CN104182830B - 一种基于多维分析的配电系统可靠性薄弱环节挖掘方法 - Google Patents

Abstract

一种基于多维分析的配电系统可靠性薄弱环节挖掘方法。其包括配电网停电事件数据收集与整理、配电网停电事件数据CUBE建模、基于挖掘目标的停电事件数据CUBE重构、停电事件数据CUBE上单维度分析停电事件数据CUBE上多维度综合分析等步骤。本发明突破传统配电网可靠性管理中停电事件数据只用于可靠性指标统计的局限，对停电事件数据本身建立多维模型进行分析，从多个角度、不同层次挖掘配电网络可靠性的薄弱环节，可有效发现配网停电事件影响因素的规律特征以及配网可靠性的薄弱环节所在，既可以为配电网的基层运营维护等生产管理工作提供直接指导，也可以为配电系统各级管理单位提供有价值的决策依据。

Description

一种基于多维分析的配电系统可靠性薄弱环节挖掘方法

技术领域

本发明属于城市配电系统分析、管理与维护技术领域，特别是涉及一种基于多维分析的配电系统可靠性薄弱环节挖掘方法；

背景技术

有关电力可靠性的研究多侧重于提出新的可靠性指标以及指标的计算方法，现在已经形成了成熟的指标体系和评估方法；在可靠性应用和管理方面,目前国内电力公司的供电可靠性管理系统收集了大量的停电事件数据，详细记录了配电网的每一次停电事件，涵盖了责任部门、停送电时间、停电发生的设备、责任原因、技术原因、停电范围、保护动作情况等；然而长久以来，这些大量的停电事件数据的作用仅限于统计各项配电网可靠性指标并用于各单位的考核，而缺乏对其深层次的规律进行分析挖掘的手段，无形中造成了数据的浪费，同时也束缚了我国配电系统可靠性的提高；

多维分析技术是近年来数据挖掘、数据仓库领域的研究重点和热点，是现今最常用的数据仓库系统前端分析技术之一，是一类通过对信息的多种可能的观察形式进行快速、稳定一致和交互性的分析，允许管理决策人员对数据进行深入观察，从而获得对数据的更深入了解的软件技术，已经广泛应用于商业领域；配电网停电事件数据具备时间、空间、责任原因等维度要素，且是海量数据，具备多维度分析的应用条件，特别适合多维分析技术的应用与发挥。

发明内容

为了解决上述问题，本发明的目的在于提供一种基于多维分析的配电系统可靠性薄弱环节挖掘方法。

为了达到上述目的，本发明提供的基于多维分析的配电系统可靠性薄弱环节挖掘方法包括按顺序执行的下列步骤：

步骤1)配电网停电事件数据收集与整理：从电力公司的供电可靠性管理系统收集目标电网的停电事件数据；

步骤2)配电网停电事件数据CUBE建模：依照停电事件数据的标准格式，确定完备的停电事件数据多维模型的维度集D和各维度上的层次集H以及指标集M；

步骤3)基于挖掘目标的停电事件数据CUBE重构：根据电网的实际情况，确定挖掘的目标，据此对完备停电事件数据CUBE的维度集D、层次集H和指标集M进行裁剪，降低其维度，重构出一个适用于当前分析的较低维度的停电事件数据CUBE，记作CUBE'，以减小问题的分析规模；

步骤4)停电事件数据CUBE上单维度分析：在停电事件数据CUBE上，分别沿每个维度进行不同颗粒度的切片分析，以挖掘停电事件在各个维度上的分布规律；

步骤5)停电事件数据CUBE上多维度综合分析：在停电事件数据CUBE上，为了挖掘多个维度之间的关联关系，以及对供电可靠性的共同作用，对关心的维度进行切块分析。

所述的步骤2)中配电网停电事件数据CUBE建模的方法包括按顺序执行的下列步骤：

步骤2.1)停电事件数据标准格式分析整理：从收集到的停电事件数据中，提炼出停电事件数据的标准格式，并根据多维分析基本理论，分析停电事件数据标准格式中的每个字段在多维数据模型中所属的类型，即其是属于维度还是属于指标；下一步执行步骤2.2)和步骤2.4)；

