趙昱翰

（貴州電網(wǎng)公司遵義供電局，貴州 遵義 563000）

0 引言

在新發(fā)展階段，越來(lái)越多的先進(jìn)技術(shù)能夠被應(yīng)用到配電網(wǎng)運(yùn)行發(fā)展的過(guò)程中，以技術(shù)規(guī)范配電網(wǎng)相關(guān)工作的行為。將大數(shù)據(jù)技術(shù)用于支持配電網(wǎng)的穩(wěn)定運(yùn)行，能夠基于高效的數(shù)據(jù)處理和便利的數(shù)據(jù)傳遞途徑來(lái)發(fā)揮預(yù)警預(yù)測(cè)與分析的作用，對(duì)各類(lèi)安全風(fēng)險(xiǎn)對(duì)配電網(wǎng)運(yùn)行的影響，在提高配電網(wǎng)運(yùn)行穩(wěn)定性的同時(shí)，也能夠更好地滿(mǎn)足市場(chǎng)對(duì)電能供應(yīng)的大量需求。

1 配電網(wǎng)中的大數(shù)據(jù)

1.1 大數(shù)據(jù)特點(diǎn)

在配電網(wǎng)的運(yùn)行過(guò)程中，配電自動(dòng)化系統(tǒng)，電網(wǎng)管理平臺(tái)等系統(tǒng)在運(yùn)行中會(huì)產(chǎn)生大量的數(shù)據(jù)信息。這些數(shù)據(jù)能夠呈現(xiàn)出以下幾方面的特點(diǎn)：首先，基于當(dāng)前配電網(wǎng)自動(dòng)化和智能化發(fā)展的方向趨勢(shì)，但應(yīng)用各類(lèi)信息化和物聯(lián)網(wǎng)技術(shù)，開(kāi)展電力行業(yè)業(yè)務(wù)的過(guò)程中都會(huì)產(chǎn)生大量的數(shù)據(jù)，且這些數(shù)據(jù)大多分布于不同的數(shù)據(jù)源，難以直接進(jìn)行集成和收集[1]。同時(shí)，配電網(wǎng)運(yùn)行過(guò)程中的數(shù)據(jù)能夠體現(xiàn)出明顯的異構(gòu)性特點(diǎn)，能夠具體分為結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)三種形式。結(jié)合以往的數(shù)據(jù)處理經(jīng)驗(yàn)，發(fā)現(xiàn)配電網(wǎng)運(yùn)行過(guò)程中的可利用數(shù)據(jù)密度較低，單一的數(shù)據(jù)信息難以明確反映出信息背后蘊(yùn)含的規(guī)律特點(diǎn)，因而容易對(duì)配電網(wǎng)的運(yùn)行決策造成阻礙。

1.2 大數(shù)據(jù)存儲(chǔ)與計(jì)算方式

在考慮配電網(wǎng)運(yùn)行中的數(shù)據(jù)量過(guò)于龐大這一特點(diǎn)的前提下，考慮將分布式系統(tǒng)用于大數(shù)據(jù)的處理分析當(dāng)中，實(shí)現(xiàn)對(duì)于這些數(shù)據(jù)的集中儲(chǔ)存與計(jì)算。以Hadoop這一分布式系統(tǒng)為例，該系統(tǒng)具有更便于擴(kuò)展和更高效的數(shù)據(jù)交互，在應(yīng)用中能夠體現(xiàn)出明顯的可靠性，因而能夠滿(mǎn)足處理大數(shù)據(jù)的要求。該分布式系統(tǒng)主要以符合配電網(wǎng)運(yùn)行情況的編程模型為基礎(chǔ)，對(duì)大規(guī)模數(shù)據(jù)進(jìn)行并行處理。在這一過(guò)程中被處理的大規(guī)模數(shù)據(jù)，應(yīng)能夠劃分為數(shù)據(jù)大小角的子數(shù)據(jù)集，且各個(gè)子數(shù)據(jù)集之間無(wú)須進(jìn)行額外的通信[2]。在這一前提下進(jìn)行大規(guī)模數(shù)據(jù)量的存儲(chǔ)，應(yīng)選擇能夠儲(chǔ)存數(shù)據(jù)文件的有效工具，既能夠擁有充足的空間對(duì)冗余的數(shù)據(jù)進(jìn)行備份和存儲(chǔ)也能夠分類(lèi)存放，并能夠以周期性的方式接受從來(lái)源下的檢測(cè)信息和校驗(yàn)數(shù)據(jù)，從而保障輸入數(shù)據(jù)的可靠性。

