基于圖像技術的電網運行態勢分析及其應用

趙永良，章劍光，張永建

（1.國家電網有限公司，北京 100031；2.國網浙江省電力有限公司紹興供電公司，浙江 紹興 312000）

0 引言

隨著新一輪電力體制改革的深化推進，供電企業的經營環境日趨復雜，面臨著確保供電服務質量和優化投資的雙重壓力。配電網是聯系電網企業與電力客戶的最后一公里，電網企業“世界一流電網”的建設目標對配電網建設管理提出了更高的要求，需要統籌考慮配電網建設投入的科學性與精準度，提高質量和效益[1-2]。

隨著電網規模日益增大，網架結構日趨復雜，輸配電網耦合程度日益加強，電力系統在發、輸、變、配、用電等各個環節的信息化進程持續推進，積累了大量寶貴的電網實時、準實時數據以及客戶服務數據信息資源，如PMS（生產管理系統）、SCADA（數據采集與監控）、公用變壓器終端、用電信息采集系統等數據，各類業務數據無論從總量和種類上都已頗具規模，為配電網整體運行態勢分析提供了良好的基礎數據支撐[3-6]。但目前供電企業基于全網運行狀態的態勢感知能力相對缺乏，各子系統管理領域與信息資源相對獨立，傳統的電網運營輔助分析手段單一，需要綜合調取多個系統中相關聯的業務信息進行聯合分析，缺乏有效的整合利用與整體分析手段方法，存在人力資本投入大、問題分析解決效率不高的問題。

在大數據時代，數據處理面臨規模化挑戰的同時，數據研究已經成為科學研究的重心，海量數據的分析比數據獲取要困難得多[7-8]。對供電企業而言，如何利用數據挖掘方法最大限度地分析數據中包含的有效信息，也將是一件十分有意義而又迫切的工作[9-10]。以下應用GIS（地理信息系統）空間信息與業務數據的融合[11]，基于熱力圖、邊緣提取、語義分析等態勢感知可視化技術[12-16]，構建宏觀運行態勢、重點區域邊緣提取、多業務疊加分析等模型，為配電網科學規劃、精準投資、主動服務提供科學量化的決策支撐。

1 多元信息的融合與數據清洗

目前，由于采集器重復采集和設備數據上傳終端等多方面原因，電網數據存在缺失值和異常值，故在建立模型前，需要全面梳理電網、設備、采集、用戶拓撲關聯關系，進行多元信息融合和數據清洗。研究運用拉格朗日插值算法、3Sigma統計分析算法等方法清洗數據，建立重要時點負載數據集合，構建富含空間、時間以及多元業務特性的態勢分析數據資源（過程詳見圖1）。

圖1 多元信息的融合與數據清洗

1.1 數據缺失處理

針對缺失數據，采用拉格朗日插值算法進行處理，使數據完整，滿足建模需求。拉格朗日差值法對實踐中的某個物理量進行觀測，在若干個不同的地方得到相應的觀測值x0，x1，…，xn，它通過一個滿足在各個觀測的點取到觀測到的值的多項式lk（x），進行數據空缺補全。拉格朗日多項式插值算法如下：

主、配電網變壓器負荷數據分別來源于SCADA遙測數據、配電變壓器（以下簡稱配變）實時采集數據，數據采集頻度分別為5 min，15 min，數據采集時點存在不對應問題。故通過拉格朗日插值算法對缺失數據進行補全，確保關鍵節點與重要斷面數據的完整準確，以支撐開展全網負載能力的聯合分析。

1.2 數據異常過濾

針對突變與異動數據，采用3Sigma統計分析算法進行過濾，排除異常數據對分析模型的影響。若隨機變量X服從一個數學期望為μ、方差為 σ2的正態分布， 記為N（μ， σ2），3Sigma統計分析算法如下：

實際應用中，X 落在（μ-3σ，μ+3σ）以外的概率小于3‰，屬于小概率事件，因此可以把區間（μ-3σ，μ+3σ）看作是隨機變量 X實際可能的取值區間，這稱之為正態分布的“3σ”原則。通過采用3Sigma統計分析算法，對突變與異動數據進行過濾，可以排除異常數據對分析模型的影響。

