力有限導(dǎo)致決策錯誤的問題;文獻[6]在大數(shù)據(jù)技術(shù)的基礎(chǔ)上,實現(xiàn)對電壓的監(jiān)控,但不能對故障進行研判。

因此,文中在大數(shù)據(jù)平臺基礎(chǔ)上,分析智能電能表和終端采集的海量電壓電流的歷史數(shù)據(jù),結(jié)合電壓質(zhì)量相關(guān)的標準,對電壓電流數(shù)據(jù)進行主成分分析提取影響電壓質(zhì)量應(yīng)用的相關(guān)值,并通過模糊聚類篩選出異常數(shù)據(jù),儲存出現(xiàn)異常的當天的全部數(shù)據(jù)和當天的統(tǒng)計特征做可視化展示,為現(xiàn)場核查提供依據(jù)。

1 電壓質(zhì)量診斷與分析平臺模型

1.1 電壓質(zhì)量診斷平臺總體構(gòu)架

基于阿里的技術(shù)體系,構(gòu)建電網(wǎng)的“1+1+1”電力大數(shù)據(jù)中心,即1個大數(shù)據(jù)平臺(含數(shù)據(jù)中心),1套大數(shù)據(jù)資產(chǎn)運營體系(含大數(shù)據(jù)運營中心),1套大數(shù)據(jù)治理體系(含以元數(shù)據(jù)、數(shù)據(jù)標準、數(shù)據(jù)治理、數(shù)據(jù)安全為核心的數(shù)據(jù)資產(chǎn)管理工具);對內(nèi)使公司的電網(wǎng)管制業(yè)務(wù)提質(zhì)、增效;對外開展競爭性業(yè)務(wù),數(shù)據(jù)變現(xiàn)、創(chuàng)造價值?？傮w架構(gòu)如圖1所示。

圖1 基于阿里技術(shù)的電壓質(zhì)量診斷與分析平臺模型

從數(shù)據(jù)“采、存、通、用”流程角度,分為數(shù)據(jù)采集層、數(shù)據(jù)存儲層、數(shù)據(jù)計算層、數(shù)據(jù)分析層、平臺服務(wù)層[7-8]。平臺整體部署在公司云平臺之上,使用云平臺提供的計算和存儲服務(wù),本身天然擁有彈性伸縮能力。平臺是公司數(shù)據(jù)匯聚中心、統(tǒng)一數(shù)據(jù)及數(shù)據(jù)服務(wù)唯一來源,是公司大數(shù)據(jù)應(yīng)用的開發(fā)支撐平臺,同時也是公司元數(shù)據(jù)管理、數(shù)據(jù)質(zhì)量管理、數(shù)據(jù)標準管理的載體。

1.2 基于J2EE技術(shù)框架實現(xiàn)數(shù)據(jù)可視化

系統(tǒng)采用的J2EE架構(gòu)[9],如圖2所示。

在軟件體系方面,遵循JAVA EE規(guī)范,并兼容流行的系統(tǒng)軟件,為功能拓展和系統(tǒng)遷移提供了平臺無關(guān)性支持。系統(tǒng)基于HTML5、XML等通用技術(shù)標準,集成通用的權(quán)限、用戶、工作流等基本功能,有效保證系統(tǒng)的穩(wěn)定和可靠運行;通過對J2EE的標準應(yīng)用的擴展和補充,利用組件封裝技術(shù),降低耦合度,實現(xiàn)業(yè)務(wù)邏輯的縱橫貫通,并提供根據(jù)需要提供接口,保證業(yè)務(wù)和數(shù)據(jù)的交互能力。通過對功能框架和系統(tǒng)架構(gòu)分析,采用如下軟件架構(gòu)進行實現(xiàn),共分為:數(shù)據(jù)層、持久層、支撐層和展現(xiàn)層四個層次。數(shù)據(jù)層和持久層完成數(shù)據(jù)的持久化存儲;支撐層通過服務(wù)的方式實現(xiàn)電費計算、數(shù)據(jù)采集、信息集成、任務(wù)調(diào)度、報表查詢等業(yè)務(wù)過程;展現(xiàn)層對應(yīng)系統(tǒng)架構(gòu)的應(yīng)用層,通過PC或移動終端的方式,訪問核心業(yè)務(wù)系統(tǒng)進行業(yè)務(wù)處理。