在大數(shù)據(jù)計(jì)算方面，主要依賴(lài)深度學(xué)習(xí)算法，以構(gòu)建深度學(xué)習(xí)模型的方式，基于非線(xiàn)性變化的原理角度來(lái)對(duì)數(shù)據(jù)進(jìn)行抽象化的處理，提取數(shù)據(jù)信息中蘊(yùn)含的規(guī)律和特點(diǎn)?，F(xiàn)階段能夠用于大數(shù)據(jù)計(jì)算的深度學(xué)習(xí)算法模型，以各種類(lèi)型的學(xué)習(xí)網(wǎng)絡(luò)為主。

1.3 基于模型的配電網(wǎng)大數(shù)據(jù)預(yù)處理

數(shù)據(jù)預(yù)處理時(shí)配電網(wǎng)數(shù)據(jù)處理的首要環(huán)節(jié)，為實(shí)現(xiàn)對(duì)于配電網(wǎng)運(yùn)行過(guò)程中產(chǎn)生的各項(xiàng)數(shù)據(jù)預(yù)處理，具體包括配電網(wǎng)運(yùn)行異常數(shù)據(jù)識(shí)別、數(shù)據(jù)選擇、數(shù)據(jù)變換、數(shù)據(jù)規(guī)約等預(yù)處理工作。在考慮大數(shù)據(jù)技術(shù)本身應(yīng)用特點(diǎn)的前提下，考慮配電網(wǎng)運(yùn)行中存在的大量文本，需要將這些數(shù)據(jù)信息轉(zhuǎn)化為能夠被系統(tǒng)程序認(rèn)可的數(shù)據(jù)形式。

具體而言，以配電網(wǎng)運(yùn)行的文本為例，在數(shù)據(jù)預(yù)處理過(guò)程中，從資產(chǎn)全生命周期管理、工作票和操作票、運(yùn)維日志、報(bào)告、國(guó)家/行業(yè)/企業(yè)標(biāo)準(zhǔn)等方面入手，考慮不同單位對(duì)配電網(wǎng)運(yùn)行產(chǎn)生的文本需求差異，應(yīng)用合適的數(shù)據(jù)處理方法[3]。例如，由于資產(chǎn)配置，信息等在現(xiàn)階段的企業(yè)單位管理中有著較為規(guī)范的書(shū)寫(xiě)和呈現(xiàn)形式，具有較強(qiáng)的結(jié)構(gòu)性，可以直接從語(yǔ)法規(guī)則的角度，在系統(tǒng)程序中，通過(guò)建立向量空間的方式，直接在結(jié)構(gòu)中填充相應(yīng)的文本內(nèi)容。假設(shè)ys為開(kāi)始年份，ds代表開(kāi)始日為該年第幾日，ms代表開(kāi)始分鐘數(shù)為該日的第幾分鐘，mr代表操作持續(xù)分鐘，則可以將文本信息的轉(zhuǎn)換過(guò)程表示為操作時(shí)間：[ys，ds，ms，mr]。

操作任務(wù)表示如下。

2 基于保障配電網(wǎng)供電可靠性的大數(shù)據(jù)技術(shù)應(yīng)用分析

以保證配電網(wǎng)供電可靠性為主要目的，在配電網(wǎng)的運(yùn)行中發(fā)揮大數(shù)據(jù)技術(shù)的作用，主要可以從以下3個(gè)方面來(lái)減少配電網(wǎng)運(yùn)行中的安全隱患問(wèn)題。

2.1 配電網(wǎng)噪聲數(shù)據(jù)識(shí)別與替補(bǔ)

對(duì)配電網(wǎng)噪聲數(shù)據(jù)識(shí)別與替補(bǔ)的分析，主要建立在明確配電網(wǎng)整體架構(gòu)的基礎(chǔ)上。配電網(wǎng)運(yùn)行造成主要來(lái)源于各種電氣設(shè)施設(shè)備，噪聲數(shù)據(jù)主要體現(xiàn)在發(fā)電側(cè)、輸電側(cè)與配電側(cè)、用電側(cè)3 個(gè)方面。在受到網(wǎng)絡(luò)或設(shè)備問(wèn)題影響的情況下，都會(huì)產(chǎn)生噪聲數(shù)據(jù)，噪聲會(huì)對(duì)配電網(wǎng)的采集數(shù)據(jù)產(chǎn)生干擾，進(jìn)而影響數(shù)據(jù)的真實(shí)性和質(zhì)量[4]。在考慮配電網(wǎng)系統(tǒng)實(shí)際運(yùn)行需求的前提下，應(yīng)那個(gè)加強(qiáng)對(duì)噪聲數(shù)據(jù)的識(shí)別，并通過(guò)對(duì)噪聲數(shù)據(jù)的及時(shí)替換，保障配電網(wǎng)整體的運(yùn)行安全與效率效果。

