大数据挖掘助力全面提升电网监控水平

SCADA系统是支撑电网调度运行的基础,监控人员主要通过此系统获取电网运行状态的一系列海量信息。随着电网规模的不断增大,监控信息海量增长。电网监控工作缺乏有效分析手段,监控人员压力大、疲于应付,不利于事故和异常信号的处理。本文采用大数据分析工具,利用SCADA系统现有的海量电网运行信息,深入探究了主变油温和负载率的关系,给出主变油温和负载率之间的变化函数,并得到重过载边界主变油温阈值;构建10kV配电线路负荷快变预警模型,结合10kV线路的15分钟负荷数据变化特点,快速判断配网线路运行状态,及时给出预警;融合外部天气等数据,建立主变重过载趋势预警模型,为电网运行潜在风险的分析识别及指导电网的科学规划建设奠定了坚实的基础。     

基于全景监测与智能预警的配电网全域大数据应用研究

面对不断扩大的电网规模及愈加复杂的外部环境,影响电网安全稳定运行的因素也在不断增加,为此提出了基于大数据机器学习算法的设备状态监测方法.运用成熟的数据挖掘技术,基于当前大量的数据积累开展数据价值的挖掘分析,构建基于随机森林的设备状态评价模型、基于D-S证据论的故障预警模型等,以云计算为支撑,以“互联、共享、智能”为理念...     

基于LSTM及分位数回归理论的配电变压器重过载概率预测

配电变压器的重过载是导致变压器故障和损坏的主要原因之一。因此,准确地预测配电变压器的运行情况对于电力系统的安全和可靠运行至关重要。由于配电台区负荷受到诸多复杂变量的影响,同时这些复杂变量的影响往往无法可靠建模估计,故最终预测结果表现出一定的不确定性。传统单点预测为预测单一最优值,无法充分量化预测的不确定性。本文融合多维特征与变压器历史运行数据,采用分位数回归方法对台区负荷情况进行建模,通过将条件分位数与一般线性或非线性模型结合来构建概率预测模型,分位数回归能够对整个条件分布建模,相对于标准回归方法其可以提供更多信息。传统的点预测由于其无法估计预测结果的不确定性,故对业务部门的决策具有一定的风险,而概率预测不仅可以像点预测一样提供未来最优预测点,也可以提供未来预测值的分布情况,概率预测以预测区间或分位数的形式可以更好地估计重过载情况。     

10kV油浸式配电变压器过电流温升试验案例研究

季节性人口流动导致用电负荷短期增加,引发10kV油浸式配电变压器过载运行甚至烧毁等故障,从而引发客户投诉问题。本文结合贵州区域内配变过载情况,综合考虑配变过载能力、影响过载能力的因素、过载运行导致的风险和绝缘寿命损失,总结出配变过载运行的基本特征,并提出了通过过电流温升试验方法验证其过载能力的思路和方法。通过现场试验验证了该方法的可行性,为快速处理配变过载运行提供依据。根据植物绝缘油具有良好电气性能、高燃点、原料来源广泛和可再生等优势,对使用植物绝缘油替换矿物绝缘油来提升配变过载能力的进行了验证,分析了更换绝缘油前后的负载性能情况,并从短期、中期和长期治理提出了建议。     

电力通信网大数据应用场景开发及试点应用

通信网作为电网公司的第二张实体网络,承载着电网运行和经营管理的核心业务,是电网安全、稳定的重要保障。通信管理系统在资源管理、实时监控、运行管理方面发挥了巨大作用,但随着数据量急剧膨胀,基于传统技术架构的通信管理系统在数据存储、处理、分析挖掘方面已不能满足实际需求。基于大数据平台,通过挖掘电力通信网资源台账、告警故障数据,结合网管设备性能数据、电力气象数据,建立通信资源运行风险评价模型,支撑通信资源预警和故障定位;采集数据网业务流量与设备路由数据,实现对重要断面流量动态监测、链路性能动态监测及劣化分析预警,提高对路由设备的分析预警能力。     

基于随机森林的卫星快变遥测数据建模

现代卫星已逐渐成为国家重大基础设施,为了解其在轨运行状态,需要对遥测数据进行分析;其中快变遥测数据包含了大量卫星服务情况信息,对该数据进行基于机器学习算法的分析建模,可以更好利用特征维度高、数据量大的快变遥测数据,为人工智能在卫星数据建模、运维方面提供一种可能方案;提出一种基于随机森林算法对在轨卫星快变遥测数据进行建模的方法,并引入改进的二次网格搜索方法对模型参数进行调优;使用模型对某频点功率测量值进行预测,结果显示R2值达到0.98以上,预测值误差较小,建立了效果较好的快变遥测数据模型,为实现基于机器学习的快变遥测数据分析提供了一种可能的方案;     

