数据挖掘在电力系统的应用

>14.3
C2H4
<=14.3
(3)If H2>713 Then 低能量放电； (4)If C2H6 > 321
H2
局部 放电
Then 中温过热故障
<=713
>713
C2H6<=321 Then 高温过热故障
C2H6
低能量 放电
……….
<=321
>321
>10.1
低能量 放电
2020/9/7
高温 过热
同类设备记录 该设备记录 环境温度 海拔风速 湿度
运行环境
变压器运行状态结构图
负载情况 渗漏油 异常噪声
运行工况 及外观
分析建模-决策树
结果输出——决策树
C2H2
用转换后的数据建立决策树
<=10.1
也可用规则来表达：
(1)If C2H2>10.1 Then 低能量放电； (2)If C2H4<=14.2 Then 局部放电故障；
A1.电力公司系统结构 A2.电力公司历年供电需求数据 A3.电力公司历年供电规划 A4.电力公司供电策略 A5.电力公司历年供电预估报告 B1.省用电需求调研报告 B2.省社会结构报告 B3.省天气历年评估报告 B4.省小型水电长调研报告
数据项 数据项
降雨 企业用电户数
气温 各企业用电量
风速 全社会用电量
2
源自文库
解决思路-数据挖掘技术
➢ 数据挖掘技术是利用海量的数据进行预测分析的一种有效手段。而随着电力公司信 息化的普及，电力企业积累了大量与负荷预测相关的数据，这为企业使用数据挖掘方 法进行负荷预测提供了坚实的基础。
数理模 型方法
水平趋势 预测法
线性趋势 多项式趋 季节型趋 预测法 势预测法 势预测法
增长趋势 线性回归 时间序列 灰色预测
业务分析
1.监测数据都有哪些？质量如 何？ 2.数据都是什么含义？ 3.数据值的变化趋势意味着什 么？
数据理解
变压器
检修记录
油中溶解气体
电气试验
绝缘油特性
其他情况
氮气含量
乙炔含量
甲烷含量 氢气产生 速率
乙烯产生 速率
甲烷产生 速率
绝缘电阻
油中微水
吸收比
油介损
泄漏电流 介损值
绝缘性能
绕组直流电阻
电气性能
2020/9/7
电力负荷 …
滞后效应
滞后效应是指由于小水电主要分 布于山区，并且所在流域的集雨 面积较广，降雨到达地面并显著 影响小水电发电需要较长过程， 从而造成对电网电力负荷影响滞 后。
主要影响表现为由于无法精确预 估降雨造成的滞后程度，而造成 电力负荷预测精度的不稳定，进 而对于电网生产的稳定性带来隐 患。
中温 过热
13
成果
分析后的成果
减少了手工作业强度 减少由检测中拆卸造成的新隐患 更好的制定检修策略 提高了预防事故的能力 减少了计划性停电 降低库存设备的成本
14
目录
水电负荷预测 变压器故障诊断 PMS数据挖掘分析
2020/9/7
15
案例背景
国家电网公司生产管理系统一期 (简称PMS 1.0)已投入使用多年，系统积累了 大量的数据（包含结构化和非结构化），电网公司希望启动PMS2.0系统的建设，将 这些数据有效利用起来，但由于数据量大，数据复杂程度高，使得系统的建设遇到 了困难
湿度
平均温度
降雪量 大相对湿度
区域人口 小相对湿度
区域面积 日照时数
居民户数 库容量
▪ 方案编写及移交 ▪ 方案培训 ▪ 与业务系统集成开发
1 需求调
研
2 数据采
集
3 建模分
析
4 部署与
应用
▪ 水电影响因素分析
▪数据预处理；
▪ 数据基础分析
▪数据模型构建；
2020▪/9预/7 期的实现方式
▪模型评估
对设备状态的准确判断是关键
项目目标
变电站主变都有哪些故障需要用状态监测来判断？ 需要分析变压器的故障树
变压器故障
铁心故障 检测装置故障 绕组故障 绝缘油老化 套管故障 渗漏油 冷却故障 开关故障
温度计故障 油位指示故障 继电器故障 在线检测装置 风扇故障 散热器故障 油泵故障
变压器主要部位常见故障模式故障树模型
5
成果
➢全市供电负荷预测
历史负荷数据
未来24小时预测
2020/9/7
6
成果
➢分区县未来24小时负荷预测
2020/9/7
7
目录
水电负荷预测 变压器故障诊断 PMS数据挖掘分析
2020/9/7
8
项目背景
计划检修存在的不足
• 巨大的人力物力消耗 • 频繁的拆卸造成的新隐患 • 频繁的停送电操作 • 库存大量设备造成先期老化 • 造成一定时间段工作量剧增
经验O预pt测im技i术zation
3
数据挖掘预测技术简介
➢ 数据挖掘预测技术包含支持向量机、神经网络、回归模型、L1/2等预测技术，以及 相关的数据处理技术，能够适用于进行长期、中期、短期预测。
预测方法类型
方法名称
支持向量机 回归
数据要求
一种有效的智能预测技术；需求的数据项包括降 雨量、气温、风速、湿度、降雪量、日照时数、 区域人口、区域面积、居民用电户数、企业用电 户数、大型企业用电量、中型企业用电量、小型 企业用电量、农业用电量、全社会用电量等
应用环境
数据挖掘预测 技术
神经网络 回归模型
与支持向量机数据要求类似 与支持向量机数据要求类似
根据分析需求可以使用 进行长期、中期、短期 预测
2020/9/7
L1/2回归 与支持向量机数据要求类似 时间序列 历年的用电量数据
更适合于进行中长期期 预测，短期预测易受到 随机因素的干扰 4
实施过程
➢某市小水电电力负荷预测影响分析工作总体开展过程：
预测值 实际值
六安市
2020/9/7
1
需求分析
➢ 小水电对地区电力负荷影响明显，是影响电网负荷的一个主要因素，主要表现为： 累积效应、滞后效应。
累积效应
累积效应是指由于降雨小水电开 始蓄水，并具备持续发电能力， 从而对电网的负荷产生影响。
主要影响表现为无法掌握效应的 开始结束时间，从而无法对小水 电的持续发电量进行精确预估， 最终给电网购电计划的制定及电 网稳定性产生负面的影响。
预测法
预测法 预测法
法
数据挖掘在海量数据处理 方面的明显优势促使企业 和研究人员开始关注使用 数据挖掘方法来解决电力 负荷预测问题。
2020/9/7
数据 挖掘 方法
支持向 量机
神经网络
L1/2 线性回归
时间序列 异常检测
经典 方法
负荷 比例系数 弹性 密度法 增长法 系数法
单耗法
专家 预测法
类别法
主观概率 灰色预测 预测法 模型
背景
➢ 某市小水电众多，给电力公司电力负荷预测带来了较大的偏差，并由此造成了电能 大量浪费、电网稳定性降低等问题。因此，选取有效的预测方法，对电网负荷进行精 确预测，减少由此造成的电能浪费、提高电网稳定性就成为了某市电力公司关注的一 个重要问题。
某市小水电众多
对电力负荷预测产生较大的影响
二者表现出 较大的偏差