基于這一前提，主要可以選擇應(yīng)用大數(shù)據(jù)中的聚類(lèi)算法和決策樹(shù)算法，以分階段的形式來(lái)對(duì)配電網(wǎng)的噪聲數(shù)據(jù)進(jìn)行識(shí)別。以聚類(lèi)算法為例，應(yīng)用該算法來(lái)對(duì)配電網(wǎng)的噪聲數(shù)據(jù)進(jìn)行識(shí)別，主要基于聚類(lèi)算法應(yīng)用流程（圖1）實(shí)現(xiàn)?？紤]應(yīng)用該算法對(duì)噪聲數(shù)據(jù)進(jìn)行識(shí)別主要分為兩個(gè)階段，在第一階段，主要以規(guī)劃數(shù)據(jù)集的方式，當(dāng)配電網(wǎng)運(yùn)行過(guò)程中產(chǎn)生的大數(shù)據(jù)集受到噪聲污染而產(chǎn)生噪聲數(shù)據(jù)時(shí)，以引入相關(guān)系數(shù)這一概念的方式，通過(guò)分析大數(shù)據(jù)集中兩個(gè)數(shù)據(jù)之間的相關(guān)系數(shù)方式，對(duì)兩個(gè)數(shù)據(jù)之間的相關(guān)度進(jìn)行分析。通常情況下，計(jì)算得到的系數(shù)值越大，則相對(duì)應(yīng)的兩個(gè)數(shù)據(jù)之間也具有更緊密的關(guān)系。在此基礎(chǔ)上，還需要依據(jù)計(jì)算的相關(guān)系數(shù)次數(shù)來(lái)計(jì)算其平均值，在將計(jì)算得到的平均相關(guān)系數(shù)按照降序方式排列后，選出平均相關(guān)系數(shù)高的數(shù)據(jù)作為初始聚類(lèi)中心。在聚類(lèi)結(jié)束后，需要將平均相關(guān)系數(shù)作為半徑，對(duì)聚集簇的密度進(jìn)行計(jì)算。

圖1 聚類(lèi)算法應(yīng)用流程

而在二階段的噪聲識(shí)別部分，主要發(fā)揮決策樹(shù)算法的作用。在獲得一階段的噪聲數(shù)據(jù)分析結(jié)果之后，基于對(duì)疑似噪聲數(shù)據(jù)簇進(jìn)行分類(lèi)的目的，在訓(xùn)練決策樹(shù)的過(guò)程中，以正常簇和噪聲簇?cái)?shù)據(jù)為標(biāo)準(zhǔn)依據(jù)[5]。在應(yīng)用該算法的過(guò)程中，需要引入信息熵和信息增益兩個(gè)概念來(lái)進(jìn)行數(shù)據(jù)信息的計(jì)算。其中，依據(jù)信息增益大小可以對(duì)信息熵進(jìn)行計(jì)算，當(dāng)信息熵的計(jì)算值越小時(shí)，可以代表計(jì)算依據(jù)的集合樣本擁有更高的純度。

對(duì)于配電網(wǎng)噪聲數(shù)據(jù)的替補(bǔ)，則主要基于距離分布權(quán)重，應(yīng)用KNN 替補(bǔ)方法來(lái)實(shí)現(xiàn)。該替補(bǔ)方法在實(shí)際應(yīng)用中，需要對(duì)目標(biāo)數(shù)據(jù)與正常簇中的所有數(shù)據(jù)的歐式距離進(jìn)行計(jì)算。在這一過(guò)程中，歐式距離的計(jì)算公式如下：

依據(jù)得到的計(jì)算結(jié)果，在所有的歐式距離值中，選擇最小的數(shù)據(jù)作為目標(biāo)數(shù)據(jù)的最近鄰。在此基礎(chǔ)上，當(dāng)計(jì)算得到的歐式距離值較大時(shí)，則距離噪聲數(shù)據(jù)更近的數(shù)據(jù)在整體中占據(jù)的比重也更大。