1.3 重要負載斷面計算

區域電網月度、年度最大負荷時刻等重要時點可以調用SCADA系統計算結果，但是配變臺區最大負荷在已有的各類系統暫未實現匯總計算。通過滾動計算區域所有配變臺區每個時點的負載數據，查找月度、年度地區配電網最大負荷時刻。具體計算規則為：某時間區間內，滾動計算區域內所有配變臺區每個時點的配電網總負荷，配電網總負荷最大值所在的時點即為該時間區間的重要負載斷面。

2014—2015年區域電網重要負載斷面時刻如圖2所示，可看到主網最大負荷時刻多發生在中午，配電網最大負荷時刻多發生在傍晚下班以后。

2 態勢分析模型構建及應用

對電網數據進行清洗形成具有多元業務特性的態勢分析數據資源后，運用熱力圖分析、邊緣提取等態勢感知可視化技術，構建宏觀運行態勢、重點區域邊緣提取、多業務疊加分析等模型（見圖3），為配電網科學規劃、精準投資、主動服務提供科學量化的決策支撐。

2.1 電網宏觀運行態勢模型

圖2 區域電網負載重要時間節點

圖3 數據分析模型構建

2.1.1 熱力圖分析方法

熱力圖是利用空間統計的算法，從離散的點事件中找到空間聚集區域。熱力圖分析方法處理的具體步驟如下：

（1）步驟1：為離散點設定一個半徑（設定1.5 km），創建一個緩沖區。

（2）步驟2：對每個離散點的緩沖區，使用漸進的灰度帶（完整的灰度帶是0—255），從內而外，由深至淺地填充。各離散點色彩根據變壓器負載率從小而大漸進填充。

（3）步驟3：對于有緩沖區交叉的區域，可以疊加灰度值（值越大顏色越亮，在灰度帶中則顯得越白），因而緩沖區交叉的越多，灰度值越大，這塊區域也就越“熱”。

（4）步驟4：以疊加后的灰度值為索引，從一條有256種顏色的色帶中（例如彩虹色）映射顏色，并對圖像重新著色，從而實現熱力圖。

2.1.2 電網宏觀運行態勢模型及應用

選擇輸配電網某一斷面的變壓器負載率、空間地理分布情況，通過熱力圖分析方法，根據負荷高低用不同顏色表示，聚合出可視化的顏色區域，形成全地區主網和配電網負載分布態勢圖。例如，通過對地區某月網供最大負荷時刻主配變負載率的空間分布進行聚合，形成全地區主網和配電網運行態勢（其中深色部分為負荷高密度區域），如圖4所示。

圖4 區域電網宏觀運行態勢分布

經過一定時間的積累，形成地區電網指紋檔案，提供動畫播放展示，可以較為宏觀地反映紹興地區主網與配電網負荷較重區域的空間分布及時間演變情況，也可以有效識別部分區域存在的主重配輕或主輕配重的主配電網協同問題。例如，部分區域呈現主網負荷密度明顯高于配電網，表明該區域專線專變用戶較多，主網負載較重，有可能存在不滿足“N-1”檢驗的情況，消除該區域負荷瓶頸需要解決主網電源新增與布局優化兩個問題；還有部分區域呈現配電網負荷密度明顯高于主網負荷，表明該區域主網電源布點充足，配電網輸送存在瓶頸，消除該區域負荷瓶頸需要解決配電網合理布局與負荷有效分配兩個問題。

2.2 重點區域邊緣提取模型

2.2.1 邊緣提取技術

邊緣提取技術是采用圖像處理技術中的數學形態學方法進行圖像邊緣提取處理。其基本思想是用具有一定形態的結構元素去度量和提取圖像中的對應形狀以達到對圖像分析和識別的目的，采用形態學方法可以簡化圖像數據，保持它們基本的形狀特征，并除去不相干的結構。具體處理流程如下：

（1）步驟1：首先提取圖像的顏色通道，分別運用中值濾波法對圖像去噪處理、色彩空間變化法改進圖像質量。

（2）步驟2：然后對圖像進行聚類，通過matlab軟件自帶的K-means算法進行2次聚類，對圖像進行分割。

（3）步驟3：最后經過上述預處理后，利用索貝爾算子進行圖像邊緣坐標提取，對提取的圖像進行二值化處理，將邊緣信息存儲在矩陣中，得到圖中每個像素的類標簽矩陣。索貝爾算子是一離散性差分算子，通過運算圖像亮度函數的梯度之近似值提取圖像邊緣。

