數(shù)據(jù)挖掘在電力電量平衡中的應(yīng)用研究

石 佳，丁 俊，張納川

(國網(wǎng)蘇州供電公司，江蘇 蘇州 215004)

合理的電網(wǎng)規(guī)劃對電網(wǎng)的投資、運(yùn)行、效益等方面有著重要意義。電網(wǎng)是電力系統(tǒng)的重要組成部分，電網(wǎng)能否合理運(yùn)行直接取決于規(guī)劃是否科學(xué)經(jīng)濟(jì)，因此電網(wǎng)規(guī)劃是一個尤為重要的問題。電力電量平衡是電力規(guī)劃設(shè)計的重要組成部分，根據(jù)系統(tǒng)負(fù)荷預(yù)測和機(jī)組出力情況，得到連續(xù)多年的電力盈虧[1-2]。在系統(tǒng)水電容量比重大時，需要進(jìn)行電量平衡分析，分析結(jié)果可以幫助規(guī)劃人員了解未來的裝機(jī)進(jìn)度以及檢修安排是否合理，并做相應(yīng)調(diào)整，以保證電力電量的生產(chǎn)使用。

電力電量平衡是規(guī)劃的基礎(chǔ)工作，數(shù)據(jù)量大，工作繁雜，現(xiàn)在多采用人工經(jīng)驗和計算軟件相結(jié)合的方式開展該項工作。面對電力系統(tǒng)迅速膨脹的數(shù)據(jù)量，規(guī)劃人員如何從中挑選有用信息，摒棄冗余數(shù)據(jù)，也是電力系統(tǒng)建設(shè)的一項艱巨任務(wù)。在當(dāng)今互聯(lián)網(wǎng)時代，數(shù)據(jù)來源廣，信息獲取速度快，這就要求工作人員合理利用工具進(jìn)行業(yè)務(wù)分析[3-5]。數(shù)據(jù)挖掘技術(shù)的提出與應(yīng)用為數(shù)據(jù)分析提供了強(qiáng)有力的技術(shù)支持，便于發(fā)現(xiàn)數(shù)據(jù)深層的相似性和差異性[6-7]。

本文對數(shù)據(jù)挖掘技術(shù)在電力電量平衡中的應(yīng)用進(jìn)行初步探索。通過實(shí)際電網(wǎng)歷史數(shù)據(jù)對不同方法在負(fù)荷預(yù)測的適用性進(jìn)行對比，分析不同類型機(jī)組檢修計劃和電力平衡結(jié)果之間的關(guān)聯(lián)性。

1 數(shù)據(jù)挖掘相關(guān)技術(shù)

數(shù)據(jù)挖掘是為了在大量數(shù)據(jù)中獲取事先未知的信息或規(guī)則而進(jìn)行的選擇、探索和建模過程。對一特定領(lǐng)域采用該技術(shù)，使用者要對分析的數(shù)據(jù)有深層理解和認(rèn)識，才能挖掘出有意義的結(jié)果。這一技術(shù)依托數(shù)據(jù)庫[8-10]，對其中數(shù)據(jù)進(jìn)行處理，利用有關(guān)算法獲取隱藏信息。

數(shù)據(jù)挖掘主要步驟有數(shù)據(jù)的預(yù)處理，數(shù)據(jù)挖掘和后處理三部分(見圖1)：首先，對數(shù)據(jù)進(jìn)行特征的篩選、規(guī)范；其次，基于不同任務(wù)選取合適的方法去挖掘其中信息；最后，獲得結(jié)果后過濾無用數(shù)據(jù)，將結(jié)論用圖表形式可視化展現(xiàn)。

圖1 數(shù)據(jù)挖掘過程

1.1 預(yù)測

預(yù)測是通過構(gòu)建和使用模型學(xué)習(xí)標(biāo)號樣本的規(guī)則來評估無標(biāo)號樣本，或者對給定樣本所具有的值區(qū)間或者屬性值進(jìn)行評估[11-12]。因此，預(yù)測的主要問題是分類和回歸，分類多用于預(yù)測標(biāo)稱值或者離散值，回歸多用于預(yù)測有序值或者連續(xù)值[13-15]。負(fù)荷可以看作是一組按時間排序的隨機(jī)序列，即時間序列，間隔可取分鐘，日，周，月，年等。不同于典型的預(yù)測，時間序列強(qiáng)調(diào)一種自然的時間順序，比一般的數(shù)據(jù)集多一個時間戳字段。

