基于大數據挖掘的運營監測分析研究

李小蘭，田小蕾，倪志堅，馮 柳

（1.國網沈陽供電公司，遼寧 沈陽 110003；2.國網遼寧省電力有限公司，遼寧 沈陽 110006）

基于大數據挖掘的運營監測分析研究

李小蘭1，田小蕾2，倪志堅1，馮 柳1

（1.國網沈陽供電公司，遼寧 沈陽 110003；2.國網遼寧省電力有限公司，遼寧 沈陽 110006）

隨著電力行業工業化與信息化的融合發展，電力數據呈現爆炸式增長，電力大數據時代已經到來。以國家電網某地市公司運營監測（控）中心為應用對象，依托運營管控系統，研究利用數據挖掘手段探尋指標潛在關聯，構建運營監測指標體系，建立公司風險預警防控體系，并引入數據挖掘技術開展精細化運營分析，快速準確地定位管理漏洞，為提高經濟效益和管理效率提供保證。

大數據；數據挖掘；供電企業；運營監測；運營分析

隨著互聯網和信息行業的飛速發展，大數據吸引了人們越來越多的關注。在以數據為核心資源的信息社會，大數據已經成為新時代最具價值的寶藏之一。作為關系國計民生的基礎能源支撐體系，電力行業在大數據時代也面臨著新的挑戰和難得的發展機遇。深入挖掘分析數據更深層次的價值，積極推進電力系統大數據應用，將有利于供電企業精細化運營管理，全面管控各種經營風險，提高公司管理水平和運營效率，以此推動供電企業的轉型發展。近年來，電力行業工業化與信息化融合發展，電力數據呈現爆炸式增長，供電企業每天都在產生海量的運營數據，但數據處理能力的落后與數據快速增加之間的矛盾更加凸顯。本文基于當前供電企業信息化發展現狀，以地市供電公司運營監測（控）中心為應用對象，探索利用大數據挖掘技術開展運營監測分析業務，以實現中心“千里眼、順風耳、鐵算盤、預警機”的作用。

1 應用背景

1.1 電力大數據的應用

目前在電力行業，歐美等發達國家對電力大數據的應用已經處于發展初期，如澳大利亞國家電力市場曾利用數據挖掘方法來預測電力價格的均值［1］；德國通過電網收集用電數據以預測客戶的用電習慣，從而推斷在未來2～3個月時間里整個電網大概需要多少電量；丹麥維斯塔斯風力系統依靠BigInsights軟件和IBM超級計算機對氣象數據進行分析，優化風力發電機的放置位置。而我國的大數據應用才剛剛起步。

1.2 數據挖掘技術

大數據時代為企業帶來了獲取更豐富、更深入和更準確地洞察市場行為的大量機會，但傳統的數據處理方法多停留在查詢、統計、簡單分析等最基本的層次。專家系統靠人工獲取知識這一“瓶頸”問題，在與日俱增的數據面前無能為力［2］。“數據海量，知識匱乏”是大數據時代很多企業的通病。運用相關的技術手段對大量的數據進行深加工，發現隱含的信息并加以利用，進而指導電力企業做出正確的決策，這樣電力大數據的作用才能充分發揮出來［3］。

大數據分析的理論核心就是數據挖掘算法，各種數據挖掘的算法基于不同的數據類型和格式才能更加科學地呈現出數據本身具備的特點。數據挖掘就是從大量數據（包括文本）中挖掘出隱含的、未知的、對決策有潛在價值的關系、模式和趨勢，并用這些知識和規則建立用于決策支持的模型，提供預測性決策支持的方法、工具和過程［4］。它能代替專家從大量數據中挖掘出隱含于其中的知識，利用數據庫的存儲功能，找出數據之間的潛在關系和數據本身固有的規律［5］。充分發掘電力大數據的價值，能夠在提升運營管理水平、提高用戶服務水平、支撐未來電網發展、提供政府決策支持等方面取得長足的進步。