步骤2.2)确定维度集D：对于标准格式中取值可枚举或在实际应用中取值数量有限的字段，将其作为多维数据的维度，加入维度集D；

步骤2.3)确定各个维度上的层次集H：对维度集中的每个维度，分析其取值中存在的层次关系，抽象出该维度上的所有层次，组成其层次集H，若该维度上的取值中不存在层次关系，则层级集H中仅包含“所有数据”层；下一步执行步骤2.6)

步骤2.4)确定指标集M：将标准格式中取值不可枚举的字段看作停电事件数据的指标，组成指标集M；

所述指标集M＝{m₁,...m_n}，是多维数据所有指标的集合，n≥1，类型包括数值型指标和字符串型指标；

步骤2.5)增加“停电次数”和“持续时间”指标：每条停电事件数据的“停电次数”指标取值均为1，“持续时间”指标由“送电时间”和“停电时间”两个字段的时间值相减得到；下一步执行步骤2.6)；

步骤2.6)建立完备的配电网停电事件数据CUBE：综合维度集、层次集、指标集建立完备的配电网停电事件数据CUBE。

所述的步骤3)中基于挖掘目标的停电事件数据CUBE重构的方法包括下列步骤：

步骤3.1)确定挖掘目标；

步骤3.2)停电事件数据CUBE裁剪重构：根据挖掘目标，从维度集D中去除本次挖掘不关心的维度，并对保留的维度去除各维度上层次集H中本次挖掘不关心的层次，从指标集M中去除本次挖掘中不关心的指标，重构出适用于本次分析挖掘的配电网停电事件数据CUBE。

所述的步骤4)中停电事件数据CUBE上单维度分析的方法包括下列步骤：

步骤4.1)选取维度i＝1：从停电事件数据CUBE的维度集D中选取第一个维度作为结果维，其他维度作为选择维；

多维分析中被限定于单一元素的维称为分析的选择维D_s，而其他维度称为分析的结果维D_r；在选择维中，分析涉及到的层称为选择粒度层L_s，而结果维中分析涉及到的层次称为结果粒度层L_r；

步骤4.2)维度i上切片分析：根据分析的需要，分别确定结果粒度层和选择粒度层，进行以维度i为结果维的切片分析；

步骤4.3)单维度分析结果展示：将单维度分析的结果以图表的形式展示出来；

步骤4.4)判断是否关注其他颗粒度上的分布情况：判断是否还关注停电事件在维度i其他层次上的分布规律；

步骤4.5)改变结果粒度层：选取维度i上其他层次作为新的结果粒度层；

步骤4.6)判断是否所有维度分析都已完成：判断是否已经完成挖掘停电事件在各个维度上的分布规律的目标；

步骤4.7)维度i加一：继续分析下一个维度。

所述的步骤5)中停电事件数据CUBE上多维度综合分析的方法包括下列步骤：

步骤5.1)选取相互之间具有关联关系的两个或两个以上的维度：根据分析的需要和单维度切片分析的结果，如果还进一步关注多维数据中某几个维度之间的关系，则从停电事件数据CUBE的维度集D中选取这些维度共同作为结果维，其余维度为选择维；

步骤5.2)进行切块分析：根据分析的需要，分别确定结果粒度层和选择粒度层，进行切块分析；

步骤5.3)多维度综合分析结果展示：将多维度综合分析的结果以图表的形式展示出来；

步骤5.4)改变结果粒度层：对有改变分析颗粒度需要的结果维，选取其他层次作为新的结果粒度层，下一步执行步骤5.2)；

步骤5.5)判断是否关注其他颗粒度上的分布情况：判断是否还关注停电事件其他层次上的分布规律，如果判断结果为“是”，则下一步执行步骤5.4)，否则说明不再关注停电事件其他层次上的分布规律，本流程至此结束。