1.2 關(guān)聯(lián)

關(guān)聯(lián)是用以發(fā)現(xiàn)隱藏在大數(shù)據(jù)集中有意義的關(guān)系，反映一個項目與其他項目之間的依賴性。多個項目之間關(guān)聯(lián)關(guān)系較多，可以采用支持度和置信度兩個指標(biāo)來評判最為重要的關(guān)聯(lián)規(guī)則。為了獲得包含最小覆蓋量的屬性組合，現(xiàn)多用Apriori算法、FP增長算法和PCA算法來獲取項集[16-17]。對于關(guān)聯(lián)規(guī)則的挖掘，需要將數(shù)據(jù)進(jìn)行二元表示，即忽視數(shù)值，采用有無或是01來表示數(shù)據(jù)。

2 負(fù)荷預(yù)測

電力電量平衡中，最高發(fā)電負(fù)荷和電量是可以通過負(fù)荷預(yù)測得到的。而負(fù)荷預(yù)測受到國民經(jīng)濟(jì)發(fā)展等因素影響，是一項極為復(fù)雜的工作，現(xiàn)有的電力軟件都是通過各種預(yù)測模型來實(shí)現(xiàn)的。本文利用平臺數(shù)據(jù)庫中的歷史最高發(fā)電負(fù)荷數(shù)據(jù)作為訓(xùn)練集，通過數(shù)據(jù)挖掘中的時間序列預(yù)測算法，來預(yù)測未來一年的負(fù)荷曲線。

2.1 預(yù)處理

該平臺中已存有電網(wǎng)6年的電力電量平衡數(shù)據(jù)，可通過接口獲取其中五年的最高發(fā)電負(fù)荷作為訓(xùn)練集，用于預(yù)測未來的負(fù)荷曲線，與實(shí)際的數(shù)據(jù)作平均相對誤差分析。

2.2 數(shù)據(jù)預(yù)測

WEKA在時間序列預(yù)測中提供了如下算法：正態(tài)隨機(jī)過程 (GaussianProcesses，GP)、 線性回歸(Linear Regression，LR)、多層感知器 (Multilayer Perceptron，MLP)、SMOreg。四種算法的預(yù)測分析見表1至表3。

表1 預(yù)測12個月負(fù)荷

表2 預(yù)測6個月負(fù)荷

表3 預(yù)測3個月負(fù)荷

2.3 后處理

對這四種算法得到的預(yù)測誤差對比總結(jié)如表4所示。

表4 不同算法的平均相對誤差對比

從表4可以看出，MLP算法的誤差過大，不適合用于電力平衡的負(fù)荷預(yù)測。在預(yù)測時訓(xùn)練數(shù)據(jù)少，需要預(yù)測序列長時，使用GP算法精度更高，訓(xùn)練數(shù)據(jù)多，預(yù)測序列短時，使用SMOreg算法精度更高。

3 機(jī)組檢修

機(jī)組檢修安排在遵循一定的基本原則下，多由人工安排機(jī)組檢修時間段。如果考慮不全，安排不恰當(dāng)，電力平衡計算結(jié)果就會出現(xiàn)虧損。

3.1 預(yù)處理

以數(shù)年電力平衡結(jié)果為輸入數(shù)據(jù)，但需要對數(shù)據(jù)進(jìn)行預(yù)處理，將數(shù)值形式轉(zhuǎn)化為二元形式，才能提供給WEKA使用。通過數(shù)據(jù)平臺接口，將電力平衡計算后盈余月份標(biāo)記為y，虧損月份標(biāo)記為n。機(jī)組檢修計劃按照機(jī)組類型歸類，將煤電、氣電和水電在各月的檢修狀態(tài)也用二元變量表示，機(jī)組的檢修狀態(tài)為y，運(yùn)行狀態(tài)為n。

