基于大数据的配变重过载预警分析

合集下载
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

图 1 配变重过载预警分析总体设计思路 Fig������ 1 Overall design idea of overload warning analysis
for distribution transformer
3������ 2 构建配变重过载分析模型 构建配变重过载分析模型ꎬ首先ꎬ尽可能多的收集
有关及无关数据ꎬ配变相关数据包括配变生产厂家、投 产时间、生产时间、历史负荷等ꎬ无关数据包括天气、地 理信息等ꎬ扩大可能影响配变负荷或导致配变重过载 的因素范围[8] ꎮ 其次ꎬ要对各类配变数据进行清洗、属 性规约、数据变换ꎬ形成配变因素数据集合[9] ꎮ 最后ꎬ 采用随机森林算法对所有历史数据进行计算ꎬ由重到 轻排列出影响因素ꎬ计算影响因素因数[10] ꎮ 3������ 3 构建配变重过载预警模型
验证模型的准确性ꎬ若出现偏差数据ꎬ则将偏差数据 纳入历史数据中重新开展分析ꎬ对模型进行纠偏ꎬ并 再投入验证ꎮ 验证过程中ꎬ增加字段范围ꎬ提高验证 精度ꎬ提高模型准确度[13] ꎮ
4 配变重过载分析大数据模型总体架构
基于大数据的配变重过载预警分析的系统架构 分为数据源、数据接入、数据存储计算、挖掘算法、可 视化场景分析等 5 层ꎮ 系统架构见图 2ꎮ
3 配变重过载预警大数据分析方法
3������ 1 总体思路 基于配变自身属性、用电客户信息、外部环境信
息、设备运维数据等ꎬ研究配变重过载与影响因素之 间的关系ꎬ运用数据挖掘算法ꎬ分析研究各影响因素 对设备重过载影响的相关性和重要性程度ꎬ构建影 响配变重过载发生的影响变量ꎮ 使用分类预测挖掘 手段ꎬ应用随机森林算法ꎬ对这些影响变量和目标变 量进行分析计算ꎬ建立关系模式挖掘模型ꎬ基于最终 预测结果准确度ꎬ选择最优的模型ꎬ实现对设备重过 载的提前预警[7] ꎮ 总体设计思路见图 1ꎮ
(1������ 国网陕西省电力公司培训中心ꎬ陕西 西安 710032ꎻ 2������ 国网陕西省电力公司西安供电公司ꎬ陕西 西安 710032)
摘 要:本文旨在利用大数据技术对电力数据进行系统挖掘ꎬ提供精准负荷预测ꎬ为供电安全监视、预防性控制和紧 急处理提供依据ꎮ 文章结合西安地区配电网运行中存在的Βιβλιοθήκη Baidu题ꎬ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ꎬ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ꎬ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ꎬ使用分类预测挖掘手段及随机森林 算法ꎬ分析计算影响变量和目标变量ꎬ建立关系模式挖掘模型ꎬ构建配变重过载分析及预警模型ꎬ完成模型验证与纠 偏ꎬ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ꎬ为电网运维 提供有力支撑ꎮ 通过基于大数据的配变重过载预警分析ꎬ提高运维工作效率ꎬ实现电网安全可靠运行ꎮ 关键词:配变ꎻ重过载ꎻ大数据 文章编号:2096 - 4633(2018)10 - 0038 - 05 中图分类号:TM71 文献标志码:B
从配变重载和过载两个角度出发ꎬ分别考察专变 和公变在空间、时间和行业三个维度下的重过载分布
第 10 期
邱小耕ꎬ等:基于大数据的配变重过载预警分析
情况ꎬ对重过载特点进行整体把控ꎬ分析影响重过载 发生的重要因素和特征ꎬ实现全年配变重过载概览、 重过载发生时段特征、重过载发生日期特征、重过载 发生行业特征可视化展示等ꎬ提高检修效率[6] ꎮ
������38������
掘与预测研究ꎬ可避免电网设备被动检修造成的电 网和用户损失ꎬ提高重过载设备的治理效率和效果ꎬ 具有一定的现实意义[1] ꎮ
2 配变重过载大数据分析目标设定
2������ 1 实现配变重过载提前预警 开展配变重过载大数据分析的目的之一ꎬ是提
前提供设备重过载清单ꎬ为电力运维抢修提供参考ꎮ 通过数 据 分 析ꎬ 从 影 响 配 变 重 过 载 发 生 的 因 素 着 手[2] ꎬ挖掘引起配变重过载的关键影响因素ꎬ采用 具有良好抗噪性能的机器学习算法[3] ꎬ解决传统分 类模型精度不高等问题ꎬ建立适用于大量配变的预 警模型ꎬ实现对设备重过载的提前预警ꎬ给出未来一 周的配变重过载清单[4] ꎮ 2������ 2 实现配变安全评级
随着社会经济的飞速发展和电力需求的快速增 长ꎬ生产、生活用电负荷不断攀升ꎬ供电设备所承受 的重过载压力也日趋严重ꎬ当前已成为影响电网稳 定运行的安全隐患ꎮ 特别是在用电负荷高峰期ꎬ配 电变压器容量不足ꎬ导致拉路限电ꎬ甚至造成变压器 烧坏ꎬ对人民生产、生活造成威胁ꎮ 同时ꎬ电网设备 长时间处于重过载状态加快元器件老化ꎬ降低设备 使用寿命ꎬ也给电网带来故障隐患和运行风险ꎮ
1 配变重过载情况应对与分析
配电网处于电力网的末梢环节ꎬ数量众多ꎬ与用 户关系密切ꎬ10 kV 配电变压器一旦出现故障ꎬ将直 接影响用户供电安全ꎮ 传统上电力系统对配电变压 器重过载治理方法ꎬ主要是利用电力监控系统进行实 时检测ꎬ根据工作经验设置阈值等预警方式ꎬ进行事 后应急处置ꎬ由于缺乏先进的技术手段ꎬ工作被动ꎬ投 入成本高ꎬ控制精度及效率均也无法满足供电需求ꎮ
2018 年 10 月 第 21 卷 第 10 期 Oct������ 2018ꎬVol������ 21ꎬNo������ 10
电力大数据 POWER SYSTEMS AND BIG DATA
大数据专题 Big Data Special Reports
基于大数据的配变重过载预警分析
邱小耕1 ꎬ董向瑜2 ꎬ张 鹏2 ꎬ梁 卫2 ꎬ郭 军2 ꎬ白开峰2 ꎬ梁芝贤2 ꎬ冯 超2
根据配变投运时长和历史重过载情况ꎬ对配变 进行安全风险评价和评价等级划分ꎬ给出配变损耗 评级清单ꎮ 通过对配变安全评价ꎬ挖掘投运年限更 久、累计重过载时长更长、累计重过载次数更多的配 变信息ꎬ实现进一步聚焦ꎬ对更容易造成电网安全危 害的配变进行重点关注ꎬ实现配变安全可控[5] ꎮ 2������ 3 提供重过载配变因素及特征
配电网运行除了要充分考虑设备和线路本身的 性能和状态外ꎬ还受到外部气候、环境、用户等各种 复杂因素的影响ꎬ具有明显的大数据特征ꎮ 利用大 数据技术ꎬ对电力数据进行系统挖掘ꎬ提供精准负荷 预测ꎬ能为供电部门安全监视、预防性控制和紧急处 理提供依据ꎮ 基于电力大数据理念ꎬ融合电网内部 数据与外部环境数据ꎬ开展配变重过载影响因素挖
相关文档
最新文档