本发明提供的基于多维分析的配电系统可靠性薄弱环节挖掘方法的有益效果：

本发明突破传统配电网可靠性管理中停电事件数据只用于可靠性指标统计的局限，对停电事件数据本身建立多维模型进行分析，从多个角度、不同层次挖掘配电网络可靠性的薄弱环节，可以有效发现配网停电事件影响因素的规律特征，以及配网可靠性的薄弱环节所在，既可以为配电网的基层运营维护等生产管理工作提供直接指导，也可以为配电系统各级管理单位提供有价值的决策依据，将十分有益于我国配电网可靠性水平的进一步提升。

附图说明

图1为本发明提供的基于多维分析的配电系统可靠性薄弱环节挖掘方法流程图；

图2为本发明提供的基于多维分析的配电系统可靠性薄弱环节挖掘方法中的配电网停电事件数据CUBE建模方法流程图；

图3为本发明提供的基于多维分析的配电系统可靠性薄弱环节挖掘方法中的基于挖掘目标的停电事件数据CUBE重构方法流程图；

图4为本发明提供的基于多维分析的配电系统可靠性薄弱环节挖掘方法中的停电事件数据CUBE上单维度分析方法流程图；

图5为本发明提供的基于多维分析的配电系统可靠性薄弱环节挖掘方法中的停电事件数据CUBE上多维度综合分析方法流程图；

图6为本发明实施例中重构后的停电事件数据CUBE示意图；

图7为本发明实施例中停电位置维上切片分析操作示意图；

图8为本发明实施例中停电位置维上切片分析结果；

图9为本发明实施例中责任原因维上切片分析操作示意图；

图10为本发明实施例中责任原因维上以具体原因为结果粒度层的切片分析结果；

图11为本发明实施例中停电时间维上切片分析操作示意图；

图12为本发明实施例中停电时间维上切片分析结果；

图13为本发明实施例中停电位置与责任原因维上切块分析操作示意图；

图14为本实施例中停电位置与责任原因维上切块分析结果。

具体实施方式

下面结合附图和具体实施例对本发明提供的基于多维分析的配电系统可靠性薄弱环节挖掘方法进行详细说明；

本发明提出了一种基于多维分析的配电网可靠性薄弱环节挖掘方法，从配电网的停电事件数据入手，多角度多层次地分析配电网可靠性的影响因素和薄弱环节；其实施流程图如图1所示，现以表1所示的停电事件数据格式为例，详细说明如下：

如图1所示，本发明提供的基于多维分析的配电系统可靠性薄弱环节挖掘方法包括按顺序执行的下列步骤：

步骤1)配电网停电事件数据收集与整理：从电力公司的供电可靠性管理系统收集目标电网的停电事件数据；

步骤2)配电网停电事件数据CUBE建模：依照停电事件数据的标准格式，确定完备的停电事件数据多维模型的维度集D和各维度上的层次集H以及指标集M；

步骤3)基于挖掘目标的停电事件数据CUBE重构：根据电网的实际情况，确定挖掘的目标，据此对完备停电事件数据CUBE的维度集D、层次集H和指标集M进行裁剪，降低其维度，重构出一个适用于当前分析的较低维度的停电事件数据CUBE，记作CUBE'，以减小问题的分析规模；

步骤4)停电事件数据CUBE上单维度分析：在停电事件数据CUBE上，分别沿每个维度进行不同颗粒度的切片分析，以挖掘停电事件在各个维度上的分布规律；

步骤5)停电事件数据CUBE上多维度综合分析：在停电事件数据CUBE上，为了挖掘多个维度之间的关联关系，以及对供电可靠性的共同作用，对关心的维度进行切块分析；

如图2所示，所述的步骤2)中配电网停电事件数据CUBE建模的方法包括按顺序执行的下列步骤：

步骤2.1)停电事件数据标准格式分析整理：从收集到的停电事件数据中，提炼出停电事件数据的标准格式，并根据多维分析基本理论，分析停电事件数据标准格式中的每个字段在多维数据模型中所属的类型，即其是属于维度还是属于指标；下一步执行步骤2.2)和步骤2.4)；

