基于大数据技术的配电网运行可靠性分析翟存波

基于大数据技术的配电网运行可靠性分析翟存波

翟存波

国网江苏省电力有限公司泗阳县供电分公司江苏宿迁223700

摘要：现代社会各个领域、各个层面的发展都已经无法离开电力能源的供应，因此，我国在电力供应系统建造方面一直保持着较高的速度发展着，目前，无论是电力系统的铺设总里程数还是供电系统所使用的技术水平都有所提升，但这在促进了居民用电质量的同时，也给配电网络方面的管理工作带来了挑战，为了保证配电系统的运行质量，需要配电网络管理人员运用现代化的大数据管理模式进行管理，以提升配电网络的安全性。

关键词：大数据技术；配电网运行；可靠性

引言

大数据指无法在一定时间内用常规工具软件对其进行分析处理的具有高容量、快速性、多样性和价值密度低等特征的大型复杂数据集合。智能电网实现的前提是能够获取并处理实时全景状态数据，即电网运行、调度、管理和检修等过程产生的海量多源异构及多态大数据。随着配电网规模的不断增长及配电智能化的快速发展，各类配电管理系统中进行获取与传输、应用的数据成几何级增长，这些数据不仅涵盖了配电系统运行、监控、调度等业务信息，同时也包括了大量的经济社会类数据，为配电网分析提供了基础。

1数据基础

配电网运行可靠性分析是基于配电网各运行调度监控系统提供的海量多源异构数据、考虑配电系统网络结构及各元件的可靠性参数、实时运行环境、电网实时运行状态及调度等因素对系统运行可靠性的影响，研究系统在当前状态下未来一定时期内的可靠性，实时地给出系统的运行可靠性指标参数值。针对运行可靠性概念，所需的数据包括各设备元件的历史运行工况、各类设备元件的状态信息、停运情况及停运时刻的运行条件、预测时刻系统运行时出现的各类信号、地理信息、天气等数据，具体分为台账数据、实时运行数据、负荷数据和环境数据4大类，如表1所示。

2分析模型与流程分析

配电网运行可靠性评估的目标是给出未来时间段内的综合控制方案、辅助决策、指导运行调度，保障配电网持续、经济的可靠运行。

2.1建立配电网运行可靠性评估指标体系

常规可靠性分析是以年为时间框架、研究系统在长期不同运行状态下的平均可靠性，主要指标包括负荷点指标和系统指标。负荷点指标又包括负荷点平均故障率、负荷点年平均停电时间和每次故障平均停电持续时间；系统指标包括系统平均停电频率及平均停电持续时间、用户平均停电频率及平均停电持续时间、平均供电可用度指标、系统总电量不足指标及系统平均电量不足指标。

2.2基于主成分分法提取主要指标

运行可靠性指标体系中，指标变量个数多，建模与计算复杂，各指标之间又存在一些冗余信息，逐个分析将增加大量冗余工作。主成分分析是一种用于简化对象模型、提取主要信息、减少变量维度的多元统计分析方法，可以通过主成分分析，采用离差平方和或方差计算各指标的信息大小，将重复或相关性强的指标删去，从而提取相关性小且能包含绝大部分原信息的少数几个评估运行可靠性指标，筛选影响系统运行可靠性的关键元件、重要区域和薄弱环节，缩小评估范围。

2.3基于并行关系规则挖掘获得主要影响因素

由于影响运行可靠性的因素众多，难以建立精确的预测模型，速度精度也受限，所以本文采用关联规则挖掘方法，从配电网的异构多源数据中挖掘出主要影响因素，用于预测模型的输入，以减少输入的维度，加快预测速度。“强规则”挖掘最重要的步骤是从事务数据库中寻找频繁项集，Apriori算法是一种常用的挖掘关联规则的频繁项集的方法。传统的挖掘平台自身在计算处理能力上具有局限性，传统的数据挖掘模型不适用于多维度多噪声的海量数据，基于高效的采样技术和并行技术的大数据并行关联规则挖掘模型可实现海量异构数据的高效、精确、快速关联规则挖掘。运行可靠性影响因素挖掘问题中所涉及到的数据集规模大并具有多维的特性，以某含500条中压馈线配电网络的中型城市为例，数据采集频率为每小时一次，10a的运行可靠性相关数据大约有20亿条，海量使得关联规则挖掘必须在多处理机上采用并行的方式处理。本文在Hadoop框架上，将Apriori算法在MapReduce中分布实现，从原始数据中挖掘出全局频繁项集，再从频繁项集中生成关联规则，计算其支持度与置信度，从而挖掘出强规则，实现大数据条件下的并行关联规则挖掘。

2.4训练人工神经网络运行可靠性预测模型与预测

基于人工神经网络预测可靠性指标的方法为：基于历史数据，将3.3节中采用并行关联规则挖掘所得的主要影响因素作为人工神经网络模型的输入I(T)，根据需求选取评估尺度t，基于3.2节中经主成分分析提取的主要评估指标，选取(T+t)时刻的指标值O(T+t)作为输出，对人工神经网络进行训练，得到人工神经网络预测模型。将实时数据的主要影响因素数据作为人工神经网络的输入，即可预测t时间后的可靠性指标值。基于不同的预测时间进行指标计算，可得到相应的时限类指标，用不于不同的场合。时间尺度选为分钟、小时级，可评估未来几分钟或几小时元件、节点、区域、系统的电压、潮流是否越限，可用于实时的运行控制与风险管控；选取时间尺度为天、月或年，可预测区域、系统的切负荷概率与期望、供电可用率等指标，用于检修、调度等控制与决策或电网规划。

3结语

总之，电力系统运行是一项系统且运行复杂的工程，其中配电网作为不可缺少的一部分，运行的可靠性直接影响到用电用户的用电质量与供电稳定性。因此基于大数据技术的配电网运行可靠性，必须完善配网设计，优化系统结构，应用新技术、装备，提高设备的诊断与检测水平，建立电网运行可靠性评估指标体系，做好评估分析工作，合理配置无功补偿设施，减少电量损耗，不断提高电力配电网运行的可靠性。

参考文献

[1]胡丽娟,刁赢龙,刘科研,等.基于大数据技术的配电网运行可靠性分析[J].电网技术,2017,41(1):265-271.

[2]凌征强.试论电力配网运行可靠性影响因素及策略[J].低碳世界,2015(35):44-45.

[3]李国君.关于电力配网运行可靠性的影响因素及对策的分析[J].华东科技:学术版,2015(9):215-215.

[4]郑晴晶.提升配电网运行可靠性的有效措施[J].山东工业技术,2016(19):164-164.

[5]刘科研，盛万兴，张东霞，等.智能配电网大数据应用需求和场景分析研究[J].中国电机工程学报，2015（2）.

[6]张素香，赵丙镇，王风雨，等.海量数据下的电力负荷短期预测[J].中国电机工程学报，2015（1）.

作者简介

翟存波(1989.04-)，男，江苏泗阳人，上海电机学院电气工程硕士，单位:国网江苏省电力有限公司泗阳县供电分公司，研究方向:配电运行。