配電網異動預警與主動檢修工作探索

程道衛 宋光明 戴詩容 張淑娟 郭振

摘要：配電網是電能從發到用的“最后一公里”，配電網的安全、穩定、可靠運行關系到客戶用電服務體驗和供電企業的切身利益，長期以來，配電網運行狀態復雜多變、應急搶修任務繁重等問題一直難以有效解決，影響和制約了供電可靠性提升，為配電網運維檢修工作帶來巨大挑戰。該文應用大數據技術從海量電力大數據中挖掘配電網運行規律，通過建立配網異動精準預警模型，提前預測配變重過載、低電壓等異動事件發生，輔助供電公司建立主運運維檢修工作機制，智能輔助配網搶修、服務資源配置及保電等工作開展，有效降低了配網故障率、減少投訴事件、提高配網運行效率。

關鍵詞：配電網;異動;大數據;預警;主動檢修

中圖分類號：TP391? ? ? ? 文獻標識碼：A? ? ?文章編號：1009-3044（2018）36-0187-03

1 背景

配電網是連接電網與用電客戶的關鍵、是電能輸送的紐帶，同時與上級電網、終端用戶，以及新能源客戶等直接相連，影響其運行狀態的因素較多且復雜，重過載、低電壓、三相不平衡等異常狀態時有發生，治理成本高且治理效果難以得到有效保證，為配電網安全穩定運行帶來潛在隱患。同時，隨著人們生活品質的不斷提升，用戶對電能的依賴性與日俱增，2018年，國家電網公司發布行政1號文，明確了“人民電業為人民”的企業宗旨，要求電網公司聚焦供電服務熱點，加強服務精益管控，有效解決服務短板，明確將加快構建“以客戶為中心”的現代服務體系作為各項工作的根本出發點。

本文以供電公司電力生產管理信息系統、用電信息采集系統應用為基礎，結合大數據、人工智能等新技術應用，發掘配網異動事件發生規律，以重過載、低電壓事件預警為突破口，創新配網異動精準預警工作機制，改進運維檢修工作方法，實現提前主動檢修，助力供電企業電網生產運維管理水平不斷提升。

2 配網運維管理現狀

配電網覆蓋面積廣、網架結構復雜、設備眾多、運行方式靈活多變，為日常運維管理帶來巨大的挑戰，對比新時代下客戶供電服務需求，我們目前的配網運維管理模式還存在較大差距，主要體現在：

1） 配網設備點多面廣，配網搶修工作任務繁重

據統計，城區配電網平均每平方公里就有2臺配變，配網搶修工作任務繁重，特別是特殊用電時段（如春節、迎峰度夏期間等）或惡劣天氣下，配網異動事件數激增，為應急搶修工作帶來巨大壓力。

2） 配網運行動態實時性強，異動和運行風險難以有效防范

用戶負荷具有區域性、時變性、外部氣象環境敏感性等特點，配變重過載、低電壓等異動狀態導致的停運故障時有發生，影響用戶用電體驗，且由于配網監測終端數據傳輸的滯后性，故障處理只能采用事后搶修手段，無法消除配網設備異常對客戶服務已造成影響事實。

3） 以電網為中心的檢修作業模式不能有效滿足新時代的要求

以客戶為中心的現代服務模式要求我們能夠第一時間捕獲客戶用電需求，并深度挖掘、快速響應，能夠根據客戶用電訴求合理安排運維檢修工作，實現對內面向設備的運維管理工作與對外面向客戶的優質服務工作的進一步融合，以促進客戶服務訴求驅動運檢工作有效開展，提高供電質量，但目前供電企業對客戶用電體驗的主動感知手段相對缺乏。

3 主要做法

本文從發掘配電網運行規律入手，以配電網的基礎單元-配變為關鍵，運用大數據手段從營銷、運檢及外部氣象、經濟環境等多來源數據中提取配變運行狀態特征，構建配網異動事件預警模型，實現了對配變重過載、低電壓等異動事件的提前精準預警，構建主運運維檢修工作機制，智能輔助配網搶修、服務資源配置及保電等工作開展，有效降低了配網故障率、減少投訴事件、提高配網運行效率：

1） 整合多源數據，全方位刻畫全網配變運行特征

以配變設備為核心，從設備自身、電網環境、自然環境等方面系統分析影響配變設備運行相關因素，梳理相關信息來源，涵蓋電力內部GIS、PMS、用采、營銷等電力信息系統，以及外部氣象、地理、人口等公開數據源，經采集、清洗、整合等預處理過程，構建基礎寬表，為進一步的特征分析、建模判定堅實的基礎。