2 基于大數(shù)據(jù)平臺的異常電壓數(shù)據(jù)分析和處理

針對目前電壓質(zhì)量識別效率低下、實時性不強、準確度不高的問題,本文通過輸入終端回傳的用戶電壓的采集數(shù)據(jù),首先采用主成分分析得到電力質(zhì)量中影響末端用戶電壓監(jiān)測分析、配網(wǎng)低壓臺區(qū)運行狀態(tài)分析、配網(wǎng)線路故障判斷分析、戶變相關(guān)系異常核對分析、低壓配網(wǎng)運行狀態(tài)分析應(yīng)用、低壓配網(wǎng)運行狀態(tài)分析數(shù)據(jù)服務(wù)等的主成分,對采集到的實時數(shù)23降維簡化處理;然后采用聚類分析[10]篩選異常電圧數(shù)據(jù),基本思想為,利用經(jīng)主成分分析后的樣本特征到分布中心的距離表征樣本數(shù)據(jù)的異常程度,距離越遠,出現(xiàn)的概率越低,異常度越高。給出識別電壓異常的模型用以確定電壓異常分界。整體思路如圖3所示。

圖3 數(shù)據(jù)處理分析流程圖

2.1 數(shù)據(jù)分析和處理

主成分分析[11-13]通過分析處理特征量得到對結(jié)果起作用的關(guān)鍵因素。分為以下五個步驟:(1)將樣本數(shù)據(jù)進行標準化處理;(2)在數(shù)據(jù)樣本基礎(chǔ)下計算協(xié)方差矩陣;(3)得到特征值和特征向量;(4)確定主成分;(5)通過載荷因子矩陣確定各元素對主成分影響程度[14-15]。

在對用戶或者配網(wǎng)實時運行數(shù)據(jù)的監(jiān)測中會出現(xiàn)很多異常數(shù)據(jù)影響觀測的準確性,為減少對電網(wǎng)的影響通常被當做噪點處理,但在用戶電壓異常監(jiān)測中,異常數(shù)據(jù)相較其他常見數(shù)據(jù)對配網(wǎng)監(jiān)測更有意義。電網(wǎng)規(guī)模的不斷擴大和智能電網(wǎng)的發(fā)展催生了新的大數(shù)據(jù)處理方法,關(guān)鍵數(shù)據(jù)處理的方法主要包括神經(jīng)網(wǎng)絡(luò)、聚類分析[16-18]、模糊數(shù)學理論等。配網(wǎng)實時數(shù)據(jù)量過大,對數(shù)據(jù)實時處理給臺區(qū)終端帶來很大壓力,因此,文中采用模糊聚類方法降低數(shù)據(jù)維度以減小終端數(shù)據(jù)處理壓力。

聚類分析可以將整體數(shù)據(jù)根據(jù)不同特征分成多維數(shù)據(jù),大大簡化了計算的復(fù)雜性,且不需要預(yù)先對初始數(shù)據(jù)進行特殊處理,能較好地實現(xiàn)關(guān)鍵數(shù)據(jù)的分離。模糊聚類作為聚類分析的改進優(yōu)化的方式,將數(shù)學中模糊的概念應(yīng)用其中,原來不變的分組改進成模糊分組,對于現(xiàn)實問題的處理能力增強[19-21]。

數(shù)據(jù)分析和處理公式如下:

(1)

(2)

|λE-R|=0

(3)

(4)

(5)

(6)

(7)

(8)

(9)

2.2 電壓質(zhì)量異常識別模型

結(jié)合目前計量中心已有的判別經(jīng)驗,通過對電壓質(zhì)量數(shù)據(jù)特征值的跟蹤分析,制定電壓質(zhì)量識別的判別標準,電壓質(zhì)量異常識別模型如表1所示。

表1 電壓質(zhì)量判別模型

計量自動化系統(tǒng)采集的用戶電壓數(shù)據(jù)包括臺區(qū)考核表數(shù)據(jù)、大用戶數(shù)據(jù),普通用戶數(shù)。有數(shù)據(jù)量大、數(shù)據(jù)質(zhì)量差、價值密度低、實效性低等特點,符合離線大數(shù)據(jù)的特征,可以用離線大數(shù)據(jù)處理方案來處理數(shù)據(jù)。采用大數(shù)據(jù)平臺提供的離線計算功能,按天計算最近7天電能表的電壓數(shù)據(jù)特征,并和電壓質(zhì)量異常識別模型的數(shù)據(jù)特征對比,篩選出電壓異常的電能表,并儲存該電能表該天的電壓明細數(shù)據(jù)以備展示。并記錄異常電能表的相關(guān)的電壓數(shù)據(jù)特征,通過基礎(chǔ)檔案數(shù)據(jù)完善電能表關(guān)聯(lián)的用戶等信息,以實現(xiàn)按供電單位等維度評估電壓質(zhì)量。