步骤2.2)确定维度集D：对于标准格式中取值可枚举或在实际应用中取值数量有限的字段，将其作为多维数据的维度，加入维度集D；

所述维度集D，是多维分析理论中多维模型的两大元素(维度集D和指标集M)之一，D＝{d₁,...d_k}是多维数据所有维度的集合，通常有k≥3；

步骤2.3)确定各个维度上的层次集H：对维度集中的每个维度，分析其取值中存在的层次关系，抽象出该维度上的所有层次，组成其层次集H，若该维度上的取值中不存在层次关系，则层级集H中仅包含“所有数据”层；

所述层次集H，是组成某一维度d的所有层次的集合，这些层次中存在高低关系，在同一维中，某一层的高低与其所反映的数据综合程度有关，反应数据的综合程度越高，其层次就越高，此外每一个维度d都含有一个特殊的“所有数据”层d.all，它用来表示由所有基本数据聚集形成的层，并且高于同一维中其他任何一层；下一步执行步骤2.6)

步骤2.4)确定指标集M：将标准格式中取值不可枚举的字段看作停电事件数据的指标，组成指标集M；

所述指标集M＝{m₁,...m_n}，是多维数据所有指标的集合，n≥1，类型包括数值型指标和字符串型指标；

步骤2.5)增加“停电次数”和“持续时间”指标：停电事件数据分析中最常进行的是对停电次数与停电持续时间的统计，而标准的停电事件数据中并没有直接记录这两个值，因此人为地为停电事件数据增加两个数值型的指标“停电次数”和“持续时间”，由于停电事件数据是以单条线路的单次停电为基准的，所以每条停电事件数据的“停电次数”指标取值均为1，“持续时间”指标由“送电时间”和“停电时间”两个字段的时间值相减得到；下一步执行步骤2.6)；

步骤2.6)建立完备的配电网停电事件数据CUBE：综合维度集、层次集、指标集可以建立完备的配电网停电事件数据CUBE；

所述的CUBE，是多维分析理论中多维数据的常用表示方法，即多维数据可以用一个多维的超立方体来表示，其维数就等于多维数据的维数，每一个维度上都可以根据层次进行细分，最小数据单位是一条数据记录，该条记录的各个字段中，属于维度的字段共同决定了记录在CUBE中所处的位置，属于指标的字段表征了记录的其他特性；

如图3所示，所述的步骤3)中基于挖掘目标的停电事件数据CUBE重构的方法包括下列步骤：

步骤3.1)确定挖掘目标：在实际的可靠性薄弱环节分析挖掘中，通常关注的只是停电事件数据CUBE的一个子集，因此通过确定挖掘的目的，明确本次挖掘分析中关注的部分，可以突出重点、提高挖掘速度；

步骤3.2)停电事件数据CUBE裁剪重构：根据挖掘目标，从维度集D中去除本次挖掘不关心的维度，并对保留的维度去除各维度上层次集H中本次挖掘不关心的层次，从指标集M中去除本次挖掘中不关心的指标，重构出适用于本次分析挖掘的配电网停电事件数据CUBE；

如图4所示，所述的步骤4)中停电事件数据CUBE上单维度分析的方法包括下列步骤：

步骤4.1)选取维度i＝1：从停电事件数据CUBE的维度集D中选取第一个维度作为结果维，其他维度作为选择维；

多维分析中被限定于单一元素的维称为分析的选择维D_s，而其他维度称为分析的结果维D_r；在选择维中，分析涉及到的层称为选择粒度层L_s，而结果维中分析涉及到的层次称为结果粒度层L_r，(将在实施例中做进一步说明)；

