1 基本情况

受信息化强力驱动，智能配电网发展速度逐渐加快，自动化、智能化和信息化水平不断提高，对于检测类、调度运行类、GIS类业务数据的应用有了大幅度提高。为进一步提高公司运营效率效益，多维度分析挖掘业务监测点，借助天气、联通人流等外部数据，依据业务拓扑关系对全网负荷、配网停电、配网负载、95598配网抢修工单等进行关联分析，采用时间序列等大数据算法，找出全网负荷高峰时段、配网线路频繁停电、配网台区重过载等历史规律，为决策分析提供了数据支撑，有针对性采取必要措施，促进配电网精益化管理水平，有效提高电网设备合理性投资。

2 主要做法

2.1 数据收集

（1）天气数据：从安监减灾防灾系统获取2017年全年数据，内容包括时间、温度、天气状况、湿度等。

（2）人流数据：从联通公司获取2017年全年人流数据，内容包括时间、地区、人员数量、同比值、环比值等。

（3）配网线路停电数据：从调控OMS系统获取2017年全面数据，内容包括时间、线路名称、停电时间、单位、投运时间等。

（4）电网负荷数据：从调控OMS系统获取2017年全年数据，内容包括时间、地区、最高负荷值等。

（5）95598配网抢修工单数据：从营销基础数据平台获取2017年全年明细数据，内容包括工单编号、受理时间、 归档时间等。

2.2 数据治理

优先考虑在数据接入侧的数据质量治理，从源头提升数据有效性，首先对接入的原始数据进行抽取、有效性筛选清洗、转换和装载。建立数据质量规则库、特征库，通过数据质量规则，对各类异常数据、空数据、重复数据等情况，采用预先设置好的数据质量规则进行在线清洗转换，最大程度地提升数据质量，保障分析成果的可信度。

2.3 数据分析

基于配网线路停电时间、线路停电地区、天气温度等数据，按日统计各地区2017年全年线路停电总数；按日将天气温度进行汇总，以5℃为单位进行区间划分，分析温度给配网线路停电造成的影响程度。

基于全网负荷数据及联通人流数据进行分析，按日统计各地区全网负荷最高值，与联通人流每天数据增减情况进行对比，分析该地区人流变化情况对全网负荷值得影响程度。

基于95598配网抢修工单受理时间及天气温度等数据，按日统计各地区配网抢修工单数，探索研究大数据算法，制定大数据计算规则，分析温度与配网抢修工单在一定范围内的关联性，为开展配网抢修工作提供有效引导及支撑。

2.4 场景建设

重用运用可视化设计器及其他技术手段直观形象展示场景效果，明确系统框架设计及界面设计，全方位覆盖省市两级业务，满足常态展现及监测需求。

3 成果形式

3.1 线路停电

计算公式：

结果分析：按温度平均停电次数分析，同样的温度天数，温度越高，引起的线路停电数量越多。

3.2 配网抢修

计算公式：

结果分析：温度与抢修工单数在一定范围内具有很强的相关性，温度过高或过低都会导致工单数量增加,尤其是高温导致工单的增长现象更为明显。

3.3 全网负荷

计算公式：

结果分析：某地区的人口流动增减幅度能够给该地区的全网负荷值造成明显的波动，尤其是节假日或者春节期间，城市返乡人流变化大幅度增加，城市用电负荷明显降低，乡镇用电负荷明显增长。

4 典型案例

4.1 案例1：线路停电与温度关联分析结果输出及展示

选取2017年6月20日至8月20日期间的线路停电明细数据，如图1所示，统计线路停电15 354次，其在该期间的天气温度基本在25℃以上，其中，30℃~35℃时停电线路数量最多，占比为56.7%，其次是25℃~30℃时，占比为21.3%。

4.2 案例2：抢修工单与天气关联分析结果输出及展示

选取2017年春节（2017年1月27日至2月2日）7天的明细数据，如图2所示，统计配网抢修工单6 095条，与该时段天气进行关联，该时段维度主要在-5℃~10℃之间。

通过大数据技术衍生出适合该类数据的大数据算法，发现温度与抢修工单数在一定范围内具有很强的相关性，温度过高或过低都会导致工单数量增加,尤其是高温导致工单的增长现象更为明显。

4.3 案例3：全网负荷与联通人流数据关联分析结果输出及展示

选取2017年春节（2017年1月27日至2月2日）7天全网负荷的的明细数据，如表1所示，结合联通数据在此期间的人流增加情况展开深入分析。通过人流数据及全网最高负荷增加情况，发现各地区的人口流动增减幅度能够给该地区的全网负荷值造成明细的波动，尤其是节假日或者春节期间，城市返乡人流变化大幅度增加，城市用电负荷明显降低，乡镇用电负荷明显增长。

通过表1可以明显发现，伴随城市返乡人流平均值增加，全网最高负荷均存在明显增长，城市返乡人流平均值减少，全网最高负荷均存在明显降低。

5 结论

经济的快速发展使得社会发展和生活用电量在不断增加，且伴随着用电客户对当前供电服务质量的要求也越来越高，迫切需要供电企业在满足供电服务需求的同时，进一步加强电网设备运行稳定性。因此，传统的电网运营及监测模式需要不断结合实际需求进行改革创新，借助外部数据资源开展配电网业务监测及分析有助于提升配电网业务服务水平，通过关联历史数据，分析挖掘三集五大业务异动规律，预测研判未来走势，有效发挥辅助决策作用，提升了公司科学决策能力和“集约化、精益化”管理水平，这样才能更好地满足新时期供电企业发展的需求。

参考文献

[1] 邵峰晶.数据挖掘原理和算法[M]. 北京：中国水利水电出版社，2005.

[2] 赵志刚，张文杰，安宏宇，等 配网主动抢修关键技术研究与应用[J].科技创新与应用，2017（5）：177.

[3] （美）ANDERSON P M. 电力系统故障分析[M]. 王际强, 等，译. 北京: 电力工业出版社, 1980.

[4] 李晓东. 电力企业数据中心数据管控的研究与应用[J]. 电力信息化, 2012,10(8): 60-64.

作者信息:

刘远龙1，张伟昌1，史双双2，于善海2，李 剑2，张文山3

（1. 国网山东省电力公司运监中心，山东 济南 250001；

2. 山东鲁能软件技术有限公司，山东 济南 250001；3. 国网德州供电公司运监中心，山东 德州253000）