电力变压器油中溶解气体特性影响因素的量化分析

基于大数据、数据挖掘等技术对变压器进行个性化、差异化评价,是提升设备智慧运维水平的重要手段。在对变压器进行差异化评价时,影响油中溶解气体特性的因素依赖研究人员主观认识选择,缺乏客观性,导致无法充分表达设备的个性化、差异化特征,进而影响评价准确率。因此,该文提出电力变压器油中溶解气体特性影响因素的量化分析方法。考虑溶解气体数据维数多、体量大的特点,提出基于CLARAS-Mahalanobis的快速聚类方法,用于挖掘每个影响因素分类下的聚类中心;考虑异常和噪声数据导致的小样本数据质心偏移问题,基于聚类中心遴选中心点数据集,将中心点数据集之间的平均Hausdorff距离作为表征变压器之间差异性的量化指标,从而实现量化分析。实际的案例验证结果表明:所提出的量化分析方法可以挖掘溶解气体特性的影响因素,以最大程度体现变压器之间的差异性,实现准确地差异化预警。利用该定量分析方法得到的最优影响因素对变压器进行预警的准确率可到98.4%。     

历史数据驱动下基于粗糙集的AVC系统关键参数挖掘方法

自动电压控制(AVC)系统中的参数设置过程繁琐且设置结果无依据,以历史大数据为基础,通过对历史数据的挖掘指导系统关键参数的设置。首先,给出一种基于强化正域的属性综合约简策略对关联属性进行约简;然后,采用基于最优分类的属性变换策略将连续属性离散化,并给出一种基于数据预处理的集合近似匹配策略,用于计算不同曲线间的相似度;最后,提出一种基于粗糙集的AVC系统关键参数辨识框架,对历史大数据进行挖掘。基于真实电网数据进行算例分析,挖掘结果表明所提辨识框架能自动给出合理的参数设置结果;实际应用结果表明,相比于传统方法,基于历史大数据的挖掘结果取得了更好的控制效果。     

基于差异化权重的基层供电企业经营发展评价方法

该文利用SPSS软件,对基层供电企业海量数据进行深入挖掘分析。利用相关性分析法、主成分提取法以及综合聚类法对指标数据进行降维,并构建针对基层供电企业的综合评价指标体系;然后利用基于德尔菲法的改进层次分析法和专家经验确定指标权重,并根据各企业实际运营情况,构建各项指标的差异化权重,进而实现对基层供电企业的差异化综合评价和打分。通过对基层供电企业纵向、横向的比较,针对性定位各企业经营和电网发展的薄弱环节,提出企业投资策略和建设重点。通过在山西电网的实证应用,将98个基层供电企业分成5类,并对各企业进行综合评估,提出针对性提升建议,充分证明该方法在理论和实际应用层面的价值,在对基层供电企业开展综合评价时具有很好的落地性和科学性。     

基于大数据的配变重过载预警分析

本文旨在利用大数据技术对电力数据进行系统挖掘,提供精准负荷预测,为供电安全监视、预防性控制和紧急处理提供依据。文章结合西安地区配电网运行中存在的问题,综合分析配变重过载的外部环境、配变运行信息、配变属性信息、配变供电客户类型等因素,应用大数据机器学习算法、大数据预处理技术、数据挖掘建模技术、大数据可视化技术等,分析研究各影响因素对设备重过载影响的相关性和重要程度,使用分类预测挖掘手段及随机森林算法,分析计算影响变量和目标变量,建立关系模式挖掘模型,构建配变重过载分析及预警模型,完成模型验证与纠偏,实现配变未来一周重过载情况准确预警、配变安全系数评价、重过载配变因素及特征分析与展示等,为电网运维提供有力支撑。通过基于大数据的配变重过载预警分析,提高运维工作效率,实现电网安全可靠运行。     

基于电力市场改革的“互联网+大客户差异化服务”研究

建立基于聚类的电力大客户价值模型和客户价值评价体系,通过多维聚类方法对大客户数据进行挖掘并实行科学合理的分群,最终设计差异化营销服务方案。     

基于电力大数据模糊评价的综合能源项目挖掘优选策略

随着电力体制改革和能源互联网产业发展,开展综合能源服务将是电网企业转型的重要方向.聚焦供电公司掌握客户用电负荷、电量、缴费等大数据的挖掘应用,从客户信用、客户价值、客户风险3个维度,构建了包含月均预存比例、月均欠费次数、月均停电次数等9项具体指标的综合能源项目挖掘培育评价指标体系,提出了基于电力大数据模糊评价的综合能源项目挖掘优选算法,利用电力大数据评估潜在客户的内部状况,从而为挖掘优质潜在客户提供了一定支撑.最后以8家随机客户进行案例分析,结果表明了该方法的有效性.     