步骤4.2)维度i上切片分析：根据分析的需要，分别确定结果粒度层和选择粒度层，进行以维度i为结果维的切片分析；

所述切片分析，是仅具有一个结果维的多维分析操作，按数据在结果粒度层上的取值不同将CUBE投影在结果维上，类似于垂直结果维的轴向将CUBE切片，可以呈现多维数据的指标在结果维上的分布规律，实施例中将具体说明；

步骤4.3)单维度分析结果展示：将单维度分析的结果以图表的形式展示出来；

步骤4.4)判断是否关注其他颗粒度上的分布情况：判断是否还关注停电事件在维度i其他层次上的分布规律；

步骤4.5)改变结果粒度层：选取维度i上其他层次作为新的结果粒度层；

步骤4.6)判断是否所有维度分析都已完成：判断是否已经完成挖掘停电事件在各个维度上的分布规律的目标；

步骤4.7)维度i加一：继续分析下一个维度；

如图5所示，所述的步骤5)中停电事件数据CUBE上多维度综合分析的方法包括下列步骤：

步骤5.1)选取相互之间具有关联关系的两个或两个以上的维度：根据分析的需要和单维度切片分析的结果，如果还进一步关注多维数据中某几个(至少两个)维度之间的关系，则从停电事件数据CUBE的维度集D中选取这些维度共同作为结果维，其余维度为选择维；

步骤5.2)进行切块分析：根据分析的需要，分别确定结果粒度层和选择粒度层，进行切块分析；

所述切块分析，是具有至少两个结果维的多维分析操作，按数据在各结果粒度层上的取值不同将CUBE投影在结果维上，类似于垂直各结果维的轴向将CUBE切块，可以呈现结果维之间的联系，实施例中将具体说明；

步骤5.3)多维度综合分析结果展示：将多维度综合分析的结果以图表的形式展示出来；

步骤5.4)改变结果粒度层：对有改变分析颗粒度需要的结果维，选取其他层次作为新的结果粒度层，下一步执行步骤5.2)；

步骤5.5)判断是否关注其他颗粒度上的分布情况：判断是否还关注停电事件其他层次上的分布规律，如果判断结果为“是”，则下一步执行步骤5.4)，否则说明不再关注停电事件其他层次上的分布规律，本流程至此结束；

在步骤1)中，所述的配电网停电事件数据收集与整理的方法为：从电力公司的供电可靠性管理系统收集停电事件数据；

本实施例中从供电可靠性管理系统获得的一条典型的停电事件数据如表1所示；

表1配电网停电事件数据示例

在步骤2)中，所述的配电网停电事件数据CUBE建模的方法为：依照停电事件数据的标准格式，确定完备的停电事件数据CUBE的维度集D和各维度上的层次集H，以及指标集M；

根据表1所示的停电事件数据的标准格式，本实施例中配电网停电事件数据具有的维度特征包括：停电时间，送电时间，责任部门，停电位置(合并具有层级关系的线路编号和设备名称两个字段)，责任原因，技术原因；每个维度分别包含多个层次，如表2所示；

表2配电网停电事件数据维度、层次示意表

可见，依照现行供电可靠性管理系统中停电事件数据的标准格式，本实施例中完备的配电网停电事件数据多维模型具备7个维度，每个维度上各自有若干层(至少为一层，即“所有数据”d.all层)；

本实施例中反映停电事件的指标包括重合闸情况、保护动作情况、分段开关动作情况和停电范围；除此之外，增加“停电次数”和“持续时间”指标，由于停电事件数据是以单条线路的单次停电为基准的，所以每条停电事件数据的“停电次数”指标取值均为1，“持续时间”指标由“送电时间”和“停电时间”两个字段的时间值相减得到；

本实施例中由此确定的配电网停电事件数据多维模型具有7个维度和6个指标；然而，在实际的可靠性薄弱环节分析挖掘中，通常只关注停电事件数据中的一部分字段的取值情况，因此可以先根据实际情况对完备的多维模型进行重构，只保留一部分维度、层次和指标，以突出重点、提高挖掘速度；