2.2 用電行為分析

用電行為分析也是配電網(wǎng)運(yùn)行中涉及的主要內(nèi)容，用戶(hù)產(chǎn)生的用電行為中包含大量的信息，且不同地區(qū)的用電行為能夠呈現(xiàn)出多樣化的特點(diǎn)。以重點(diǎn)識(shí)別異常用電數(shù)據(jù)為主要目的，對(duì)配電網(wǎng)中用電行為的分析，應(yīng)能夠在應(yīng)用聚類(lèi)算法的基礎(chǔ)上，結(jié)合DBSCAN 算法，發(fā)揮兩種算法的互補(bǔ)作用，從而提升用電行為分析結(jié)果的準(zhǔn)確性與科學(xué)性。

結(jié)合以上用電行為架構(gòu)，對(duì)用戶(hù)用電行為進(jìn)行分析，最主要的就是能夠及時(shí)發(fā)現(xiàn)其中可能存在的竊電行為，進(jìn)而導(dǎo)致用電數(shù)據(jù)異常的情況。從大數(shù)據(jù)和應(yīng)用算法的角度來(lái)看，可以將離群點(diǎn)作為對(duì)用戶(hù)竊電行為進(jìn)行判斷的主要依據(jù)。在實(shí)際應(yīng)用該方法進(jìn)行用戶(hù)用電行為分析時(shí)，在將配電網(wǎng)中的用戶(hù)用電量數(shù)據(jù)收集起來(lái)后，首先進(jìn)行聚類(lèi)分析，待形成離群點(diǎn)后，再依據(jù)k-means 算法來(lái)對(duì)這些離群點(diǎn)數(shù)據(jù)進(jìn)行進(jìn)一步處理，從而形成聚集簇。在此基礎(chǔ)上通過(guò)構(gòu)建結(jié)合兩種聚類(lèi)算法的互補(bǔ)模型方式，實(shí)現(xiàn)對(duì)用戶(hù)用電行為的分析。

具體而言，以DBSCAN 聚類(lèi)算法為例，該算法在實(shí)際應(yīng)用中，應(yīng)能夠手動(dòng)輸入樣本的鄰域距離以及某一樣本在鄰域距離下的鄰域中樣本個(gè)數(shù)最大值，以這種組合參數(shù)的方式來(lái)對(duì)空間中樣本周?chē)植嫉木o密程度進(jìn)行描述。

在構(gòu)建結(jié)合兩種聚類(lèi)算法的互補(bǔ)模型時(shí)，需要首先應(yīng)用k-means 算法，對(duì)預(yù)處理后獲得的數(shù)據(jù)集進(jìn)行聚類(lèi)分析，從而形成k 個(gè)聚類(lèi)簇，然后再應(yīng)用DBSCAN聚類(lèi)算法對(duì)得到的數(shù)據(jù)集進(jìn)行聚類(lèi)，在找出其中的N個(gè)離群數(shù)據(jù)集后，判斷其中是否包含離群點(diǎn)聚類(lèi)簇中的數(shù)據(jù)。如果其中含有離群數(shù)據(jù)，則需要將該數(shù)據(jù)點(diǎn)從聚類(lèi)簇中劃分出去。

2.3 配電網(wǎng)短期負(fù)荷預(yù)測(cè)

在配電網(wǎng)的運(yùn)行過(guò)程中，也可以應(yīng)用大數(shù)據(jù)來(lái)實(shí)現(xiàn)對(duì)配電網(wǎng)短期運(yùn)行負(fù)荷的預(yù)測(cè)分析?；诋?dāng)前市場(chǎng)對(duì)電網(wǎng)運(yùn)行規(guī)模以及電能供應(yīng)需求的不斷提升，以保障配電網(wǎng)運(yùn)行可靠性為主要目的，在應(yīng)用大數(shù)據(jù)技術(shù)時(shí)，依據(jù)對(duì)歷史用電數(shù)值的總結(jié)分析，對(duì)未來(lái)一段時(shí)間配電網(wǎng)的復(fù)合數(shù)據(jù)指進(jìn)行預(yù)測(cè)，以便能夠及時(shí)應(yīng)對(duì)可能出現(xiàn)的缺點(diǎn)或電能浪費(fèi)等情況。而基于對(duì)配電網(wǎng)運(yùn)行負(fù)荷進(jìn)行預(yù)測(cè)分析的需求，應(yīng)能夠考慮滿(mǎn)足復(fù)合預(yù)測(cè)飛機(jī)的實(shí)時(shí)性和準(zhǔn)確性。