為全面掌握各地、各個配電臺區運行規律及各配變設備特征，本文研究、提出了一套配變設備運行狀態業務標簽，從規模結構、年齡結構、運行負載、異動情況、運行效率等維度分析配變設備運行特征，提出了一套配變設備業務標簽，包括持續重過載、持續低電壓、長期重過載、長期低電壓、投訴事件多發、長期三相不平衡、長期輕空載、負荷利用率低、負荷增長過快等，對配變設備進行標簽化，并基于GIS地圖直觀展示。

2） 建立預測模型，提前鎖定異動配變和發生時間

為提前精準鎖定即將發生異動事件，甚至是停運故障的配變設備，為運維人員主動運維、提前安排搶修工作贏得寶貴時間，有效防范配網異動風險，本文通過構建配變重過載、低電壓等異常狀態預警模型，能夠提前7天預測即將配變異常狀態的精準預測，可精確到96個時刻點。

在模型構建過程中，預測模型選擇和訓練是其中最關鍵的環節：

1） 預測模型選擇

基于配變負載歷史數據，對采樣數據進行分類預測模型的選擇，通過比較分類模型的優劣選出最優模型。分類器模型的選擇過程以及分類器的準確率如下圖所示。

采用交叉檢驗法來測試算法的精度，將每個分類模型的樣本分為 10 份，從中取 1 份作為測試集，其余 9 份作為訓練集，循環10次使得每份樣本都可以作為測試集來測試模型的準確率。

基于配網變壓器運行的負載狀態數據，運用KNN、邏輯回歸、決策樹、SVM分類器、隨機森林、BP神經網絡六種算法的準確率可以判定，隨機森林算法相對其他5種算法，分類的準確率相對較高，其算法為最優算法。在預測過程中對每種算法主要參數進行調優（如：邏輯回歸的最大迭代次數。決策樹的深度和步長，隨機森林的樹的個數、深度、隨機種子等），根據準確率和召回率分析比對，同時考慮隨機森林算法具有預測精度高、不易過擬合、高維數據處理能力強、容噪能力強等優點，最終選擇隨機森林建模方法。

2） 預測模型訓練

對預測模型正負樣本比例、特征量、算法核心參數進行調優，針對性提高預測結果的正確率及預測精度。整體調優參數如下：

在其他參數默認的條件下，對正負樣本比例調優如下：

根據調優過程正負比例選擇3：7時準確率召回率最好。

設置正負比例3：7，其他參數默認的情況下，對隨機森林算法核心參數（樹）調優如下：

根據上圖，樹大于200個之后準確率、召回率變化較小，再結合算法的運算效率最終選擇200個樹，配變重過載、低電壓最高預測命中率87.7%、召回率79.4%，平均預測命中率64.5%、召回率59.8%，初步達到了指導運檢業務的實用化標準，預測精度方面還有一定提升空間，可精準定位即將發生異動、需重點關注配變設備清單，輔助業務人員主動掌握各區域服務風險水平、劃定配網運行風險點、有針對性的排定綜合檢修計劃、開展主動檢測檢修、指導配網技改大修等工作。

3） 研發預警應用，構建配網異動監測“神經網絡”

根據本文建模研究成果，基于Hadoop大數據處理環境研發了配網異動精準預警系統，提供配網運行特征分析、配變重過載預警、配變低電壓預警、服務風險預警在線處理、預測命中情況分析、系統管理等功能，結合GIS圖形直觀呈現配網薄弱點、輔助業務人員360度掌控配變設備特征，實現了配變設備運行異動和服務風險的實時在線監控預警，可根據預警結果自動提前生成高風險配變設備清單，輔助業務人員發起主動運維檢修工單，打通了從設備狀態變化，到精益化檢修工作安排，再到服務風險管控的信息通路，奠定了基于設備異動和服務風險的“神經反射”基礎，輔助供電公司將配網異動事件消滅于萌芽狀態。

配網異動精準預警系統實現了基礎數據的在線接入及聯動更新，每天定時將增量的配變設備異動變化數據自動加入預測模型的訓練樣本庫，通過自學習訓練自動更新模型參數，有效解決了配變異動事件發生率低，訓練正負樣本數據分布不均等問題，增強了預測模型的業務適應性和健壯性。

4） 創新工作機制，打造主動檢修和風險管控的閉環流程

結合配網異動精準預警系統對設備異動和服務風險的提前、精準預警功能，本文創新性地提出了一套配網主動風險管控工作機制，通過預警提前發現電網“發熱點”“出血點”，主動積極采取控制措施，提前消滅配網運行隱患。對比傳統工單受理、故障搶修模式，真正實現了“數據驅動業務”，穩定了電網運行、保障了供電服務質量。