3 電壓異常用戶數(shù)據(jù)可視化展示

3.1 異常電圧數(shù)據(jù)應(yīng)用

由于在電壓異常識別的時候按天對數(shù)據(jù)計算了數(shù)據(jù)的特征值,并用特征值和電壓質(zhì)量異常模型比較來確定電壓異常情況,使得最終得到的結(jié)果只是異常用戶的電壓特征,有時候只從數(shù)據(jù)特征來分析會存在偏差,而且業(yè)務(wù)人員想了解異常發(fā)生時候的更多細節(jié)信息,所以本文在篩選出異常數(shù)據(jù)的同時也保留了異常發(fā)現(xiàn)當天的原始數(shù)據(jù),提供給業(yè)務(wù)人員做分析。異常電圧數(shù)據(jù)應(yīng)用如圖4所示。

圖4 異常電圧數(shù)據(jù)應(yīng)用

在篩選出異常數(shù)據(jù)以后,支持業(yè)務(wù)人員通過不同的維度(如供電單位、臺區(qū)等)對數(shù)據(jù)開展分析評估,以指導(dǎo)電壓質(zhì)量的改進工作。值得主要的是,對電壓質(zhì)量的評估如果要進行橫向比較需要考慮數(shù)據(jù)質(zhì)量引起的偏差,好在通過大數(shù)據(jù)離線技術(shù)可以容易計算出表征數(shù)據(jù)質(zhì)量的數(shù)據(jù)采集成功率,在一定的時間內(nèi),該數(shù)值為成功采集到數(shù)據(jù)電能表數(shù)量除以總電能表數(shù)量。

3.2 異常電壓數(shù)據(jù)可視化展示

異常電壓數(shù)據(jù)分析可應(yīng)用于末端用戶電壓監(jiān)測分析、配網(wǎng)低壓臺區(qū)運行狀態(tài)分析、配網(wǎng)線路故障判斷分析[22-23]、戶變相關(guān)系異常核對分析、低壓配網(wǎng)運行狀態(tài)分析應(yīng)用、低壓配網(wǎng)運行狀態(tài)分析數(shù)據(jù)服務(wù)等。電壓數(shù)據(jù)可視化展示如圖5所示。

圖5 電壓數(shù)據(jù)可視化展示

(1)用戶停電感知分析

用戶停電感知分析,開發(fā)并啟用用于用戶停電感知數(shù)據(jù)分析的定時任務(wù)和微服務(wù),針對云電智云大數(shù)據(jù)平臺上抽取的各類業(yè)務(wù)數(shù)據(jù),查詢營銷停電話務(wù)工單信息(來電號碼、來電內(nèi)容、來電時長等)、終端停電事件(終端位置、終端型號、事件日期等)、計量斷相事件(計量位置、終端型號、事件日期等),依據(jù)停電區(qū)域用戶識別網(wǎng)絡(luò),進行對比計算、分析判斷,形成停電事件區(qū)域(全臺區(qū)停電、相位停電、局部停電等)及實際停電用戶明細數(shù)據(jù)。針對用戶停電感知分析并實時驗證后形成的停電事件區(qū)域信息,按照樹形結(jié)構(gòu)用醒目的顏色展示實際停電的站、線路、變、戶,以及清晰顯示實際停電的臺區(qū)及相位。用戶停電感知分析展示。

(2)末端用戶電壓監(jiān)測分析

低電壓客戶問題記錄維護,建立本項目數(shù)據(jù)分析應(yīng)用主題對應(yīng)的低電壓客戶問題記錄庫,針對云電智云大數(shù)據(jù)平臺抽取存放的業(yè)務(wù)系統(tǒng)低電壓歷史事件記錄,以及本項目計算分析并實時驗證后推送輸出的低電壓客戶問題結(jié)果數(shù)據(jù),進行維護管理。末端用戶電壓數(shù)據(jù)計算分析,開發(fā)并啟用用于末端用戶電壓監(jiān)測數(shù)據(jù)分析的定時任務(wù)和微服務(wù),當云電智云大數(shù)據(jù)平臺上抽取并校驗修正的低壓用戶末端電壓數(shù)據(jù)及營銷客戶信息輸入時,依據(jù)低電壓客戶識別規(guī)則,進行對比計算、分析判斷,形成低壓用戶末端電壓監(jiān)測和低電壓客戶數(shù)據(jù)。

