1、基于大数据技术的“营配合一”监测分析体系 姜一 王琰 徐寅哲 屈志坚 国网上海市电力公司 摘 要： 国网上海市电力公司从提高供电可靠性和提升优质服务水平的宗旨出发, 以“营配合一”的电网数据融合为基础, 构建“营配合一”的监测分析体系, 实现对“营配合一”关键业务的实时监控, 并运用大数据分析技术进行深入分析、预测。本文主要阐述了“营配合一”监测分析体系的构建思路, 提出了以“供需动态平衡”“高可靠性协同运营”“响应互馈管理”为核心的总体框架, 并通过试点应用验证了实施成效。一、研究背景“营配合一”的主要目标是贯通营销配电相关业务的应用水平, 促进各专业部门之间的协同工作。由于营配业务在发展过
2、程中, 涉及的管理部门比较多、专业跨度较大, 决定了营配数据来源广、数据量大、种类复杂的特性, 而且相互之间不完全独立, 相互之间关联性较强。传统数据挖掘通常是基于某个部门、某个专业数据进行研究分析, 而营销配电业务下产生的结构性复杂、关联性较强的数据, 要求在跨专业、跨部门数据融合的基础上进行多维度数据分析。这就需要借助大数据技术, 科学构建大数据分析模型, 提供多样化的统计分析方法和数据挖掘手段, 增强关联分析和预测分析, 发掘营销配电海量数据的潜藏价值, 促进营配业务的高度融和, 提升电网企业电网的运营能力、客户服务能力等核心竞争力。二、主要做法从提高供电可靠性和提升优质服务水平的宗旨出
3、发, 以“营配合一”的电网数据融合为基础, 通过流程梳理找出营销和配网业务的业务融合点, 构建“营配合一”监测分析体系, 实现对“营配合一”关键业务的实时监控, 并运用大数据分析技术进行深入分析、预测, 全面准确地评估现状, 科学严谨地预测未来趋势。从经济学角度、管理学角度以及电力系统自动化角度, 多专业的进行综合分析, 通过各项专业之间的结合, 实现对生产计划、利润目标、电能质量、优质服务等综合全面分析的把控。通过梳理“三集五大”管理流程, 明确营配调业务融合点, 包括营销业扩报装、故障报修、电力需求预测等, 梳理营配调业务融合点, 构建以“供需动态平衡”“高可靠性协同运营”“响应互馈管理”
4、为核心的“营配合一”监测分析体系 (见图 1) 。(一) 营配供需动态平衡营配供需动态平衡是基于配网运营效率和供电能力的量化评价, 分析各级设备供电能力储备与相应级别业扩需求的匹配程度, 预测不同时间断面下供电能力动态平衡情况, 辅助业扩报装方案的制定, 支撑公司配网规划、建设改造等工作。具体做法是, 通过用户侧业扩报装的潜在需求以及配网供电能力的综合匹配情况, 深入分析配电站/线路/台区的配网供电能力, 包括用电裕度、用电负荷和用电稳定性三个维度的数据攫取、研究, 整理出存在供电瓶颈台区的负面清单, 结合对应台区业扩报装的用户潜在需求, 及时发现、预判出现供需失衡的潜在风险, 并及时跟踪电网
5、规划以及建设类的工程可能带来的潜在受益情况, 形成新型的供电能力动态匹配平衡体系。(二) 营配高可靠性协同运营营配高可靠性协同运营, 以提高供电可靠性为目标, 构建基于配网网架和设备本质安全的高可靠性风险监测体系, 根据停电事件的影响聚焦网架、设备、用户的可靠性风险, 并通过营配关联关系穿透, 分析其对重要敏感用户的影响, 有效识别影响配网安全运行的风险隐患以及用户设备风险隐患。通过营配关联分析, 可精准定位到台区、线路直至变电站、供电公司, 从而为相应的整治措施提供数据参考。图 1“营配合一”监测分析体系 下载原图营配高可靠性协同运营, 包括配网用户设备风险隐患分析和配网设备与用户设备关联分
6、析两部分。配网用户设备风险隐患分析又分为网架、设备、用户设备三个维度。网架从电网负荷热点、站线结构风险、台区结构风险等部分展开可靠性风险隐患分析。电网设备是网架的基础组成单元, 以故障预发为导向, 决定了设备需要从弱绝缘风险、缺陷管理风险、故障抢修风险、外部环境风险展开可靠性风险隐患分析。而用户的某些用电行为将反过来影响电网运行, 对用户设备的风险隐患从用户违章用电、用户设备检修超期、用户保护不配合、单电源泵站临近变配电站等方面展开监测分析。配网设备与用户设备关联分析, 主要以重要及敏感用户为分析对象, 着重分析重过载设备、危急严重缺陷设备、高低电压设备可能对重要及敏感用户产生的影响, 以及停
7、电对重要及敏感用户产生的影响, 总结规律, 发现风险隐患, 为提升供电质量、提高服务水平提供支撑。(三) 营配调响应互馈管理营配调响应互馈管理, 以提高客户满意度, 提升优质服务水平为目标, 对配网故障抢修流程、区域无功管理、优质服务满意度进行监测分析, 挖掘抢修流程中的可优化点, 促进多部门协同工作, 提高抢修效率, 识别区域无功 (电压) 管理的短板。从用户投诉中挖掘管理过程中的优化点, 减少用户投诉, 从而提升客户满意度, 有效推动管理水平以及优质服务水平的提升。配网故障抢修全过程分析, 针对故障抢修的事前预测、事中监测、事后评估进行全流程监测分析。事前预测通过分析历史故障数据, 预测故
8、障数量、故障区域、故障类型、故障影响、故障修复时间、抢修成本和客户投诉等。事中监测包括故障抢修效率分析, 包括故障抢修总时长监测、各环节时长监测、各环节超时预警等。事后评估包括资源配置评估、故障原因深度分析、故障抢修成本分析以及配网故障归集等。区域无功 (电压) 管理分析, 主要包括拓扑关系下无功就地补偿诊断、电压合格率监测、用户无功管理。监测分析用户无功补偿设备的配置情况, 考核用户功率因数, 并监督完善不符合要求的客户。优质服务满意度分析, 主要分析用户投诉, 特别是重要及敏感用户的投诉。对用户投诉进行分类, 按照停送电诉求、电能质量、电网建设、营业诉求和服务诉求等进行数量统计及原因分析,
9、 并单独分析重要及敏感用户投诉信息中有关停电的信息, 挖掘停电原因与管理短板。三、实施成效(一) 深化营配业务高度融合通过深入研究大数据分析技术在营配领域中的应用, 探索适合营配一体化策略的大数据技术解决方案, 构建基于“营配合一”的监测分析体系, 对营配业务进行实时监测和深入分析。在数据融合的基础上, 深化营销配电相关业务的高度融合, 打破各个部门之间的信息隔阂, 加强各专业部门之间的协同工作。(二) 促进营配业务水平的提升以贯通各部门的横向协同为基础, 运用数据中心技术手段, 对营配大数据从不同领域和监测角度来统计分析, 挖掘营配数据的潜在价值, 提高营配数据的应用水平, 更好地掌握营配业务的运行规律。(三) 提高营配业务的数据质量运用大数据分析模型开展海量营配数据的梳理分析, 并设定预定业务目标结果, 按照既定的模型分析营配数据, 将大数据挖掘得到的结果与预先设定的业务目标比对, 倒推在营配数据在基础环节的错漏, 促进数据质量的提升。