基于這一目的，主要應(yīng)用聚類(lèi)分析和Elman 的方法來(lái)實(shí)現(xiàn)對(duì)配電網(wǎng)短期負(fù)荷的預(yù)測(cè)?？紤]電力負(fù)荷預(yù)測(cè)會(huì)受到歷史數(shù)據(jù)值以及運(yùn)行環(huán)境下各項(xiàng)因素的影響，最重要的就是能夠確保用于預(yù)測(cè)負(fù)荷的歷史數(shù)據(jù)真實(shí)準(zhǔn)確。受到現(xiàn)階段配電網(wǎng)運(yùn)行中歷史數(shù)據(jù)數(shù)量較多且分類(lèi)困難的影響，在應(yīng)用聚類(lèi)算法的基礎(chǔ)上，引入均值函數(shù)的概念，依靠定義數(shù)據(jù)的均值函數(shù)來(lái)確定不同年份配電網(wǎng)的運(yùn)行負(fù)荷數(shù)據(jù)。同時(shí)也需要引入方差函數(shù)、反常函數(shù)以及平滑函數(shù)，實(shí)現(xiàn)對(duì)異常數(shù)據(jù)的有效處理。用這一方法對(duì)配電網(wǎng)的短期負(fù)荷預(yù)測(cè)進(jìn)行分析的過(guò)程（數(shù)據(jù)預(yù)處理流程）如圖2 所示。

圖2 數(shù)據(jù)預(yù)處理流程

在實(shí)際進(jìn)行數(shù)據(jù)預(yù)處理時(shí)，首先應(yīng)用均值函數(shù)E（x）和方差函數(shù)V（x），來(lái)對(duì)電力復(fù)合樣本數(shù)據(jù)的均值和方差進(jìn)行計(jì)算，然后再應(yīng)用反常函數(shù)p（x）找出其中疑似異常的數(shù)據(jù)信息。基于DBSCAN 算法來(lái)對(duì)配電網(wǎng)的原始數(shù)據(jù)集進(jìn)行聚類(lèi)，將通過(guò)聚類(lèi)得到的異常數(shù)據(jù)與經(jīng)過(guò)函數(shù)得到的異常數(shù)據(jù)共同作為異常數(shù)據(jù)的主要范圍，則可以及時(shí)發(fā)現(xiàn)配電網(wǎng)實(shí)際運(yùn)行中可能存在的各種故障問(wèn)題。

而在應(yīng)用Elman 進(jìn)行短期負(fù)荷預(yù)測(cè)的過(guò)程中，可以引入動(dòng)態(tài)神經(jīng)元網(wǎng)絡(luò)，從而更直觀(guān)形象的反映系統(tǒng)運(yùn)行過(guò)程中呈現(xiàn)的動(dòng)態(tài)特性。Elman 是一種前向神經(jīng)網(wǎng)絡(luò)，是對(duì)以往神經(jīng)網(wǎng)絡(luò)算法功能的優(yōu)化與改進(jìn)。在實(shí)際該方法時(shí)，需要借助經(jīng)過(guò)反常函數(shù)預(yù)處理過(guò)的數(shù)據(jù)集，作為Elman 神經(jīng)網(wǎng)絡(luò)的輸入。在對(duì)隱層和輸出層的輸出值、誤差值進(jìn)行計(jì)算之后，對(duì)各層間的權(quán)值和閾值進(jìn)行修改，從而得到全局誤差。在對(duì)這一得到的誤差值進(jìn)行對(duì)比分析之后，如果達(dá)到正常情況下的系統(tǒng)運(yùn)行標(biāo)準(zhǔn)，則網(wǎng)絡(luò)訓(xùn)練過(guò)程結(jié)束。根據(jù)這一流程來(lái)反映配電網(wǎng)系統(tǒng)的運(yùn)行情況，也能夠及時(shí)發(fā)現(xiàn)配電網(wǎng)運(yùn)行中可能存在的缺電或超負(fù)荷情況。

3 結(jié)語(yǔ)

綜上所述，將大數(shù)據(jù)技術(shù)應(yīng)用到配電網(wǎng)的運(yùn)行過(guò)程中，能夠從配電網(wǎng)的噪聲控制、用電行為分析以及短期運(yùn)行復(fù)合預(yù)測(cè)等角度，加強(qiáng)對(duì)于配電網(wǎng)的進(jìn)行管理與控制，從而有效提升供電可靠性。在實(shí)際應(yīng)用中應(yīng)能夠明確大數(shù)據(jù)技術(shù)的應(yīng)用原理與特點(diǎn)，從數(shù)據(jù)預(yù)處理的角度，考慮大數(shù)據(jù)技術(shù)能夠滿(mǎn)足配電網(wǎng)供電可靠性要求的途徑和方法，以便能夠在保障配電網(wǎng)安全運(yùn)行的同時(shí)，也能夠促進(jìn)電力行業(yè)的發(fā)展。