基于数据挖掘的台区配电峰值超负荷预警系统设计

侯立兴，韩林娜

（国网甘肃省电力公司庆阳供电公司，甘肃庆阳 745000）

由于电网通常处于十分复杂且恶劣的环境中，周围各种影响因素过多，增加了电网超负荷的概率，因此在电网运行过程中必须对电网负荷进行预警。目前电网预警系统均存在单一性，只能针对某一种或几种情况进行预警，效率十分低下且极容易漏掉某些不易察觉的问题[1]。针对目前预警系统存在的问题，对电力超负荷预警系统展开研究[2-3]。

郑阳平[4]等人首先对船舶的电力安全状态进行分析，并一一提取出船舶电网可能出现或已经出现的电力缺陷；其次通过光传感器收集电力系统的全部数据，根据数据的小波信息熵辨识出目前电力系统的负荷状态，利用电力安全状态结果设计出电力负荷的预警系统，实现台区配电峰值超负荷预警。刘丰[5]等人首先对电网中绝缘子的损失以及劣化情况进行分析；其次根据绝缘子的最高临界点超负荷进行预警，并在其中加入行波技术进而设计出电力超负荷预警系统，实现台区配电峰值超负荷预警。杨海峰[6]等人首先将电力系统与通信网进行连接，保证数据的完整，并设计出含有电力数据状态分析处理模块和安全认证模块的硬件系统；其次设计出关于电力数据的转换单元，进而得出电力超负荷预警算法形成电力预警软件系统，利用硬件和软件共同对电力负荷进行预警，实现台区配电峰值超负荷预警。以上三种方法受电力海量数据的影响，导致其中冗余数据过多，缺失数据无法删除或修改，因此在预警过程中需要用一定时间排除无用数据，进而加长预警时间。

为了解决上述方法中存在的问题，设计了基于数据挖掘的台区配电峰值超负荷预警系统，通过构建数据挖掘系统，预处理其中的无用数据，避免冗余数据过多对台区配电峰值超负荷预警准确性造成的影响。

1 配电网的数据挖掘系统设计

台区配电峰值超负荷预警的主要目的是确定电力系统发电设备及输变电设备的容量，以及为选择合理的电源结构以及燃料计划等提供参考。这一过程中包括了用户侧的用电偏好、电能质量状况、用电可靠性信息等多种数据。为了实现台区配电峰值超负荷准确预警，预先构建配电网数据挖掘系统，在海量电力数据中提取出未知且有价值的知识[7]。

数据挖掘系统架构图如图1 所示。

图1 数据挖掘流程图

依据数据挖掘流程图，从数据准备、数据采集以及结果描述三部分完成台区配电数据预处理。

1）数据准备

数据准备是数据挖掘的关键步骤，其主要功能是去除电力数据噪声以及冗余数据，数据的前期准备直接决定最终数据挖掘结果精度以及效率等[8]。数据准备包含数据集成、数据筛选和数据预处理，其中数据集成是将数据中的相似数据进行合并，数据筛选是筛选出可进一步分析的数据，进而减少数据量，保证数据挖掘的效率。在上述数据准备的基础上，完成数据采集和数据预处理。

2）数据采集

数据采集过程为利用挖掘算法查找数据，再根据挖掘规律采集数据[9]。数据挖掘的预处理是将采集的数据保存成方便挖掘的形式，必要时将数据简化处理。

3）描述结果

该模块用于评估预处理后的数据，进而得出最有效的数据，并对其进行可视化处理[10-11]，向用户展示。

2 台区配电峰值超负荷预警系统

以数据挖掘系统为基础，设计台区配电峰值超负荷预警系统。该系统利用模块组成的形式[12]构建，其中每个模块均属于独立的子系统，可独自进行作业。设计系统包括操作模块、设置模块、超负荷预测模块、监测与预警模块、统计分析模块、数据查询模块、数据维护模块以及帮助模块。

2.1 操作模块

操作模块主要包含三方面，分别为进入系统、退出系统以及注销系统，其主要作用是用户进入系统开始预警工作以及完成预警后退出系统，当用户不再使用该系统时，为保护用户身份可直接将系统注销[13]。

2.2 设置模块

在设置模块中，将用户划分为普通用户与高级用户两种[14]，普通用户只能根据系统内存在的数据进行电网超负荷的预警，即仅限于使用预警系统。高级用户在使用预警系统的同时可对数据进行修改以及删除等处理，高级用户具有较高权限，它可控制普通用户的进入，即管理普通用户。除了对用户的限制还可对数据库进行设置，将不同数据库连接不同的操作目标，再次启动系统后可直接默认该设置。

2.3 超负荷预测模块

电力超负荷预测的关键因素是预测模型的优劣，由于预测模型都具有各自的特点，因此将预测系统中可用的预测模型收集到一起构成模型库，所以超负荷预测模块的关键是收集足够全面的预测模型。预测模型库如图2 所示。

图2 预测模型库

基于图2 的预测模型库，在预警过程中选择合适的模型可加大预测结果的准确性。

在预测过程中，数据的预处理是对有用数据进行简化、修改等。预测的核心是模型的选取，选取预测模型的方法有两种，第一种较为简单，即针对环境以及电力等条件因素选择合适的模型；第二种是在预测系统中将所有预测模型测试一遍，从中选取出最优异的模型，这种方法又叫系统自动运行方法，系统自动运行方法虽然较为复杂但其准确性较其余方法是最高的，其运行结构图如图3 所示。