在步骤3)中，所述的基于挖掘目标的停电事件数据CUBE重构的方法为：根据电网的实际情况，确定挖掘目标，据此对完备停电事件数据CUBE的维度集D、层次集H和指标集M进行裁剪，降低其维度，重构出一个适用于当前分析的停电事件数据CUBE，以减小问题的分析规模；

本实施例目的在于分析样本配电网中，由内部故障(停电状态维，停电性质：故障停电—停电类型：内部故障)引起的停电事件在时间、停电位置以及停电责任原因三方面的分布规律，因此只保留停电状态、停电时间、停电位置以及责任原因四个维度，指标方面只考虑停电次数；重构后的停电事件CUBE模式如下式所示，式中“≤”表示层次的低于关系：

D＝{d_停电状态,d_停电时间,d_故障位置,d_责任原因},

d_停电状态＝({停电子类型,停电类型,停电性质,d_停电状态.all},

停电子类型≤停电类型≤年≤d_停电时间.all),

d_停电时间＝({分钟,小时,日,月,年,d_停电时间.all},

分钟≤小时≤日≤月≤年≤d_停电时间.all),

d_故障位置＝({元件,设备,线路,d_故障位置.all},

元件≤设备≤线路≤d_故障位置.all),

d_责任原因＝({具体原因,原因类别,d_责任原因.all},

具体原因≤原因类别≤d_责任原因.all),

M＝{停电次数}.

即，本实施例中重构后的配电网停电事件数据CUBE是一个四维的超立方体，具备四个维度：停电状态、停电时间、停电位置、责任原因；其中停电状态维度上由低到高依次存在停电子类型层、停电类型层、停电性质层；停电时间维度上由低到高依次存在分钟层、小时层、日层、月层、年层；停电位置维度上依次存在元件层、设备层、线路层；责任原因维度上依次存在具体原因层、原因类别层；每个维度依照多维分析的原则在最高层之上设置一个“所有数据层”，以便对该维度下所有数据进行选取；指标考虑停电次数，停电次数取值均为1；由此建立的配电网停电事件数据CUBE是一个四维的超立方体，可以将其在一个维度上展开成若干个三维立方体以形象表达，图6是将其在停电状态维度上展开后，其中一个三维立方体的示意图，根据停电事件数据在停电状态字段上取值的不同，会有若干个这样的三维立方体；

在步骤4)中，所述的多维模型上单维度分析的方法为：在停电事件数据CUBE上，分别沿每个维度的轴向进行不同颗粒度的切片分析，以挖掘停电事件在各个维度上的分布规律；

(a)停电位置分布规律挖掘

本实施例中，为了挖掘配电网停电事件在位置上的分布规律，需要从停电位置出发，寻找系统的停电易发线路与设备；为了解每条线路的停电频率与停电影响，可以停电位置维的线路层为结果粒度层，在停电位置维上进行切片分析，公式为：

L_r＝{线路},L_s＝{停电类型,d_停电时间.all,d_责任原因.all}

该分析中停电状态限定为故障停电(停电性质)—内部故障(停电类型)，因此停电状态维上取停电类型层为选择粒度层；对停电时间和责任原因维不做限定，因此以这两个维度的所有数据层作为选择粒度层；停电状态维上的取值限定为“内部故障”后，本次切片操作可以表示在三维立方体上，如图7所示；

本实施例中停电事件在停电位置维上的分布规律分析结果如图8所示；可见依据线路停电的严重程度，应将圣21、科32和圣38线路列入重点巡视线路名单，缩短巡视周期，细化巡视内容；