(3)用戶停電準確性分析

停電準確性判斷方法制定,根據(jù)停電事件指標項,梳理、分析及提煉調(diào)度、生產(chǎn)、營銷各類各類停上電事件相關(guān)指標項內(nèi)容,總結(jié)設(shè)置停電事件相關(guān)指標具體閾值(如:停電時長超過24 h為高時長),通過后期不斷實踐完善、靈活配置的方式建立停電準確性判斷方法,供停電事件準確性分析時使用。開發(fā)并啟用用于停電事件準確性數(shù)據(jù)分析的定時任務(wù)和微服務(wù),針對云電智云大數(shù)據(jù)平臺上抽取的各類業(yè)務(wù)數(shù)據(jù),查詢營銷停電事件、計量停電事件、用戶上報停電事件,依據(jù)停電準確性判斷方法,進行對比分析、綜合研判,形成準確停電事件、準確復(fù)電事件及準確停上電信息(停電區(qū)域、停電用戶、停電時間、復(fù)電時間等)數(shù)據(jù)。

(4)低壓配網(wǎng)運行狀態(tài)分析

低壓配網(wǎng)運行狀態(tài)分析包括低壓用戶末端電壓監(jiān)測、配網(wǎng)低壓臺區(qū)運行狀態(tài)監(jiān)測、400 V線路故障信息展示、戶變相關(guān)系異常分布展示、末端用戶供電質(zhì)量報告生成、配網(wǎng)低壓臺區(qū)運行報告生成、400 V線路故障運維報告生成。

(5)戶變相關(guān)系異常核對分析

戶變相關(guān)系異常核對方法制定,根據(jù)戶變相關(guān)系異常記錄庫(云電智云大數(shù)據(jù)平臺抽取的戶變相關(guān)系異常歷史記錄及現(xiàn)行數(shù)據(jù)分析結(jié)果),通過機器學習的方式,將“戶-變-相”相關(guān)的對應(yīng)規(guī)則進行固化,選取地址等三者共性的數(shù)據(jù)字段作為關(guān)聯(lián)標識,梳理出關(guān)聯(lián)規(guī)則庫,并固化為核對和檢查項,通過后期不斷實踐總結(jié)、修復(fù)完善的方式建立戶變相關(guān)系異常核對方法,供戶變相關(guān)系異常梳理核對時使用。

(6)配網(wǎng)線路故障判斷分析

線路故障判斷分析策略制定,根據(jù)400 V線路故障問題記錄庫(云電智云大數(shù)據(jù)平臺抽取的400 V線路故障運維歷史記錄及現(xiàn)行匯集數(shù)據(jù)分析結(jié)果),梳理400 V線路故障問題發(fā)生規(guī)律和判斷規(guī)則,并固化為監(jiān)測和檢查項,通過后期不斷自學習、修復(fù)完善的方式建立線路故障判斷分析策略,供配網(wǎng)線路故障綜合判斷分析時使用。

(7)配網(wǎng)低壓臺區(qū)運行狀態(tài)分析

配網(wǎng)低壓臺區(qū)運行數(shù)據(jù)分析,開發(fā)并啟用用于配網(wǎng)低壓臺區(qū)運行狀態(tài)分析的定時任務(wù)和微服務(wù),當云電智云大數(shù)據(jù)平臺上抽取并校驗修正的配網(wǎng)低壓臺區(qū)運行數(shù)據(jù)(電壓、電流、功率因數(shù)、電量、諧波等)及生產(chǎn)設(shè)備運行信息輸入時,依據(jù)配變問題故障預(yù)警規(guī)則,進行對比計算、綜合研判,形成配變故障報警和預(yù)警數(shù)據(jù)(重過載、三相不平衡、斷相、失壓、失流等問題)。低壓配網(wǎng)運行狀態(tài)進行了分析展示。

4 結(jié)束語

基于電壓異常數(shù)值特征主成分分析和聚類分析方法可以顯著地提高電壓異常情況現(xiàn)場核查的效率。相比于基于抽檢和客服話務(wù)的電壓異常核查有明顯的優(yōu)勢,代表業(yè)界未來技術(shù)發(fā)展的方向。該方法充分體現(xiàn)大數(shù)據(jù)技術(shù)在電力系統(tǒng)電壓異常檢測方面有明顯的優(yōu)勢和廣闊的前景,在此基礎(chǔ)上,未來還可以基于大數(shù)據(jù)技術(shù),發(fā)現(xiàn)更多電壓質(zhì)量異常時候的電壓數(shù)據(jù)特征,以及電壓異常和其他指標之間的關(guān)聯(lián)等分析電網(wǎng)運行健康情況,有助于加深對電網(wǎng)的理解。