基于智能电表海量数据的台区运行态势分析与应用

随着智能电网的快速推进,配网智能化水平越来越高。用户智能电表的覆盖率逐年提升,利用用户智能电表每十五分钟一次采集形成的海量数据,辅以公变终端运行数据,从低压台区线损、故障、网架分析三个视角入手开展台区运行态势分析和应用。通过精益化线损分析,研判线损异常的原因,对配网变户一致性进行研判,对智能装置数据准确性进行评价;通过低压台区回路阻抗模型计算,利用阻抗值实现了配网异常情况的预判和网架阻抗评估;通过配网故障研究分析,及时实现不同类型故障的准确主动研判,进一步提升供电服务“最后一公里”服务效率。本文通过深入挖掘智能电网领域大数据价值,促进业务创新、绩效提升,细化客户分类,满足智能化、多样化用电需要,提升配电网感知度。     

基于数据分析的配电网故障数据特征变量提取

配电网线路故障预测是提升配电网可靠性指标的重要手段,为了构建性能稳定、预测能力强的线路故障预测模型,需要保证模型输入特征变量的有效性、强相关性和无冗余性。为合理确定线路故障预测模型的输入特征变量,本文采用数据探索和挖掘的分析方法对馈线故障及其影响因素之间的关系进行了分析研究,以皮尔森相关系数为计算指标,对大量实际馈线故障数据与其影响因素进行相关性统计,从馈线故障的时间-地域特性、外部影响因素、自相关特性、运行影响因素等四个维度筛选出了馈线故障影响因素特征变量作为馈线故障预测模型的输入变量,直观有效地剔除无关故障特征变量。因此,所提出方法可用于配电网大数据的预处理分析和提取,为配电网故障预测提供重要方法和数据基础。     

基于PCA-MP-BP的智能电网数据融合方法

为了提高对智能电网大数据的挖掘效率,提出了基于PCA-MP-BP的智能电网数据融合方法.首先对智能电网大数据技术和智能电网大数据融合技术进行了分析.采用主成分分析方法(PCA)提取出对预测结果有影响的主要特征值,作为BP神经网络的输入;然后提出了一种MapReduce和BP算法相结合的数据融合算法,该算法加快了数据处理...     

基于ELM和迁移学习的电网设备多因素综合故障率分析方法

电网设备的故障率分析是电网风险预警和运行评估的基础和关键,而电网设备多种故障因素与综合故障率的非线性权重关系的评估决定了故障率分析的准确度,为充分利用历史故障信息数据以准确评估多故障因素与综合故障率的权重关系,本文提出一种基于极限学习机（ELM）和迁移学习的电网设备多因素综合故障率分析方法。设计了多源历史故障信息统计体系,构建电网设备故障分析样本数据库;将自身、过载、恶劣天气等作为主要故障因素,通过机器学习ELM算法分析故障因素与综合故障率的权重关系,并利用多个强相关样本集的有效迁移提高机器学习的准确度,通过ELM结合迁移学习算法克服了电网设备综合故障率分析中样本数量少且统计周期长的难题,在充分利用历史故障信息的同时实现设备综合故障率的准确评估,为风险评估和检修安排提高可靠的数据支撑。最后通过实际电网运行数据验证了所提方法的可行性和准确性。     

基于全息时标量测数据挖掘的配电网设备健康状态诊断分析

大数据、数据挖掘等新技术的出现和进步,为建设智能配电网提供了新的技术手段。为实现对配电网运行状态的真实还原、精细分析和精准预测,详实有效的配电网设备运行数据记录和支撑是关键,研究了配电网全息时标量测数据的变化即存储技术,基于全息时标量测数据研究了配电网设备健康状态诊断的方法,对配电网历史数据以及模型信息等进行了深入的数据挖掘,通过聚类分析、线性回归算法、熵权法等建立了设备状态诊断模型和评价体系,实现了对设备故障评估和预警分析等,为及时发现配电网的薄弱环节,保障配电网设备的安全稳定运行提供了有效手段。系统已在地市供电公司的配电网诊断方法研究与实现项目中得到实际应用,很好地满足了地市供电公司的配电网精益化管理需求。     

基于电力市场环境下的电网企业风险预警体系的管理创新与应用实践

随着电力体制改革的深入推进,未来发电、输配电、售电产业格局将发生根本改变,对电网企业的监管方式也将转变。电网企业必须以更低的成本、更高的效率和更优质的服务来提升企业竞争力,这样才能在改革的浪潮中站稳脚步。利用大数据挖掘技术探寻基础数据价值,打破专业壁垒,促进部门联动,促使各项指标可控、能控、在控,在异动发生前干预,将事后监测向事前预警有效转变,将为电网企业科学管理及决策提供有力支撑。通过利用大数据挖掘技术发掘各指标间潜在的关联关系,据此建立风险预警网络,一旦发现指标异动,其关联的其他指标自动提前预警,达到牵一发而动全身的效果。同时,建立横向协同机制,打破专业壁垒,各部门及时有效应对,最终实现提升公司运营效益和效率的目的。     