數據挖掘技術的基本任務主要體現在分類與回歸、聚類、關聯規則、時序模式、偏差檢測5個方面［4］。

1.3 國家電網運營監測（控）中心

為確保電力安全清潔可持續供應，全面管控各種經營風險，不斷滿足客戶日益增長的多樣化需求，2010年國家電網公司開始深化人財物集約管理（簡稱“三集”），推進“大規劃、大建設、大運行、大檢修、大營銷”體系建設（簡稱“五大”）。2012—2014年，按“三集五大”體系建設要求，總部、省（市）、地市三級運營監測（控）中心陸續成立，通過對公司核心資源、主營業務活動、關鍵業務流程開展實時監測分析，建立閉環管理、橫向協同的協調控制機制，實現對公司運營狀況事前、事中及事后的全面預測、監控及分析。按照職能定位，運營監測（控）中心也是國家電網公司的數據資產管理部門和大數據分析應用部門，依據公司相關制度負責開展數據質量管理和大數據分析應用工作。

隨著電網規模的擴大和復雜性的提高，信息系統成為保障電力系統安全穩定運行不可或缺的一部分［6］。近年來，國家電網公司深入推進信息化建設，搭建了數據縱向貫通、橫向集成的一體化企業級信息集成平臺，建成了多個業務應用系統，囤積了海量電力數據資源，為大數據挖掘技術的應用提供了先決條件。

基于以上，研究利用大數據挖掘技術在運營監測（控）中心的應用既是大勢所趨，也十分必要。

2 利用大數據挖掘開展供電企業運營監測

國家電網公司運用已有信息化建設成果和技術手段建設運營管控系統。該系統基于公司數據中心、關口電量計量信息系統、財務資產管理信息系統、GIS系統、營銷稽查系統、規劃計劃信息一體化系統、ERP等系統實現運營關鍵指標和跨部門業務流程的綜合展現。運營監測（控）中心依托該系統，基于大數據挖掘技術，對公司核心資源和主要經營活動開展監測，有利于公司精細化運營管理，提高管理水平和運營效率。

2.1 構建層級監測體系

深入挖掘涉及公司綜合績效、核心資源、運營狀況的所有指標數據，橫跨專業、貫穿流程，結合公司實際運營情況選取關鍵監測對象，充分考慮監測指標對公司經營管理水平的影響程度，按關注重點進行監測等級分類，確定重點監測和輔助監測指標，并隨時更新，構建一套有重點、有層次、符合實際的運營監測指標體系。

如圖1所示，運營監測指標體系由綜合績效、核心資源、運營狀況3大核心要素構成，每個核心要素又細分為多個關注維度，進而分解為不同關注點，根據關注點涵義設置監測指標，考慮到指標的重要性程度、指標數據來源的可靠性程度、指標的層級關系，原則上將業務重要性高、數據來源可靠性高且層級高的指標劃分為重點監測指標，其余指標則劃分為輔助監測指標。例如“綜合績效”下的關注維度“電網狀況”，下設關注點“電網結構”，包含6項監測指標。其中容載比、城市配電線路聯絡率，通過監測反映公司經營執行情況，設置為重點監測指標；單線單變比例、平均供電半徑，數據采集頻度為年，日常監測業務價值較低，設置為輔助監測指標；單條電源進線或單臺主變的變電站數量、城市配電網線路條數，均為指標的計算因子，主要用于支撐父級指標的溯因分析，因此也設為輔助指標。

圖1 運營監測指標體系

參考行業技術標準、公司目標計劃以及該指標歷史數據變化趨勢或波動范圍，為每項監測指標設定預告警規則和閾值，一旦指標落入預告警區間，運營管控系統及時產生異動、發布預告警。其中針對重點監測指標，在已有閾值規則的基礎之上，從縱向歷史數據比較、橫向各單位比較、關聯分析等方面拓展監測方法，以定位異動原因、發現業務問題。

2.2 建立指標關聯網絡

為避免對指標的獨立監測導致得出片面的分析結論，充分利用數據挖掘手段探尋各項數據間的潛在關聯。考慮各項指標間顯性算法關聯及隱性業務關聯關系，構建指標關聯網絡。

某項指標發生變化會影響與之相關聯的其他指標，比如售電量與售電收入、市場占有率等指標均存在明顯的正相關性，因而售電量的波動會引發其他指標發生變化。所以，通過采取有效措施提升售電量，其他指標也會相應提升，或者在進行指標異動分析時，這些顯性關系能幫助我們快速定位異動原因。實際上，除了這些已知的顯性關聯，不同指標間可能存在某些未知的隱性業務關聯。有效利用這種隱性關系，則對于公司打破專業壁壘、提升業績指標、控制風險，必能起到事半功倍的效果。基于以上分析，我們利用大數據挖掘技術開展了探尋指標隱性關聯關系的工作。

