基于数据融合与智能分析算法的电网抢修管控技术研究

陈佳雪，金海川，张磊，王东方

（国网吴忠供电公司，宁夏吴忠 751100）

城市供电网络是电力系统的重要组成部分[1]，配电网主要由架空线路、电缆、杆塔等附属设备构成，按照电压等级通常可分为高、中、低压配电网3种[2-4]。现阶段随着用户用电需求的不断上升，配电网的供电负荷逐渐增大，且对确保电能质量、减少停电次数的要求也越来越高[5]。因此，供电企业需要进一步提高电网设备安全、可靠供电的能力。其中，对电网故障的抢修处置是影响供电可靠性的关键因素。

关于电网抢修，故障点的确定时长是影响抢修效率的重要因素，提高故障点的查找速度对抢修效率起着关键作用。数据统计结果显示，大约80%的停电都是由配电网故障引起的[6]，由于配电网直接连接到用户，因此一旦发生停电故障，就会给生产生活带来不便，影响用户体验，严重时还会危害财产和人身安全[7]。

国内外对电网数据利用的相关建设工作研究大多集中在电网自动化主站的建设、线路通信等方面[8]。通过先进的智能化数据处理技术以及融合算法等可以充分提高信息利用效率，提升电力公司设备等资源的管理水平，甚至在一定程度上实现故障自动隔离[9-10]。而在当前的抢修管控工作中，未能及时、有效地利用数据信息，因此无法实现快速抢修指挥，且难以对目前的抢修工作进行有效的跟踪记录[11]。

在大数据调用和共享均已较为便捷的信息化时代，采用数据处理技术实现抢修作业、流程和工器具配置的标准化，使得大幅缩短故障抢修时间成为了可能[12-16]。文中通过对抢修数据的融合和智能分析，进行了基于数据融合与智能分析算法的电网抢修管控技术研究。通过智能算法的应用，提升了抢修管控效率，提高了供电的可靠性。

1 抢修数据管控

目前电网发生故障后，通常是由调度直接通知基层检修部门的抢修班组前往现场检查，并给出工作许可指令。大多数电网公司基层配网抢修指挥业务隶属于营销部门，由该部门将客户故障类诉求通知给检修部门的基层抢修班组。目前基层抢修班组仅被动接受处理故障的命令，不同部门之间的信息流通存在障碍、延时以及业务协调困难等问题。

1.1 电网抢修数据

抢修业务大部分来自于营销部门，客服中心收到用电客户的诉求后，将故障类诉求通过工单形式派发给故障地的基层抢修班组。抢修班组人员在系统中接收工单处理故障，并在完成抢修后回复工单。电网抢修业务的流程图如图1 所示。

图1 电网抢修业务流程图

1.2 抢修数据管控需求

电网抢修指挥业务的信息化应基于国家电网的信息系统建设文件要求，并可以保障数据信息的安全、应用系统的稳定、标准化的管理流程以及可维护性，同时还要能够满足未来一段时间的使用需求，具有前瞻性和可扩展性。

1）故障诊断和精确定位：为了实现电网发生故障后的自动定位功能，需要对调度以及配网数据信息实时监控获取。通过利用信息处理与智能融合分析等技术将获取的数据整合，用于自动诊断故障类型、故障范围以及判断故障位置，并利用对接信息对其矫正与修复，确保定位的精确性和诊断的准确性。

2）资源调度方式优化：诊断出故障的位置后，需要制定科学的故障抢修方案，并优化分配资源以提高抢修效率。在统筹抢修人力、物资、工具等资源的同时，也需要考虑到若同时并发其他多地故障的可能，应合理安排抢修处置的基层班组工作人员、电力工程车辆以及抢修工具设备等，确保最优化地调度应急资源。

3）不同部门业务集成：加大生产与销售业务的运用集成和有机结合，应用信息融合算法对抢修有关的业务部门信息进行有效管控，合理融合电网抢修平台相关部门的数据，增加抢修数据管控效率与调度科学性，明确信息利用范围，便于业务的高效扩展。

1.3 抢修数据总构架

如图2 所示，文中基于国家电网的数据信息建设标准及营销部门业务规范，以电网抢修方案和指挥方式为应用中心，以具体的流程化规定实现抢修闭环管控。其中，数据融合采样包括总体批量抽取和实时定点抽取两种。总体批量抽取主要针对非实时静态数据，类似于设备台账、电网用户信息等；实时定点抽取数据主要针对实时性要求高的动态数据，并通过数据融合和智能分析算法进行处理。

图2 抢修数据处理总体构架

2 数据融合和智能分析算法

2.1 数据源特点和分类

目前关于电网抢修管控需要涉及的部门职责和管控融合数据有以下几个方面：

1）供电服务指挥中心、运维检修部、营销部、调控中心共4 个部门需要进行协同工作。故障抢修工单处置、非故障抢修类工单处置、配电网设备运行监控、停电信息发布等信息处理业务需要在各部门的平台上及时上传、发布，且数据共享的格式和类型都需要做到统一适用。

2）自动故障预告警。利用好电网的海量历史故障数据，深度挖掘有效信息，采用大数据Spoon 流式算法预测长期重过载、低电压、三相不平衡等隐患，生成自动报警工单，应用历史数据信息帮助诊断故障原因并给出处理的措施和建议，精准派发预警工单给基层抢修班组。