基于电网物资大数据的质量预警系统研究

国网物资有限公司是服务于国家电网有限公司物力集约化管理的专业机构和总部集中招标代理平台。公司以服务物力集约化管理和电网建设为己任,充分发挥自身优势,建立了一套基于电网物资大数据的质量预警系统。该预警系统充分利用科研院所、生产厂家数据资源,通过收集、挖掘电网物资生产厂家信息、原材料市场价格、用工成本、行业合理利润、缺陷等数据,利用大数据思维,从设备生产的“人机料法环”五个环节出发,以主流供应商成本调研数据为基础,构建成本模型、质量缺陷库、平均成本数据库,并采用正态分布分析法,建立了基于一套“红黄绿灯”的预警逻辑的质量预警系统。本文以配电变压器举例说明。     

基于大数据的电网规划精益分析平台研究与应用

随着新能源的大量接入和用户的广泛参与,电网企业的数据呈指数级增长,电网规划部门迫切需要运用大数据的分析手段提高规划决策的精准性。本文以地市供电公司的实体业务为切入点,基于地理位置信息,在数据融合贯通的基础上,运用数据可视化技术多维度动态展示地区电网负荷分布和电网供给能力,辅助规划人员快速发现负荷分布规律和电网薄弱点。运用大数据分析挖掘方法构建基于负荷特性分析的负荷预测模型,支撑电网项目和运行方式安排。打破电网负载问题的单一评价方法,建立可度量的电网综合评价体系及模型,为电网项目统筹提供量化依据。基于大数据的电网规划精益分析平台通过电网负荷可视化展示,有效提升了电网诊断分析效率,运用大数据分析方法提高了地区最大负荷的预测精度,实现了电网问题的数字化评估,提高了电网规划投资决策的精准性。     

基于大数据挖掘的发电组温升预警方法研究

传统方法所测得的残差无法作为判断发电组温升故障的依据,为解决这一问题,提出基于大数据挖掘的发电组温升故障预警方法研究。首先应用大数据挖掘技术收集数据,分析影响发电组温度的因素,依据发电组温度的因素与发电组温升故障预警基本原理,构建发电组温升故障预警逻辑判断结构;最后考虑到传统方法存在缺陷,运用大数据挖掘技术已有算法建立模型,实现预警,由此,完成基于大数据挖掘的发电组温升故障预警方法的设计。     

基于配用电大数据的供电电压监测与分析研究

提升电压合格率是供电企业的重要任务,要管理好该项指标,必须建立起完整的、能够反映电网电压全貌的供电电压监测管理体系,故本文提出了基于配用电大数据的供电电压监测与分析的思想。基于现有具备电压监测功能的在线监测终端,实现变电站10kV母线、10kV馈线、配电变压器、各电压等级用户的电压全监测,从而及时发现电压异常情况。整合利用现有信息化系统的相关数据,深入分析电压异常原因,能快速定位瓶颈问题。本文结合某供电局实际案例,验证了基于配用电大数据的供电电压监测与分析的可行性和有效性。     

配电网中大数据的挖掘应用

为了适应日益增长的电力需求,解决配电网点多面广、设备多、管理难度大、配电网信息实时性低等问题,本文系统梳理了国际、国内配电网发展现状,以及数据挖掘与分析处理技术在配电网的应用研究情况,将大数据挖掘应用引入配电网日常管理,利用大数据分析,针对电网运行和设备检测或监测数据、电力企业营销数据、交易电价、售电量、用电客户等方面的数据,结合地域配电网网架结构,对配电网存在的薄弱点,尤其在迎峰度夏和春节保供电等用电高峰期,通过事前提前研判、事中实时指挥、事后深入分析,提前发现未来病态设备,推进配电网设备在线化、透明化、智能化,将配电网由“修得快”向“不停电”转变,提升优质服务水平,并希望能对今后相关研究时间工作提供一定的参考价值。     

基于数据驱动的电力安全生产事故风险预警研究

智能电网的快速发展和广泛应用为电力企业提供了来源复杂、结构多样的海量数据，使得智能电网成为大数据最重要的应用领域之一。如何应用大数据技术实现对电力安全生产数据的采集、存储和挖掘，进而提高电力企业的安全生产水平成为当前重要的研究课题。本文首先阐述了电力大数据和大数据技术的基本概念，然后借鉴传统的“海因里希法则”的思想，从隐患的角度出发，运用大数据技术对我国某省电力安全生产数据进行处理，通过这些数据建立某省电力企业的安全事故比例模型。再通过回归分析，对未来可能存在的隐患数量进行预测。最后根据安全事故比例模型对未来可能发生事故、事件数量做出预测，确定隐患数量的控制目标，形成一套安全生产预警模型，从而达到消除隐患、减少事故发生目的。