以層級監測體系中的所有指標為分析對象，按月度為周期，從業務應用系統中提取近5年指標值，通過數據清洗去除部分缺失、不準確等問題數據，最后確定9個專業共346項指標參與計算。經過論證后采取回歸分析方法，建立回歸分析模型，計算相關系數。

回歸分析是確定2種或2種以上變量間相互依賴的定量關系的一種分析方法，按照自變量的多少，分為一元回歸分析和多元回歸分析；按照自變量和因變量之間的關系類型，可分為線性回歸分析和非線性回歸分析。它基于觀測數據建立變量間適當的依賴關系，以分析數據內在規律，并可用于預報、控制等問題。為計算兩兩指標之間的關聯關系，采用一元線性回歸分析。它的任務就是根據若干個觀測值（xi，yi）（i＝1，2，…，n）找出描述2個變量x、y之間關系的直線回歸方程y?＝a＋bx，其中y?是變量y的估計值。a稱為截距，b為回歸直線的斜率，也稱回歸系數。求直線回歸方程y?＝a＋bx，實際上是用回歸直線擬合散點圖中的各觀測點。常用的方法是最小二乘法，也就是使該直線與各點的縱向垂直距離最小，即使實測值y回歸直線之差的平方和達到最小，也稱為剩余（殘差）平方和。

線性回歸方程中的相關系數r就是線性相關度的大小，r絕對值越靠近1，線性相關越好，擬合的直線與描點所得圖線也更相近。其計算公式為

利用回歸模型開展相關性分析，將指標逐個循環比對運算。認為相關系數r絕對值在0.8及以上的指標具有線性相關關系，對此類指標開展定量分析、業務關聯分析，重點關注跨部門隱性關聯指標。

確定指標關聯關系后，構建預警防控網絡，一旦關聯網絡內有指標異動，其關聯的其他指標按一定的邏輯判斷自動提前預警，達到牽一發而動全身的效果，將傳統的事后監測分析模式向事前風險預警、有效防控方式轉變。另一方面通過控制過程數據（即指標影響因子），及時糾偏，以確保重點監測指標達到預期值。

通過構建大數據背景下的指標監測體系，實現對公司主要經營活動和管理績效的全天候監測；實現對規劃、建設、運行、檢修、營銷、人資、財務、物資等業務的全方位監測；實現對企業生產、建設、經營、物資等環節的全流程監測。最終以兩手抓方式構建公司風險預警防控體系，為公司依法治企、安全穩定運行保駕護航。

3 開展基于大數據挖掘的精細化運營分析

充分利用各項信息系統積累的海量數據，以數據挖掘為手段，通過對準確的過程性、明細數據和歷史數據的挖掘和分析，形成有價值的分析成果，使公司管理層全面了解企業的運營狀況，準確把握運營工作的優勢劣勢，為公司經營決策提供有力支撐，為提升運營效率和經濟效益提供有力保障。

3.1 綜合分析

開展對外部環境及主要運營活動的綜合分析：客觀評述外部環境變化，綜合反映本單位月度運營活動的基本情況和運營特點，揭示異動、剖析問題，提出有關建議。

通過深度挖掘分析運營規律和趨勢，針對營銷、運檢、財務、人資、基建、調度、后勤、品牌建設等各專業的薄弱環節、存在問題，每月及時提出風險預警，制定相應措施，為公司管理層牢牢掌握全局、科學決策提供了有力支撐，同時推動了各業務部門全面開展數據挖掘分析工作，打破專業壁壘，形成了高效的協同機制，橫向協同效率明顯提升。

3.2 專題分析

針對與公司運營密切相關的重點、熱點、難點問題，開展深入分析，引入分類、估值、聚類、關聯規則、預測等數據挖掘技術，應用到供電企業經營分析、用電市場營銷分析、客戶關系管理等領域，構建評價模型，開展問題原因分析，提出解決問題的對策建議，并明確責任主體。