工业用户电能质量需求识别与服务策略研究

充分挖掘用户数据价值识别用户电能质量需求，推进差异化增值服务对提升用户满意度和电网公司竞争力具有重要价值。首先，基于多维用户数据，引入用户画像理论，建立了多维度优质电力用户画像标签体系，以识别用户电能质量需求；其次，利用K-means聚类算法进行优质电力用户群体画像，实现用户群体划分，基于前景理论量化用户电能质量需求，并以此为依据开展差异化增值服务套餐设计。最后，通过案例分析验证了其合理性和有效性。     

基于用电客户群体细分的差异化用电行为特征分析

随着电网优化升级,电力客户用电行为差异化变得更为显著。通过对用电客户群体差异化用电行为进行细分管理、建立细分结构模型来提升供电企业服务质量成为发展方向。以电力大数据为依托,通过数据挖掘技术,建立满足用电客户群体细分的模型结构。首先根据用电客户群体实际运营情况,建立基于客户供电可靠性要求、客户行为、客户价值的模型评价指标,然后针对庞大的数据群体,采用K-eans聚类算法进行数据清洗预处理,获得精细化的细分数据,最后实现对用电客户的差异化评价和管理,满足“智慧能源”发展模式的需求。     

基于德尔菲法的电力大客户综合价值评价模型

随着电力体制改革的不断深化,以"客户为中心"的电力市场逐渐形成,甄别客户价值,针对高价值的电力客户实现精准营销,是电网公司当务之急。文章通过分析电力大客户全生命周期内不同阶段的当前价值与潜在价值,建立了客户价值评价指标体系,确立了反映电力客户价值的10个指标特征,构建电力大客户综合价值评价模型,运用德尔菲法,充分利用专家经验,消除个体因素,求得个评价指标的权重系数,对客户价值进行衡量,为电网公司甄别高价值客户,制定差异化服务策略,提供了理论基础。     

县级子公司投资能力分析与投资方向优化研究

针对上划县公司普遍存在的发展不均衡和投资能力不足问题,创造性提出构建投资管理五维评价模型,从售电量增长、客户发展、电网状况、可用资金和资产负债率五个维度,对上划县公司投资需求和投资能力进行客观分析,在此基础上制定各县公司差异化投资策略,引导县公司科学把握投资方向,合理控制投资规模,并就相关政策机制提出改进建议。     

联合采用熵权和灰色系统理论的电力大数据质量综合评估

随着电力系统规模的增大、量测技术的发展与成本下降,电力系统的数据量呈现快速增长趋势,逐步具备了大数据特征。充分利用大数据来改善电力系统的规划、运行与控制已受到越来越广泛的重视,如何评估大数据的质量是一个值得研究的重要问题。在数据质量提高技术如数据清洗、数据整合、相似记录检测等方面,已有相当多的研究报道。然而,在数据质量评估方面的研究还处于起步阶段。在此背景下,针对电力系统特征和电力大数据质量特性,提出一种电力大数据质量综合评估方法。首先,构建电力大数据质量评估指标体系;接着,针对大数据处理的时效性问题,利用MapReduce并行化K-means聚类算法来实现大数据样本集的快速预处理。之后,利用熵权法计算各类数据集的客观权重,采用灰色评估法判断数据质量所属等级,在此基础上实现对样本数据集的综合评价。最后,以某市电力公司所采集的用户用电负荷数据为例对所提出的方法做了说明。     

基于电力数据的企业运营风险预警模型研究

依托电力大数据优势,结合人工智能技术可实现对企业运营风险的预警,以电力视角探索数据共享应用场景,可助力政府决策、企业监管和经济发展。首先,基于企业电力数据进行用户画像;接着,基于标签体系利用层次分析法计算指标权重,构建风险评分体系,并设定合理的阈值对企业运营风险进行预警等级划分;最终可实现基于电力数据对企业运营风险的持续性监测,客观反映企业在运营生产活动中产生的异动,提前揭示企业运营风险。该研究结论证实了信用优良企业和不良企业在用户画像、风险得分中表现了出较大差距。同时,受疫情影响导致疫情后企业的打分出现较大偏差,需要综合更多数据来进行修正。     

增量配售电公司评价方法研究

随着增量配电改革在我国快速推进,增量配售电公司作为新的一类市场主体正在不断涌现。为了有效评估增量配售电公司的运营成效,首次从配电网运营效率、供电质量、客户服务水平、信誉水平、经营绩效和发展潜力6个维度,建立了一套综合评价指标体系。同时,为避免人为主观因素对评价结果的影响,提出了综合赋权法确定指标权重。该评价方法可对增量配售电公司运营情况进行定量综合评价,从而为增量配售电公司的投资运营决策提供支撑,为增量配电改革向高质量方向发展提供保障。算例结果证明了所提方法的正确性和有效性。     

