基于大數據技術的配電網運行可靠性提升思考

何鵬飛

（國網四川省電力公司廣安供電公司，四川 廣安 638500）

0 引 言

現代社會生產生活對電能需求量明顯提高，一定程度上推動了電力供應系統的建設。雖然國內電力系統鋪設里程與供電系統技術能力明顯改善，但在配電網管理中仍面臨較大挑戰。伴隨現代信息技術發展速度的加快，大數據技術在各領域中得到了廣泛應用且趨于成熟。所以，要想不斷提高配電系統運行的可靠性，必須充分利用大數據技術開展管理工作?？梢?，深入研究并分析基于大數據技術的配電網運行可靠性提升路徑具有一定的現實意義。

1 依托大數據技術提升配電網運行可靠性的數據基礎闡釋

在分析配電網運行可靠性方面，重點是以配電網不同運行調度監控系統內的多源異構數據信息、不同元件可靠性參數、檢修規劃、配電系統網絡結構、運行環境條件等諸多因素為參考依據，掌握其影響系統運行可靠性的程度，研究對系統未來特定時期可靠性，制定運行可靠性指標的參數數值[1]。綜合考慮運行可靠性的思想，所要涵括的數據信息類型如表1所示。

表1 配電網運行可靠性數據與來源

2 基于大數據技術的配電網運行可靠性提升路徑

評估配電網運行可靠性的主要目的是為后續特定時間綜合控制方案的制定提供幫助，為決策提供輔助作用，科學合理地指導運行調度，進一步增強配電網運行的經濟性與可靠性[2]。

（1）構建配電網運行可靠性指標機制。

（2）借助主成分分析方法，與歷史運行所涉及的可靠性數據信息相互結合，科學提取不同指標數據特征，明確評估配電網運行可靠性重要指標。

（3）挖掘并行關聯規則挖掘方式和運行可靠性產生影響的因素。

（4）選擇影響因素，并當做輸入人工神經網絡的主要內容，選擇主要指標當做輸出內容，在訓練基礎上構建可靠性預測模型。

（5）在模型中輸入實時數據信息并預測，獲取后續特定時間段運行可靠性指標數值。

2.1 配電網運行可靠性指標機制構建

通常，可靠性分析的單位是年，對長時間系統不同運行狀態平均可靠性展開系統研究。常見的指標主要是系統指標與負荷指標。前者涵括系統的平均停電持續時間與頻率指標、線路指標以及變壓器重過載指標等，后者則涵括故障平均停電持續時間和負荷點平均故障幾率等[3]。

開展可靠性評估工作，可為規劃設計系統提供必要幫助。運行可靠性指標在運行調度中運用。所以，配電網運行的可靠性必須反映系統本身負荷損失的狀況，同時也需反映負荷裕度。另外，應真實反映線路的過載狀況、潮流與電壓安全裕度，在此基礎上描述并反映系統的整體可靠性、關鍵區域、節點、元件與環節可靠性等[4]。根據以上要求，有必要科學拓展常規性可靠性指標，構建四維指標機制。

2.2 以主成分分法為依據的主要指標提取

運行可靠性指標機制涵括了大量指標變量，且建模和計算均相對復雜，加之不同指標間有大量冗余信息，逐一分析會增加冗余工作量。其中，主成分分析屬于多元統計分析法，主要作用是簡化對象模型，提取主要信息，盡量降低變量維度。開展主成分分析，主要是利用方差或者是離差平方和等計算不同指標信息大小，刪除重復指標等，提取相關性不明顯同時涵蓋大量原信息的指標。隨后，系統化篩選影響系統運行可靠性的薄弱環節、關鍵性元件以及區域等，不斷縮小評估范圍[5]。

第一，標準化的評估指標。一般情況下，不同的運行可行性指標量綱存在差異且分布不同，要求針對指標參數實施標準處理。為此，應以配電大數據為基礎獲取不同指標分布函數，針對不同指標變量展開正態分布的標準處理，進而轉變成正態分布變量。

第二，相關矩陣構建與特征值計算。所謂的變量間存在的相關關系，具體指的是已知某變量亦或是一組變量，可對另一變量數值加以確定，亦或是明確變化規律。一般情況下，在統計學中會借助Pearson相關系數度量兩隨機變量間存在的相關性程度。

第三，主成分的確定。根據以上計算數值，確定第n個指標變量方差貢獻率與累計方差貢獻率。

第四，確定主要評估指標。

2.3 依托并行關系挖掘主要影響因素

在配電網實際運行期間，對其可靠性產生影響的因素很多，很難構建準確性較高的預測模型，且速度精度易受到限制。在這種情況下選擇使用關聯規則挖掘法，在配電網異構多源數據中挖掘主要的影響因素，為輸入預測模型提供幫助，盡量降低輸入維度，不斷加快預測速度。

在關聯規則中，各樣本均可用T代表，而n個事務即可構成數據庫，用D表示。需要注意，各事務均通過多屬性確定，并被稱作“項”。多個項所構建的集合就是“項集”，其中各子集事務均為一項集。對于最小支持度閥值和最小置信度閥值而言，用戶應結合實際需求做出定義[6]。強規則即支持度和置信度都不低于最小閥值規則，最終獲得對配電網運行可靠性產生影響的因素。

2.4 訓練人工神經預測模型

所謂的運行可靠性預測，具體指參考歷史與配電實時大數據信息，對后續特定時間段內的可行性指標參數的推測過程。一般情況下，預測方法主要有人工智能方法和傳統方法2種。其中，傳統方法是依托回歸分析方法，而人工智能方法則涵蓋了深度學習與神經網絡等多種方法。在配電系統運行可靠性指標數值方面，通常需參考運行期間記錄的統計數據信息內容，對無法構建精確性解析模型的情況做出科學化預測。

可將實時獲得的數據信息主要影響因素數據當做輸入人工神經網絡中的主要內容，進而對特定時間段后的可靠性指標數值實施必要預測。選擇各預測時間計算相應的指標，進而獲取相對時限類的指標，并在不同場合中應用。

3 結 論

通過研究與分析可知，在對配電網大數據科學使用的基礎上，深入挖掘業務發展的信息。依托多源異構大數據形成運行可靠性分析法，即可針對配電網運行期間可靠性進行系統化分析，進而為輔助決策路徑提供有價值的參考依據，推進運行可靠性評估工作的開展，使得評估維度降低且評估工作量明顯下降，全面提升配電網運行的可靠性水平。