系統根據模型預測結果，每天自動定時生成高風險配變設備清單，經運檢工作早會討論形成重點排查任務，以主運檢修工單形式分派到人，檢修人員依據工單指示進行警情現場勘驗，反饋處理結果，需要調控、營銷部門協辦的，現場發起協同工單，并對每一工單的處理情況進行反饋、登記，實現了從警情預測-協同處置-效果評價的閉環管理，有效防范了配網運行風險。

4 應用及成效

通過本文研究成果的試點、探索、改進，輔助某市級供電企業初步構建配網主動運維檢修工作機制，有效降低了配網故障事件發生、提升了供電服務質量，取得了良好的經濟效益和社會效益：

1） 提升配網運行可靠率指標，直接經濟效益顯著

與試點工作開展前一年度相比，該市年均停電時長下降57.816分鐘，直接增加供電收入600萬，扣除其他因素帶來的增長，年直接經濟效益可達360萬，后續隨著預測模型精度的不斷提升，通過主動運維降低設備停電時長的作用將愈加明顯，經濟效益將益加顯著。

2） 精準定位配網薄弱環節，主動運維提升供電服務質量

通過配網異動精準異動預警為某市配網管理工作提供支撐，近一年時間內共發起配變主動檢修1387臺次，重過載、低電壓配變數量同比下降65%;發起主動服務1532次，用戶運檢類工單總數同比下降38%，有效提升了用戶滿意度和用戶服務水平。

5 下一步計劃

前一階段的工作重點集中在配變重過載、低電壓預警模型構建方面，目前還有較大提升空間，包括在基礎數據源拓展、預警模型優化、業務互動能力等方面還需進一步完善，應用范圍還有待進一步推廣，同時在臺區停電事件分析、臺區三相不平衡分析方面的研究工作目前尚處于空白狀態。下階段的重點工作包括預警模型深化研究、臺區停電事件分析及治理研究、臺區三相不平衡分析及治理研究、配變運行環境監測及預警機制研究等內容：

1） 配變重過載、低電壓預警建模深化研究

改進重過載、低電壓預警建模方式，引入隨機森林、梯度下降等算法，同時支撐多模型預警、多預警結果交叉驗證，進一步提升模型對異動狀態的預警命中率;優化預警模型建模訓練工作機制，在訓練樣本庫中持續增加預警成功樣本、淘汰預警失效樣本，迭代式增強預警模型精度。

2） 臺區停電事件分析及治理研究

為準確掌握線路、臺區、用戶停電事件發生情況，包括重復停電、頻繁停電、長期停電等，挖掘其發生規律及關鍵影響因素，一是改進停電事件監測分析方法，基于搶修類工單數據、停送電信息、計劃檢修工作情況等大數據綜合比對分析，構建線路停電事件判別分析模型、臺區停電事件判別分析模型，智能提取重復停電線路、重復停電臺區、重復停電用戶;二是從外部條件、時段特征、電網設備、電網運行、用電行為習慣、運維管理、搶修資源等方面分析提煉與停電事件相關因素，通過貝葉斯網絡模型描述各種因素在停電事件中發生作用的概率，開展重復停電、頻繁停電根因分析，定位與公變臺區停電事件發生、停電時長相關關鍵因素，結合業務專家庫輔助提出積極的防范措施。

3） 臺區三相不平衡分析及治理研究

開展基于動態載波的臺區用戶識別和相位差分技術研究試點，通過采集節點戶表檔案巡測命令動態跟蹤臺區采集器及戶表變動信息、分相信息，實現配變用戶用電相位的自動識別;基于配電臺區、配變用戶、用戶相別關系等建立三相負載均衡模型，對影響臺區三相負載均衡的相關因素進行分析，動態跟蹤各因素變化，實現臺區三相負載均衡的監測、預警，以及治理決策智能支持。

4） 配變運行環境監測及預警機制研究

梳理有可能用于配網運行分析的外部環境數據，包括但不止于氣象、地理、交通、行政等方面，評估各數據來源的可獲得性、可用性，以及到分析環境的可行性和數據集成方式，從外部環境視角分析配網異常狀態發生規律，分析配變設備故障或異常狀態與重要時段、特殊氣象、重大事件等環境因素間關聯關系，建立預警模型，研發配變運行環境監測及預警功能，暢通客戶服務人員、配網運維管理人員、外勤搶修人員間信息通道，提高業務智能化程度。

[通聯編輯：梁書]