图3 系统自动运行结构图

2.4 监测与预警模块

监测与预警模块的主要功能是基于电荷的预测结果以及数据库，在经济预警原理的帮助下分析配电网电荷，进而对需要预警的区域发出预警信号。

在该模块中需要设置两个指标，即绝对指标和相对指标。绝对指标是衡量电力系统需求平衡的绝对标准，也是对目前时间段真实电力供需情况的监测预警；相对指标是指当前时间段电力需求的理想化数值，通过这两个指标对电力的负荷情况监测。

2.5 统计分析模块

统计分析模块是对数据库的以往数据进行分析和运算，得出电力负荷的相关曲线[15-16]，其中包含纵向与横向比较、网间电量的转换分析以及电量的进出口情况。

2.6 数据查询模块

普通用户根据自身需要在系统数据库中进行数据查询，生成不同种类的电力负荷相关曲线。

2.7 数据维护模块

数据维护模块的主要功能是针对数据而言，将挖掘出的数据代入到系统数据库内，并对其进行修改以及删除等处理，进而实现数据库的维护。

2.8 帮助模块

帮助模块的主要功能是协助预警系统，将其他模块不可处理的问题在此模块中进行处理。

以上即为台区配电峰值超负荷预警系统设计，其中，最主要的模块就是监测与预警模块，根据该模块中的绝对指标与相对指标对电力负荷进行监测，再利用经济预警原理对用电地区发出预警信号，实现电力超负荷的预警。

3 实验与结果

为了验证基于数据挖掘的台区配电峰值超负荷预警系统设计方法的整体有效性，分别采用所提方法、文献[4]方法和文献[5]方法进行预警精度、预警用时和预警效果的测试，测试结果如下。

3.1 预警准确率

选取不同种类的配电网，针对每种配电网可承载的负荷电量不同，利用三种方法对该配电网进行预警，对比三种方法最终的预警精度得出最优预警系统。不同方法的预警准确率如表1 所示。

表1 不同方法的预警准确率

根据表1 可知，在不同类型的超负荷配电网下，三种方法均可对电网的超负荷发出预警信号。针对不同的超负荷电量，三种方法得出的预警结果也有所不同，但经过比较，所提方法是三种方法中预警准确率最高的方法，准确率高于96.5%，其余两种方法的预警准确率均不同程度地低于所提方法，文献[4]方法最高预警准确率为91.3%，文献[5]方法最高预警准确率为81.6%。所提方法预警准确率高的原因是在设计电力超负荷预警系统前，对电力负荷数据进行修改以及删除的预处理，排除了缺失数据，同时完善电力数据，保证数据的完整性，确保在预警系统中数据的安全和简洁，进而提高了所提方法的预警准确率。

3.2 预警用时

预警用时是直接判断预警系统优劣的指标，在外界环境完全相同的条件下，选择所提方法、文献[4]方法以及文献[5]方法进行预警用时的对比实验。实验结果如图4 所示。

图4 不同方法的预警用时

此次测试在不同负荷裕度下完成，经统计所提方法的预警速度远远高于其他两种方法，最高预警用时为5 s，所提方法的用时最短，效率最高，可及时发出预警信号，避免因电量超负荷带来的电力故障。文献[4]方法的最高预警用时为10 s，会因为预警时间过长，速度过慢而频繁出现较大的预警误差，误差变大直接导致将超负荷用电量辨识为正常用电量，从而不能及时发出预警信号，且预警信号延时过长时间极可能导致电路出现崩溃等问题。文献[5]方法的最高预警用时为13 s，极可能导致电路出现故障。综上所述，所提方法的预警效果最好，效率最高，用时最短，是三种方法中预警性能最优的系统。

3.3 预警效果

为验证预警系统效果的好坏程度，在相同条件下选取五天同样用电量较大的时间段进行电量负荷预警，假设电力负荷程度最大为100%，超过100%即为电力超负荷运行，而预警系统的最好预警时刻就是电力系统中用电量较高且即将超负荷前的时刻，在用电量过低以及超出最大用电量的时刻进行预警均不理想，根据这一标准对三种方法发出预警信号时刻的用电量进行比较，得出最优预警系统。实验结果如图5 所示。

图5 发出预警信号时的负荷量

文献[5]方法发出预警信号时，电力系统的电力负荷程度均超过最高负荷量，只起到了电力超负荷通知的作用，文献[4]方法虽只有部分预警信号是在电量超负荷情况下发出的，但是其余发出预警信号时刻的电量皆低于最高负荷，所提方法发出的信号始终在80%～100%内波动，既能在电网即将超负荷前发出预警提醒工作人员，也能保证电力的总电量不会下降过多。

4 结束语

多次超负荷会导致电力的不可逆损坏，为保证人们生活中可正常用电，也确保工业生产不受任何财产损失，因此设计基于数据挖掘的台区配电峰值超负荷预警系统。在建立数据挖掘系统的基础上，将数据进行细致地处理，设计出带有多个模块形式的预警模型，在其中加入数据挖掘得出的数据，实现台区配电峰值超负荷预警，解决了预警精度低、预警用时长和预警效果差的问题。