2.2.2 重點區域邊緣提取模型及應用

重點區域邊緣提取主導思想是將運行態勢從定性分析轉入定量分析，綜合運用圖像去噪、色彩與空間、二次聚類等多種圖形邊緣提取分析算法準確勾畫重點區域的輪廓，完成對主配電網負載熱力分布圖的圖像分類與區域判別，實現區域負荷特征的有效識別。

利用上述方法對S地區2016年6月電網運行態勢進行邊緣提取計算，形成多個重點區域的閉合輪廓區域，如圖5所示。這些閉合輪廓標明了重點區域地理分布情況，具有鮮明的地域特點，如1號區域是襪業之鄉，大量小微織襪企業聚集，形成配電網負載承載較重的態勢，后期予以重點關注分析。

圖5 電網運行態勢的邊緣提取計算結果

通過對區域電網宏觀運行態勢分布的邊緣提取結果開展比對分析，可以獲得更準確的各區域電網負載能力分布特征以及主配電網協同配套狀況的可視化結果，發現配電網運行薄弱環節和投資需求點，對區域電網診斷分析結果進行綜合統計，指導下一步網架建設的規劃工作重點。

各區域電網負載能力分布特征：

（1）主重配輕型：代表區域為西北部區域，由于電力西送鄰市以及當地大型化工產業布局等原因，主網負載較重，專線專變用戶較多，而相應的公變負載較為平穩，負荷瓶頸需要解決電源點新增與布局優化上。

（2）配重主輕型：代表區域為A縣地區，表現為主網負載率適度、配電網負荷密度較大的特點，A縣供電企業負載率50%以上臺區占比最多，負荷瓶頸需要解決配電網合理布局與有效分配。

（3）主配相當型：代表區域為C縣、D縣地區，主配電網負載率呈現較高一致性，既有區域地形特點因素，也有電源點與網架相對單一的情況。

2.3 多業務疊加分析模型

通過聚焦邊緣提取所形成的重點區域，由簡入繁，利用語義分析技術提煉客戶訴求內容，逐層疊加和穿透分析區域電網運行狀態與客戶訴求響應，將需求側響應思維貫穿到電網資源的科學配置中。

在地理信息圖上以可視化圖形方式展現熱點區域內各類型異常狀態，如圖6所示，對重點區域進行穿透分析，虛線標明了熱點區域的邊界范圍，首先可以看到地理空間區域上實時標注了重過載、低電壓的臺區分布情況，點擊可以了解該臺區的異常明細信息，查看異常發生的頻次、持續時長等具體信息；其次進一步疊加分析95598故障工單與投訴工單，可以看到95598工單在該區域發生的頻次及具體服務響應信息，可以看到在該區域發生的頻次及具體服務響應信息，包括其發生地點及熱點詞頻。

圖6 熱點區域的多業務疊加分析

對于工單內容，通過運用分詞技術和自組織學習方法，總結提煉出400余個與電網態勢、服務響應相關的關鍵詞，通過語義分析將故障或投訴內容轉換成熱點詞頻進行表達。一方面可以快速捕捉問題重點，另一方面有利于后期計算機模型開展統計分析。

通過將客戶訴求與電網運行直接建立起緊密聯系，可以有效得出不同地區客戶對配電網建設需求的具體反映，對區域反復出現的密集點建立預警機制，有針對性地開展配電網建設投資，提高供電可靠率與服務滿意度。

3 結語

通過建立涵蓋電網業務交互模式數據價值挖掘模型，實現了電網運行狀態、客戶訴求信息的緊密融合，將需求側響應思維貫穿到電網資源的科學配置中，從企業運營的海量離散信息中提煉出眾多精煉、有效的知識元素，以豐富的數據、科學的方法、客觀的視角全面系統地分析了地區負載能力發展態勢，為后續科學規劃、精準投資、主動服務能力的進一步提升奠定了堅實的實踐基礎與數據保證。