處理后的數(shù)據(jù)存入表格的對應(yīng)項目中，作為挖掘的輸入文件。以五年的電力平衡結(jié)果為輸入數(shù)據(jù)，使用Apriori、FP-Growth等算法分析電力平衡盈虧和機(jī)組檢修計劃間的關(guān)聯(lián)性。

3.2 分析結(jié)果

選取最小置信度為0.9時，得到的最佳關(guān)聯(lián)結(jié)果反映了電力盈虧主要與火電、水電和氣電機(jī)組檢修狀態(tài)相關(guān)。

當(dāng)水電不檢修，電力盈余時，火電處于檢修狀態(tài)；

當(dāng)火電不檢修，電力盈余時，水電處于檢修狀態(tài)；

當(dāng)水電不檢修，氣電檢修，電力盈余時，火電處于檢修狀態(tài)。

從這些結(jié)果可以看出，為保證電力盈余，應(yīng)該盡可能地安排水電和火電不在同一時段(單位為月)檢修。

4 結(jié)語

本文對數(shù)據(jù)挖掘技術(shù)在電力電量平衡中的應(yīng)用進(jìn)行了初步探索。通過實(shí)際電網(wǎng)歷史數(shù)據(jù)對比分析了不同方法在負(fù)荷預(yù)測的適用性，得出訓(xùn)練數(shù)據(jù)少，需要預(yù)測序列長時，使用GP算法精度更高，訓(xùn)練數(shù)據(jù)多，預(yù)測序列短時，使用SMOreg算法精度更高。本文通過分析某省歷年不同類型機(jī)組檢修計劃和電力平衡結(jié)果之間的關(guān)聯(lián)性，發(fā)現(xiàn)不同類型機(jī)組應(yīng)安排在不同時間段檢修，以保證電力平衡。

參考文獻(xiàn)：

[1] 蒲天驕，陳乃仕，葛賢軍，等．電力電量平衡評價指標(biāo)體系及其綜合評估方法研究[J]．電網(wǎng)技術(shù)，2015，39(1)：250-256.

PU Tianjiao，CHEN Naishi，GE Xianjun，et al．Research on Evaluation Index System and Synthetical Evaluation Method for Balance of Electric Power and Energy[J]．Power System Technology，2015，39(1)：250-256.

[2]朱澤磊，周京陽，潘毅，等．考慮電力電量平衡的安全約束經(jīng)濟(jì)調(diào)度[J]．中國電機(jī)工程學(xué)報，2013，33(10)：168-176.

ZHU Zelei，ZHOU Jingyang，PAN Yi，et al．Security constrained economic dispatch considering balance of electric power and energy[J]．Proceedings of the CSEE，2013，33(10)：168-176.

[3]宋亞奇，周國亮，朱永利．智能電網(wǎng)大數(shù)據(jù)處理技術(shù)現(xiàn)狀與挑戰(zhàn)[J]．電網(wǎng)技術(shù)，2013，37(4)：927-935.

SONG Yaqi，ZHOU Guoliang，ZHU Yongli．Present status and challenges of big data processing in smart grid [J]．Power System Technology，2013，37(4)：927-935.

[4]VJ D．High information content database generation for data mining based power system operational planning studies[C]//IEEE Power and Energy Society General Meeting，2010.

[5]廖志偉，孫雅明．?dāng)?shù)據(jù)挖掘技術(shù)及其在電力系統(tǒng)中的應(yīng)用[J].電力系統(tǒng)自動化，2001，25(11)：62-66.

LIAO Zhiwei，SUN Yaming．Data Mining Technology and its Application on Power System[J]．Automation of Electric Power System，2001，25(11)：62-66.

[6]廖志偉，孫雅明．基于事件序列數(shù)據(jù)挖掘原理的高壓輸電線系統(tǒng)故障診斷[J]．電力系統(tǒng)自動化，2004，28(4)：22-27.

[15] LIAO Zhiwei，SUN Yaming．A new data mining approach for fault diagnosis of HV transmission line system based on sequence of events[J]．Automation of Electric Power Systems，2004，28(4)：22-27.