3）故障准确定位。基于PMS、GIS 和营销系统的电网用户网络拓扑信息，综合判断停电计划、欠费客户、报修客户、故障线路、应停电线路等多类信息，提高抢修作业的效率。

4）提升故障响应速度。以邻近规则分类法为基准分析受影响用户，通过大数据处理技术自动提取受停电故障影响的精确客户信息。综合停电故障类型、受影响范围电力客户的重要性等级、预计停电时长，再结合基层抢修班组的故障修复能力、当前抢修车辆轨迹等信息，智能派送工作单。

2.2 数据融合算法

为打破传统数据库无法包容多源数据的瓶颈，文中将抢修数据库分类为多源的异构数据资源湖、资源管控及数据应用，以完成多源数据的采集融合算法。具体而言，即按照通用统计业务模型(Generic Statistical Business Process Model，GSBPM)，以国家电网抢修统计元数据标准为基础，使用DDI+SDMX 标准，统计描述管控需求、设定任务开发的总目标、集中上报数据和智能分析融合过程。最后采用DDI 规范设计储存标准，使用SDMX 标准确定数据源，逐个分类并将数据融合，从而实现电网抢修数据的识别统计和交换标准的统一。数据融合模拟框架如图3所示。

图3 数据融合模拟图

将采集的数据使用自适应加权融合算法，基于加权的自适应数据融合理论，以最小化运算结果总误差为标准，采用以下公式使数据融合算法值X最优。总的目标误差应满足：

其中，σ2是总均方误差，A是各类数据自身的均方误差，B是各类数据之间互相影响的均方误差，wr、ws是r类数据和s类数据的加权因子，Xr是各类数据的实际值，X是各类数据的目标值。

各个数据值与待估计值之间相互独立，由于σ2为各个权重数的二次多元函数，所以一定存在最小值，且最小值经计算可表达为：

以上算法的数据为电网各部门对抢修业务管控的数据融合结果，若目标值X为常数，则可用历史数据融合。

2.3 智能分析

通过智能分析得到各最佳权重，对对应的权重因子进行融合计算得到最终融合值。确定wr、ws等加权因子时一般选用层次分析法，基于专家经验对每类数据进行两两比对，再通过多数据源尺度确认各加权因子，但由于层次分析法（AHP）主观性过强，所以必须引入模糊数的概念。文中将三角模糊数算法与AHP 结合，通过对评价指标的对比分析得出相对重要度，从而减少分析结果中的非客观影响因素。具体分析方法如下：

1）构造模糊判断矩阵。n个电网专家对抢修业务的m类指标给出n个模糊数，记为M1(x11,x12,…,x1n)、M2(x21,x22,…,x2n)、Mm(xm1,xm2,…,xmn)。然后对n个模糊数取算术平均，整合成一个模糊数，如式（5）所示：

2）计算初始权重。首先对各数据类型进行分层处理，再在每层中用模糊数矩阵某行元素之和除以该矩阵的全部模糊数之和，即可得到该行所对应特征量权重的初始值。最后，利用同样的方法对其他层的数据进行处理，得到所有数据的初始加权因子：

3）对初始加权因子进行去模糊化处理：

式（7）定义了数据可能度。经算法得到w的值，其是经模糊化后的各个数据的加权因子。再由标准化处理，将这些加权因子变化到（0,1）区间中，即是最终所求结果。

3 算例分析

采用数据融合与智能分析算法的抢修管控方案，可以充分利用相关数据实时获取信息，优化调度单位抢修业务所涉及到的部门。通过数据分析预测故障，实现抢修主动性，并利用这种方法减少停电时长，提高工作效率。文中以2019～2020 年国家电网吴忠供电公司的配网抢修数据为来源，采用数据融合与智能分析算法对电网抢修进行管控效果分析，其结果如表1 和图4 所示。

图4 工作日和节假日抢修效率

表1 电网抢修业务效率

由表1 可知，对于电网出现的故障，基于数据融合和智能分析算法新方案的抢修工单派出效率相比传统方案提升了近10%，平均达到了95%以上，得到了大幅提升，而抢修中的故障定位效率也由传统方案的平均80.5%提升到了平均93%。

由图4 可知，新方案比传统方案的效率提升明显，周末及节假日的抢修效率略低于工作日，但总体差别较小，这是由于节假日的人力资源略少，但是基于数据融合算法的新方案在节假日的抢修效率提高得更多，达到了13%。需要注意的是，文中数值实验为基于历史电网抢修数据进行的智能化数据融合分析结果。未来，随着算法应用参考时间的增加，抢修工作的效率会进一步提升。

4 结束语

文中基于数据融合与智能分析算法提出了新的电网抢修管控技术方案，并通过案例测试结果证明该技术可以提高电网抢修业务的效率。对于电网抢修管控平台的技术设计研究，供电公司需要对抢修流程涉及到的各部门数据进行融合共享，扩大信息的多元性。对于当前海量数据信息缺乏有效挖掘、典型缺陷的智能识别度低、无法揭示缺陷的规律特征、缺少专家库的辅助决策支持等问题，通过数据融合与智能分析算法均可进一步得到改善，基于此可以提高用户满意程度以及电网供电的可靠性。