低压配网台区运行健康度的分级差异化智能体检方法研究

第 32 卷 第 7 期2019 年 7 月

江西电力职业技术学院学报

Journal of Jiangxi Vocational and Technical College of Electricity

Vol.32 No.7

Jul.2019

低压配网台区运行健康度的分级差异化智能体检

方法研究

韩海安

（国家电网山西省电力公司计量中心，山西太原 030000）

摘 要：台区的运行健康度评价是低压配网网格化、精细化管理的基础任务。基于台区数目众多、缺乏规范管理的现实约束考虑，利用大数据平台和多源异构数据治理技术，提出了一套台区运行健康度的分级差异化智能体检的方法。该方法首先采用自组织神经网络聚类技术将台区分级为综合考虑地理属性和经济属性的15大类，然后再针对每大类台区利用层次分析法实现差异化的主题指标主观权重量化、利用熵权法实现三级细分指标的客观权重量化、利用优劣解距离法实现三级细分指标的百分制映射，最后考虑主客观综合权重给出台区的运行健康度评分。以山西省107179个实际台区数据进行分析，台区健康的智能体检评分准确率在94%左右，验证了该方法的有效性和适用性。

关键词：台区管理；低压配网；运行评价；数据挖掘

中图分类号：TM714.3 文献标识码：B 文章编号：1673-0097(2019)07-0014-03

0 引言

低压配网台区是电网组成的重要环节，其与电力用户联系最为紧密。台区上承供电站所，下接终端用户，是电网直接感知问题及提供服务的末端神经元。随着电网对服务意识的逐步提高，加强了对台区线损率、投诉率以及供电质量等指标的考核［1~3］。在此背景下，台区分级考核和精益化管理已成为当下日益凸显的难题。

1 文献综述

目前，台区治理现状和管理工作中面临诸多问题。例如，台区的重要数据分散在各个部门和各个环节中，而且数据的类型、格式、内容多样，难以处理。更重要的是，目前还没有找到一种有效的技术手段对配网台区的运行状态进行科学评价。这方面突出表现是无法量化配网台区的运行健康度，从而难以为台区精细化管理提供科学决策参考。

因此，如何对海量台区的数据进行融合、治理，并快速、准确地对台区的运行健康度进行量化评估是目前亟待解决的一个问题［4~6］。调研表明，国内外的相关文献多集中在构建智能电网的综合评价上，而对配网台区评价，甚至对配网评价的研究还比较少。羌丁建、寿挺、朱铁铭等［7］采用层次分析法(AHP)来评价高压配电网的规划方案。丁明、过羿、张晶晶等［8］开创了一个新的研究视角，基于效用风险熵权来评估复杂配网节点的脆弱性。欧阳森、杨家豪、耿红杰等［9］基于改进型序关系分析法实现了对台区状态的综合评价。马纪、刘希喆［10］基于序关系-熵权法实现了对低压配网台区的健康状态进行评价。欧阳森、陈欣晖、耿红杰［11］基于功效系数法来评价低压配网台区的电压特性。曹阳、孟晗辉、赵力等［12］基于层次分析法来综合评价新农村的低压配电网规划。

本研究是我们前期工作的进一步深化，从低压配网台区运行健康度量化和提升台区管理水平入手，通过面向山西省11个地市、面向计量装置厂家、面向通信方案等多个维度的数据接入，实现综合了采集数据、营销数据、费控数据、线损数据等多源异构大数据下的台区运行健康度的量化评分，为基层开展台区精细化管理和采集运维提供技术服务［13］。

2 台区聚类

2.1 聚类描述

我国的低压配电网规模庞大，低压配电网台区广泛分布在各个地区。所处的地域不同，配电网建设的环境、时间、等级也各不相同。因此，不应该以单一的标准对其运行健康度进行评判。所以，有必要先对山西所有台区通过自组织神经网络算法（Self-organizing Maps，SOM）聚成几个大类，后续每个大类用不同的层次分析法指标重要度专家判断矩阵来量化主观权重。优选SOM聚类最重要原因在于SOM具有捕捉特征之间非线性组合表示的能力。

在台区聚类分析的数据特征选择上，考虑了台区用户、台区地理、台区运行、台区管理四个维度的101项细分指标。在SOM聚类输出上，设计了考虑台区经济属性和地理属性的15个粗分类型：经济属性包括经营性的、生活性的和综合性的，地理属性包括山村、农村、乡镇、城乡及城市。

2.2 SOM算法

本研究中SOM聚类算法的计算层选取二维网络形式。这是因为我们期待将台区群体聚类到考虑台区经济属性和地理属性的二维空间表达中，并且考虑到了经济属性和地位属性都有前后邻接逻辑。比如，从台区经济属性来看，综合性是经营性和生活性的中间过渡形态；从台区地理属性来看，从山村、农村、乡镇、城乡到城市更是逐级邻接的。SOM聚类算法的本质是在学习过程中找到并更新获胜单元（即与目标单元距离最短的计算层单元），同时更新邻域权值，并使输出层保持输入层的拓扑特征。SOM聚类算法流程（见图1）。

收稿日期：2019-05-19

作者简介：韩海安（1969- ），男，山西新绛人，高级工程师，研究方向：输配电及用电工程、电气工程、电能计量、大数据应用，物联网.

第 7 期方法研究

15

图1 SOM聚类的算法流程

从山西全省107179个台区的SOM聚类结果可以看出：城市综合性台区占比最多为18.91%，山村经营性台区占比最少仅为0.03%（见表1）。针对15种聚类台区簇，随机抽取接近1%比例的观察样本，通过人工核查比对得出SOM聚类结果的准确率估计约92%。

表1 山西全省台区群体的SOM聚类结果

SOM聚类维度台区个数比例/%

城市经营性6154 5.74综合性2026818.91生活性101369.46

城乡经营性5969 5.57综合性1989418.56生活性100029.33

乡镇经营性4290.40综合性8730.81生活性5470.51

农村经营性3066 2.86综合性1615415.07生活性1338412.49

山村

经营性330.03

综合性1820.17

生活性890.08

合计107179100%

3 台区健康智能体检算法

3.1 数据归集

台区健康智能体检基于Hadoop开源技术框架进行

分析，数据存储、运算基于Hadoop大数据平台之上进

行。系统数据主要来源于用电信息采集系统、营销业务

应用系统、费控系统、PMS系统等，形成了132张数据

表，覆盖配网运行、台区规划、营业管理、计量采集、客

户服务、同期线损6大类，涵盖了配变、电量、电费、采

集等15个主题，包括了电压合格率、采集成功率、同期

线损率等40项指标，日均交互数据量达4200万条次。

3.2 台区健康体检建模

以下是台区健康体检打分模型流程（见图2）

。

图2 台区体检打分模型流程

3.2.1 TOPSIS法指标评分映射

TOPSIS的全称为逼近理想解的排序方法［14］。该方

法以对象间的欧式距离作为优劣排序的标准，如果被

评价对象距离最优解对象较近且距离最劣三级细分指

标，进行信息贡献大小的客观赋权。

3.2.3 AHP主题指标主观权重量化

如果被评价对象距离最优解对象较远则评分较

高。本研究中有些指标评分会充分考虑专家经验进行

规则修正。

3.2.2 熵权法指标客观权重量化

基于熵权法对已映射后的指标数据，比如自动抄

表核算比例、零度用户占比、电压合格率、拓扑关系自

动识别率、采集覆盖率等40项。

基于AHP计算台区健康度非底层指标的主观权

重。在实际数据分析过程中，依据现实数据可用情况和

专家业务判断，将评价指标体系简化后分层归纳为三

层结构（见图3）。