[7]邱鳳翔，徐治皋，司風(fēng)琪，等．基于主元分析的關(guān)聯(lián)規(guī)則挖掘及在電廠中的應(yīng)用[J].電力系統(tǒng)自動化，2009，33(16)：81-84，107.

QIU Fengxiang，XU Zhigao，SI Fengqi，et al．Association Rules Mining Based on Principal Component Analysis and Its Applications in Power Plant[J]．Automation of Electric Power System，2009，33(16)：81-84，107.

[8]Mori H．State-of-art overview on data mining in power systems [C]//IEEE Power Engineering Society General Meeting, Canada, 2006.

[9]陳健，萬國成，孫冠男，等．GIS平臺電網(wǎng)規(guī)劃輔助決策系統(tǒng)開發(fā)與應(yīng)用[J]．電力系統(tǒng)及其自動化學(xué)報，2010，22(6)：99-103.

CHEN Jian，WAN Guocheng，SUN Guannan，et al．Development and Application of GIS Platform Decision-making Support System for Power Network Planning[J]．Proceedings of the CSU-EPSA，2010，22(6)：99-103.

[10]陶文偉，吳文傳，王俏文，等．基于EMS的電網(wǎng)規(guī)劃分析系統(tǒng)的設(shè)計與實(shí)現(xiàn)[J]．電力系統(tǒng)自動化，2006，30(14)：87-91.

TAO Wenwei，WU Wenchuan，WANG Qiaowen，et al．Design and Implementation of Transmission Network Planning Analysis System Based on EMS[J]．Automation of Electric Power System，2006，30(14)：87-91.

[11]李翔，高山，陳昊，等．基于變結(jié)構(gòu)協(xié)整理論的中長期電力負(fù)荷預(yù)測模型[J]．電網(wǎng)技術(shù)，2007，31(9)：48-52.

LI Xiang，GAO Shan，CHEN Hao，et al．A New Medium-and Long——term Load Forecasting Model Based on Variable Structure Cointegration Theory[J]．Power System Technology，2007，31(9)：48-52.

[12]薛萬磊，于繼來．分形外推插值算法在電力負(fù)荷預(yù)測中的應(yīng)用[J]．電網(wǎng)技術(shù)，2006，30(13)：49-54.

XUE Wanlei，YU Jilai．Application of Fractal Extrapolation Algorithm in Load Forecasting[J]．Power System Technology，2006，30(13)：49-54.

[13]林順富，郝朝，湯曉棟，等．基于數(shù)據(jù)挖掘的樓宇短期負(fù)荷預(yù)測方法研究[J]．電力系統(tǒng)保護(hù)與控制，2016，44(7)：83-89.

LIN Shunfu，HAO Chao，TANG Xiaodong，et al．Study of short-term load forecasting method based on data mining for buildings[J]．Power System Protection and Control，2016，44(7)：83-89.

[14]CHATURVEDI D K，SINHA A P，MALIK O P．Short term load forecast using fuzzy logic and wavelet transform integrated generalized neural network[J]．Electrical Power and Energy Systems，2015，67：230-237.

[15]康重慶，夏清，劉梅．電力系統(tǒng)負(fù)荷預(yù)測[M]．北京：中國電力出版社，2007.

[16]馬瑞，周謝，彭舟，等．考慮氣溫因素的負(fù)荷特性統(tǒng)計指標(biāo)關(guān)聯(lián)特征數(shù)據(jù)挖掘[J]．中國電機(jī)工程學(xué)報，2015，35(1)：43-51.

MA Rui，ZHOU Xie，PENG Zhou，et al．Data Mining on Correlation Feature of Load Characteristics Statistical Indexes Considering Temperature[J]．Proceedings of the CSEE，2015，35(1)：43-51.

[17]于之虹，黃彥浩，魯廣明，等．基于時間序列關(guān)聯(lián)分析的穩(wěn)定運(yùn)行規(guī)則提取方法[J]．中國電機(jī)工程學(xué)報，2015，35(3)：519-525.

YU Zhihong，HUANG Yanhao，LU Guangming，et al．A Time Series Associative Classification Method for the Operation Rule Extracting of Transient Stability[J]．Proceedings of the CSEE，2015，35(3)：519-525.