大数据时代下数据挖掘技术在电力企业中的应用

首先对大数据进行了阐述,进而讨论了大数据时代下电力企业面临的巨大挑战;在此基础上指出在电力大数据时代下利用数据挖掘技术对电力企业产生的巨大影响;然后通过描述数据挖掘技术的一系列步骤,指出了电力大数据时代下,数据挖掘技术在电力企业的实现途径;最后,从智能电网、电力客户关系管理、信息系统的发展以及能耗问题等四方面论述了大数据时代下数据挖掘技术在电力企业中的应用前景。     

电力大数据智能化高效分析挖掘技术框架

随着智能电网的不断建设,各类生产经营管理活动中产生的海量、高频数据,具有实时性、易失性、突发性、无序性、无限性等特征,如何充分利用和分析这些数据,快速获取有价值的信息是当前电力大数据处理急需突破的难点。在分析目前电力大数据应用现状的基础上,构建了电力大数据智能化高效分析挖掘技术框架,同时从面向计算密集型电力大数据的特征分析技术、基于内存计算的高性能数据分析技术、电力大数据并行化分析框架及服务体系以及基于数据挖掘的母线超短期负荷预测技术4个方面详细描述了电力大数据智能化高效分析挖掘的关键技术,从而为电力业务数据的高效价值挖掘及在线决策分析提供理论依据及基础技术支撑。     

全面数据质量管理框架在配电网领域的应用分析

电力数据质量问题日益突出,影响了电力数据挖掘和能源大数据分析的准确性和有效性。本文针对当前电力系统新环境下配电网数据特点及产生数据质量问题的原因进行梳理,获得数据质量出现的主要影响因素;给出提升配电网数据质量的管理平台架构,并对数据质量评价和数据质量控制两个核心技术内容进行分析;提出考虑数据质量管理需求的异常数据剔除及修复策略,实现对不同类型的数据进行动态治理及数据修复。最后通过实际配电网数据验证了质量管理和提升效果。     

用电检查与反窃电智能信息平台的设计与应用

为解决长期以来供电公司用电检查与反窃电工作缺乏有效的信息化支撑工具的问题,提出了建设用电检查与反窃电智能信息平台的思想。该平台通过对用电信息采集系统原始数据的挖掘和分析,应用窃电数据模型和算法,采用便携式用电检查掌上终端,对现场异常用电进行检查、取证、分析和处理。介绍了该信息平台的系统物理架构、系统设计方案、便携式用电检查掌上终端主要功能及其软硬件设计方案。通过建立统一的用电检查与反窃电智能信息平台,提升供电公司反窃电信息技术水平与装备水平,将供电公司的用电检查与反窃电工作推向信息化、自动化、智能化。     

基于大数据和层次分析法的电力信息系统成熟度评估

利用大数据平台并结合数据挖掘和层次分析理论,在大数据背景下首次提出一种将定性与定量评估相结合的电力信息系统成熟度综合评估方法。在大数据平台对系统海量应用数据进行挖掘,建立起业务系统成熟度评估指标体系,根据层次分析理论构建业务系统成熟度评估层次递阶结构模型,构建成对比较矩阵求取业务系统成熟度,结合实例验证了该方法的有效性,并对后续研究做出展望。     

信息挖掘技术在电力企业同业对标管理中的应用

随着国家电网公司同业对标管理的积极推进和深入开展, 各级电力公司纷纷开展企业内部及企业之间的业务交流及指标评比活动, 不断引入更新更有效的管理模式, 促进了企业经营管理水平的不断提高。本文基于同业对标管理开展的具体情况, 将以分布分析、聚类分析、关联规则分析为代表的信息挖掘技术引入到电力企业同业对标的管理活动中, 为国网公司各级单位同业对标管理的深入开展提供了一条思路。     

基于随机矩阵理论和聚类算法的电能表运行状态评估方法

随着智能配电网络规模的扩大以及电网结构的复杂化,电力大数据呈指数级增长,电力设备的检、监测评估面临新的挑战。在大数据原理和数据挖掘分析的基础上,提出一种基于随机矩阵理论和聚类算法的电能表运行状态评估方法。首先,对电力大数据统一预处理,完成时间序列数据表征;然后,采用实时分离窗技术整合时序数据;其次,基于随机矩阵理论,对多维度电能表时间序列数据实时计算、分析统计量时序特征;进一步,采用改进的时间规整聚类算法计算时序数据相似度,从而对随机矩阵统计量聚类分级;最后,分析聚类结果,得到电能表运行状态评估等级和范围,完成电能表实时运行状态评估。实例分析和对比研究结果表明,与传统的主元分析评估方法相比,所提出的新型电能表运行状态评估方法具有良好的鲁棒性、可靠性和时效性,为电力电网检测技术应用研究提供了新思路。