基于关联数据异常分析线损精益化管理研究与系统开发

周树 杨霁 孙继泽 周良浩

摘   要：线损是影响电网企业经营效益的核心要素之一，也是衡量电力系统设计、生产、管理的重要指标，直接关系到电网企业的经济效益。加强线损管理，最大程度的降低线损，是电力企业增加经济效益、保持良好发展态势的重要途径。为更好的实现线损全自动归真管理国网公司推行同期线损管理，同期线损涵盖多个系统间的数据传输，数据质量参差不齐，因此对于数据治理工作中异常数据的分析、定位费时费力。本文通过开展档案、模型、采集、营配贯通、数据一致性、动态设定线损率阈值等关联分析工作，更加科学、合理的定位影响线损的数据及因素，为线损治理工作提供一套专业、合理、行之有效的治理体系，同时为供电企业和电力用户带来明显的经济效益和社会效益。

关键词：同期线损  关联分析  数据治理

中图分类号：TM76;TP315                       文献标识码：A                        文章编号：1674-098X（2020）03（a）-0185-03

1  研究背景

线损率指标综合反映电网运行中各环节的损耗，集中体现生产、调度、营销等各项核心业务的管理水平 ，国家电网新时期同期线损管理综合反映了电网的基础设备管理、智能电表覆盖情况、采集成功情况以及各个业务系统之间贯通互联的及时性、有效性，以及不同系统之间的数据传输、关联关系的贯通正确性。在同期管理模式下，引起线损异常的成因较为复杂，导致线损异常查找相对困难且费时。

数据相关性是指数据之间存在某种关系。大数据时代，数据相关分析因其具有可以快捷、高效地发现事物间内在关联的优势而受到广泛关注，并有效地应用于推荐系统、商业分析、公共管理、医疗诊断等领域。数据相关性可以时序分析、空间分析等方法进行分析。数据相关性分析也面对着高维数据、多变量数据、大规模数据、增长性数据及其可计算方面等挑战 。主要的关联分析方法有聚类分析法、相关系数法。

本文采用K-Means法是动态聚类法，其思想是随机选择k个对象，每个对象初始地代表一个类的平均值或中心，对剩余每个对象，根据其到类中心的距离，被划分到最近的类，然后重新计算每个类的平均值，不断重复这个过程，直到所有的样本都不能再分配为止。K-Means的目标是要将数据点划分为k个对象群，找到这每个对象群的中心，并且最小化函数

（1）

相关分析是探讨对于不相同的变量间相关性程度的一种通用的统计学方法。通过相关性分析，决策者可以使用两个随机变量得出他们之间的相关系数和单个变量与多个变量么间的相关系数来分析所求变量相互间的线性相关性，从而更加合理地得到最佳方案并采用合适的方法，减小信息中不确定性问题所带来的影响。求X、Y的相关系数：

（2）

式中、表示X和Y的平均值;若相关系数ρ大于ρ0则相关，ρ0为设定的经验值。

2  系统特点

线损多源数据治理辅助工具软件，通过开展档案、模型、采集、营配贯通、数据一致性、动态设定线损率阈值等关联分析工作，更加科学、合理的定位影响线损的数据及因素，为线损治理工作提供一套专业、合理、行之有效的治理体系，对电网结构及异常数据深入开展数据治理工作，提高了线损管理的全面性及有效性。通过该治理体系，能够及时发现问题并合理地解决问题，为线损治理工具提供了坚强的支撑，提升了电网异常数据的治理，为供电企业和电力用户带来了明显的经济效益和社会效益。

线损多源数据治理辅助工具软件具有以下特点：

系统采用OSGI技术架构、J2EE开发平台，由多个独立的业务模块构成，能够进行灵活的拆分组合，使系统具有良好的伸缩性。

系统从多方位着手分析众多影响线损率的因素，通过动态设定阈值，对线损治理工作的开展提供有力的支撑。

3  系统架构

系统管理标准化通过信息化手段来实现，构建结构合理、技术先进、可扩展能力强信息化平台，是系统标准化管理的基础。

系统遵循易用性、可扩展性等原则，基于B/S模式构建。客户端使用浏览器，无需安装任何程序，免维护，界面简洁友好。系统采用J2EE技术，OSGI服务架构，按照通用化、具有可扩展性的要求，系统的信息平台以一个规范化的四层结构构成，包括数据库层、服务层、应用层和展现层，信息平台的不同层次采用了不同的技术实现。平台结构如图1所示。

（1）数据层。

数据库层承载所有业务基础数据，是抽象设计的结果。数据层主要包括：档案、模型、采集、关口电量、线损计算结果、异常分析等。

（2）服务层。

服务层是信息化的需要，它是信息化中数据与业务的桥梁，是体现应用的工具。基于标准化、规范化的原则，各類服务都按照标准化的思路进行建设。数据处理按照有关文件规定或者专家知识梳理形成标准化的知识库，系统管理采用标准工作流、规范的权限管理与严格的安全机制来进行建设。

（3）应用层。

应用层集中体现了业务领域，包含业务逻辑与业务应用，其规范化的应用固化了业务处理方法，体现了标准化工作的精髓。应用层在数据层的基础上，按照服务层的框架，主要实现线损治理工作的问题分析、定位及治理，实现线损治理指标的提升工作。

（4）展现层。

展现层是整个系统功能实现的最前端与最终表现，且与用户有最直接的对话。展现层是数据和业务展现的通道，通过企业门户展现工具可以图、表、曲线等多种形式展现指标结果。因此，展现层的建设充分考虑了人机交互的各种特点，以现有的先进的可视化、图形化技术为建设保障，实现一个图表、数据人性化展示的系统门户。

