基于多元回歸模型的電力訴求影響因素

文/劉丞 羅立宏

1 簡述電力訴求產生原因

電力訴求常發生于電力需求高峰期的夏季及電力設施整改期間。其訴求問題主要來源于突發的停電事件或電力故障報修后無法得到及時搶修導致的財產安全問題。通過研究客戶訴求問題可以了解電力訴求的發展情況。

電力訴求的問題主要有以下幾種類型：

（1）因計劃停電導致的延遲/提前復電導致居民對停電安排時間、頻率不滿意問題；

（2）供電設備自身發生故障而停電，包括短路、過載、接地等引起上級設備跳閘停電，如斷路器、剩余電流動作保護器的保護性跳閘；

（3）用戶設備因在復電后引起損壞無法啟動，要求賠償財產損失；

（4）其它外部因素影響，如自然災害、惡劣天氣、外力破壞等引起停電。

表1：模型回歸結果

2 搭建數據指標

2.1 數據特征

對電力運營數據來說一般有一下幾個特征：

（1）數據量大且規律復雜。

（2）電力故障的區域分布廣，發展規律多元。

（3）受到多種因素的影響且作用方式不盡相同。

因此，在對電力訴求數據進行分析研究前，需要對不同的電力訴求數據進行分區，分別挖掘各分區內客戶電力訴求規律。

2.2 數據聚類

本文采用K-means聚類方法對各月份的電力故障事件造成的不同影響進行聚類，分析不同時間與空間電力事故造成的影響。K-means算法是一種經典的基于距離的聚類算法，采用距離作為相似性的指標。經實驗，對電力運營數據中不同月份上的各指標數據共24433個樣本進行統計處理，得出聚類個數為5時，輪廓系數較大。利用以上不同類別結果，有針對性的應對各種不同用戶群體提供具有針對性的服務方案。例如：第1類數據停電次數最大，主要分布于郊區，應設備進行檢修排查，更換老化設備；第2類數據區域影響指數較大，主要分布與城區，可加強與客戶建立良好的溝通等。

2.3 數據指標

建立訴求影響評價指標，是研究電力訴求影響因素差異性及主要性的前提。因此提取適合的數據指標是關鍵。基于停電事件的數據情況及對業務的理解，電力訴求影響數據指標主要包括平均時長（h/次），平均缺供電電量（kW·h/次），客戶影響數量(戶/次)，區域影響指數及時間點影響指數。其中區域影響指數定義為電力故障影響用戶數與故障所處區域的用戶數的占比，以及故障事件涉及的臺區或者線路的數量的乘積。時間點影響指數定義為電力故障事件的月份以及不同的時間點造成的不同影響。

3 搭建回歸分析模型

多元回歸分析是一種常用的統計分析方法。其本質是在大量數據觀察的基礎上，建立起因變量與自變量之間的回歸關系函數模型。通過上述建立的數據指標，結合歷史訴求和歷史供電類數據信息，可對電力訴求產生的環境、關鍵點、消亡痕跡等進行整合，多方面多角度挖掘問題本源和形成規律。在訴求問題挖掘上，主要有以下工作步驟：

（1）拆分各類原始清單字段維度信息，細化數據顆粒度。

（2）訴求區域、停電區域邏輯關聯。

（3）故障報修、停電時間、故障停電滿意度邏輯關聯。

（4）建立科學的分析模型，梳理停電處理全過程，找出薄弱環節，經過科學方法分析停電產生的客戶訴求因素影響敏感度。

3.1 搭建模型

為了更好的探求電力訴求中的影響因素，本次研究將訴求量設置為因變量，將訴求因素設置為解釋變量，通過建立多元線性回歸模型來研究這些影響因素和電力訴求量之間的關系。模型公式構建如下所示：

其中，SQ、TDSC、KH、DL、QY、TDZS分別代表電力訴求量、停電時長、影響客戶數、損失電量、區域影響指數、時間點影響指數。a為模型常數項，β1-β10為影響因素的系數，ε為模型的殘差。

3.2 模型結果

如表1所示，從這些影響因素的標準化回歸系數大小來看，停電時長的系數依然最大，說明停電時長對訴求量的影響最大，其次停電影響指數、影響客戶指數；排在后兩位的是損失電量指數和區域影響指數。

4 結束語

本文通過結合對電力數據已有的研究，選擇了多個影響因素，研究了電力訴求影響因素，通過建立模型來判斷這些因素的影響程度。經數據驗證后，模型結果真實可靠。本次研究探明了電力因素對于居民電力訴求的影響程度，更好的讓供電部門采取相應措施。