以“業擴報裝流程效率專題分析”為例，通過對營銷業務應用系統中業擴報裝所有相關明細數據的挖掘分析，總結數據規律，提出了多項分析結論用于指導公司業擴業務運行。一是對低壓居民、低壓非居民、高壓3類客戶的業擴完成時間進行分類分析，據此劃定了業擴流程時限“警戒線”，若超過預警線，則認為該戶業擴流程有可能存在受阻情況，對超過警戒線90%的工單發出預警，對超過警戒線95%的工單發出告警，開展提前預判，防范受阻風險。二是按用電類別開展分類分析，分別定位了高壓和低壓非居民客戶中耗時最長的3種用電類別，建議公司針對此類用戶開展差異化服務以提高辦電效率。三是對超期工單歷史數據進行挖掘分析，發現裝表接電為超期率較高的業擴環節，據此提出了相關建議加以防范。四是對業擴投訴數據進行聚類分析，將投訴工單類型分為高度關注、重點關注、加強關注、一般關注等4種類型，定位不同投訴類型特征，為業擴輿情處置提供參考。

3.3 即時分析

針對公司運營過程中產生的、時效性較強的重大異動和問題開展即時快速分析。利用運營管控系統設置供電服務、營銷稽查、故障搶修、配網臺區低電壓監測、車輛使用狀況、購售電等多個監測專題，一旦出現預告警，即時分析異動和問題，快速查找原因，明確消除異動和問題責任主體。

通過開展基于大數據挖掘的精細化運營分析，形成運營監測（控）中心與專業部門協同的公司運營分析工作體系，產生管理協同效應，對公司加強預控、強化分析、支撐決策、防范風險具有重要意義。

4 結束語

運營監測（控）中心結合自身實際和業務發展需要，充分利用信息化成果，通過開展基于大數據挖掘的運營監測分析，可實現公司資源整合，提升運營水平，打破專業壁壘，實現企業經營管理關鍵數據指標由專業部門分散監測向公司集中監測的轉變。通過多維分析和深度挖掘，能夠快速準確地查找工作差錯點、異常點、風險點，初步構建了公司風險預警防控體系，為提高經濟效益和管理效率提供了保證。本文對于大數據挖掘在監測分析業務上的應用僅進行了初步的探索，待數據質量、分析技術進一步提高后，相信大數據挖掘技術在供電企業的應用前景更為廣闊。

［1］董朝陽，張 沛.電力系統分析新興技術［M］.北京：高等教育出版社，2011.

［2］商文穎，李巖春，于勝堯.基于數據挖掘的電力系統電壓穩定分析［J］.東北電力技術，2008，29（10）：6－8.

［3］盧建昌，樊圍國.大數據時代下數據挖掘技術在電力企業中的應用［J］.廣東電力，2014，27（9）：88－94.

［4］張良均，陳俊德，劉名軍，等.數據挖掘實用案例分析［M］.北京：機械工業出版社，2014.

［5］譚小野.數據挖掘在電網安全中的應用［J］.東北電力技術，2005，26（8）：40－44.

［6］劉國民，宋 雨，周慶捷.智能電網信息化體系架構研究［J］.東北電力技術，2012，33（2）：15－17.

Study on Operation Monitoring and Analysis Based on Big Data－mining

LI Xiao?lan1，TIAN Xiao?lei2，NI Zhi?jian1，FENG Liu1
（1.State Grid Shenyang Power Supply Company，Shenyang，Liaoning 110003，China；2.State Grid Liaoning Electric Power Co.，Ltd.，Shenyang，Liaoning 110006，China）

With the combination development of power industry industrialization and informatization，electric power data is showing the scale of explosive growth，big data era of power industry has arrived.This paper chooses operation monitoring and controlling centre for given power supply company as the subject，relying on its operational management systems，potentially relevant indicators are explored by using data－minin，building operation monitoring system and risk warning prevention system can locate loopholes in management quickly and accurately by introducing data－mining technology to carry out intensive operations analysis.It provides a guarantee for eco?nomic efficiency and management efficiency.

Big data；Data－mining；Power supply company；Operation monitoring；Operation analysis

TP311.13

A

1004－7913（2016）03－0038－04

李小蘭（1986—），女，碩士，工程師，從事供電企業運營監測與數據分析工作。

2016－01－09）