4  线损多源数据治理辅助工具软件

线损多源数据治理辅助工具软件通过对PMS2.0系统、营销系统、用电采集系统、一体化电量与管理系统等内网系统的档案、模型、采集、关口电量以及线损结果的分析，根据动态设置阈值，采用大数据关联分析影响线损核心因素，对技术降损工作开展提供数据支撑。通过细化影响线损管理的颗粒度， 实现源数据逆向追溯以及问题逻辑分类，作为优化数据质量提升依据，从而提升线损治理工作的有效开展。基于各类异常数据分析结果，直接定位异常原因，以图文并茂的形式综合反映线损情况。线损多源数据治理辅助工具软件系统架构如图2所示，包括系统设置、数据集成、数据质量提升三大功能模块，以下逐一介绍。

4.1 系统设置

系统设置管理模块根据线损多源数据治理辅助工具软件对数据的要求，实现对基础数据的管理与维护功能。主要包括数据多版本管理（月、日、自定义计算）、电压等级维护、指标动态阈值设置以及权限管理。

4.2 数据集成

线损多源数据治理辅助工具软件通过对PMS2.0系統、营销系统、用电采集系统、一体化电量与管理系统等系统的档案、模型、采集、关口电量以及线损结果的分析，为线损治理工作提供强有力的数据支撑。

（1）基础数据管理部分：主要包括档案数据、模型数据、采集数据。档案数据模块实现档案数据抽取功能，为模型分析、表底、电量功能提供支撑;模型数据：该模块实现模型数据的导入、数据分发、计量点校验等功能，为线损结果的计算提供支撑;采集数据：该模块实现表底、电量数据的导入工作，为关口电量、线损结果、表底、电量的异常数据分析提供强有力的支持。

（2）计量电量管理部分：主要包括计量点管理、换表、关口电量管理。计量点管理模块实现表底、电量的计算功能，为关口电量、线损结果等模块提供统一的数据来源;换表管理模块实现对电能表换表记录计算功能，为电量表电量提供电量的正确性;关口电量模块实现对计量点、电能表表底、电量的计算、展示功能，支持数据导出等功能。

（3）线损结果：该模块实现对设备进行线损计算功能，集达标率汇总、白名单、线损打包等功能为一体，方便数据的查看与分析，支持数据导出等功能。

4.3 数据质量提升

数据质量提升模块对各个指标进行关联异常数据分析，进一步为线损治理工作提供异常数据的分析、定位功能，使用户能够更加方便、准确的定位异常数据。

（1）可视化展示：该模块实现电力企业当前整体概况、同期线损情况分析、配线及台区线损率及供电所配网情况分析结果的展示，采用数据与图形结合的方式展现，使用户能够很清晰的定位问题所在。

（2）基于关联数据的异常诊断分析：包括台区数据分析、配线数据分析。

台区数据分析：该模块实现台区异常数据的汇总及台区异常明细的展示功能，对各台区的异常总数、线损波动、线损异常、模型数据分析、采集数据分析等进行汇总，并对每一项异常分析数据进行明细的异常功能，且支持对各台区进行特殊标注（打标签）功能，支持数据导出功能。

配线数据分析：该模块实现配线异常数据的汇总及配线异常明细的展示功能，对各配线的异常总数、线损波动、线损异常、模型数据分析、采集数据分析等进行汇总，并对每一项异常分析数据进行明细的异常功能，且支持对各配线进行特殊标注（打标签）功能，支持数据导出功能。

营配关系分析：该模块实现对线变关系、台户关系数据的展示，对供电公司下的异常关系数据进行展示。

（3）异常数据分析：包括异常统计和异常数据展示。异常统计模块实现达标率波动异常统计及当月不达标情况统计功能，针对配线及台区线损率一段时间内的线损率情况进行分析，采用数据及图形方式进行展示。异常数据展示模块实现对所有异常数据结果进行展示的功能，可针对异常类别及异常级别进行多方位的数据展示。

（4）档案异常监测：该模块实现对配线、台区档案异常数据的展示，对供电公司下的异常档案数据采用图、表相结合的形式进行展示，支持数据导出功能。

（5）线损分析报表：该模块实现对配线、台区、母平等线损率进行分析，对特定线损率区间内的数据进行汇总及明细的展示，支持数据导出功能。

5  结语

本文基于电力大数据相关分析，利用多源贯通诊断和多维聚类分析对配电网线损进行综合诊断分析，在新时期实行同期线损管理的背景下，延伸了线损管理的深广度，应用大数据分析快速查找定位线损异常原因。线损多源数据治理辅助工具软件，利用关联数据的分析方法对档案、模型、数据采集等多系统数据进行关联分析、异常定位，采用相关系数法对配线线损异常指标进行动态诊断，结合线损多维聚类及相关系数从采集完整性、线变关系正确性、异常电量等方面综合展示差异数据，辅助定位问题，指导业务部门更加合理、有效的进行线损治理工作，进一步弥补了电网企业中数据存在的漏洞和不足。

参考文献

[1] 吴安官，倪保珊.电力系统线损[M].北京：中国电力出版社，1996.

[2] 虞忠年，陈星莺，刘昊.电力网电能损耗[M].北京：中国电力出版社，2000.

[3] 梁吉业，冯晨娇，宋鹏.大数据相关分析综述[J].北京：计算机学报，2016（1）：1-18.