(b)停电的责任原因分布规律挖掘

本实施例中，为摸清各类责任原因下的停电事件分布，可以责任原因类别层为结果粒度层，在责任原因维上进行切片分析，公式为：

L_r＝{原因种类},L_s＝{停电类型,d_停电时间.all,d_停电位置.all}

该分析同样将停电状态维上的取值限定为“内部故障”，以停电类型为选择粒度层；对停电时间和停电位置不做限定，因此以这两个维度的所有数据层作为选择粒度层；本次切片操作也可以表示在三维立方体上，如图9所示；

表3停电事件在责任原因维上的分布情况

表3显示了本实施例中停电事件在责任原因维上的分布情况；从中发现：

(1)“外力”是导致线路停电事件发生的最主要原因；因此关注更细颗粒度上的情况，选取“具体原因”层为新的结果粒度层进行切片分析，结果如图10所示，由“动物”(主要是鸟害)引发的停电事件占其中的30％，其次是“异物短路”和“外部施工”，均占到了22.22％；

(2)由“不明/查无原因”引发的停电事件占总停电事件数的18.75％；这类停电发生后，运维人员查不到具体的线路停电原因，线路试送良好，停电隐患继续存在；

据此对电网运维部门提出相关对策：

(1)运维部门在鸟害多发季节，增加巡视，发现鸟窝及时清除，对于刚刚起搭，甚至是一根稻草，都要及时清理，不能存有侥幸心理；由“异物短路”引起的停电事件，多发生在大风、大雾、雷雨等恶劣天气下，这就需要运维人员克服困难，重视恶劣天气下的特殊性巡视；对于线路沿线的施工，运维人员应注意“多说一句”，提醒施工人员注意架空线和地下电缆的安全；

(2)“不明/查无原因”责任原因，尤其应该引起注意，线路带病“正常运行”，随时有可能再次发生停电，除强化相关线路的巡视内容和巡视频率外，还应在条件允许的情况下，提前做线路的预防性试验，挖掘线路的隐患；

(3)在线路设备和用户设备的分界点，安装“看门狗”开关，缩短停电范围；在与用户签订供电协议时，约定用户主动上报己方设备故障、用户设备故障导致线路停电的奖惩措施；用电检查人员要细化验收规范，“盯紧”用户设备的交接试验，保证无“带病设备”投入运行，此外，应针对季节性故障的发生特点，如雷击、鸟害等，逐用户发放相关提示，并加强季节性巡视；

(c)停电事件的时间分布规律挖掘

本实施例中，为了开展季节性的重点维护工作，可按月份进行切片分析，即以月为结果粒度层，在停电时间维上进行切片分析，公式为：

L_r＝{月},L_s＝{停电类型,d_停电位置.all,d_责任原因.all}

该分析同样将停电状态维上的取值限定为“内部故障”，以停电类型为选择粒度层；对停电位置和责任原因不做限定，因此以这两个维度的所有数据层作为选择粒度层；本次切片操作也可以表示在三维立方体上，如图11所示；

本实施例中停电时间维上切片分析的结果见图12，该图显示了停电事件在不同月份的发生情况；显然，4-8月份是高发期，鸟害多发生于4、5月份，雷击多发生7、8月份；现场施工和恶劣天气也集中于这个时段；作为运维人员，布置季节性工作需及时、有条理、有针对性；在春季，需密切关注鸟害，清除鸟窝，注意驱鸟器是否齐全，安装是否正确；雨季需注意防雷，注意避雷器和防雷金具是否齐全，安装是否到位；线路沿线施工，应注意提醒施工人员注意电力设备的安全；

在步骤5)中，所述的停电事件数据CUBE上多维度综合分析：在停电事件数据CUBE上，为了挖掘多个维度之间的关联关系，以及对供电可靠性的共同作用，对关心的维度进行切块分析；

本实施例中，为了挖掘责任原因与停电位置间的关联关系，需要选定设备层和具体原因层为结果粒度层，在停电位置维和责任原因维上进行切块分析，公式为：

L_r＝{设备,具体原因},L_s＝{d_停电时间.all}.

该分析同样将停电状态维上的取值限定为“内部故障”，以停电类型为选择粒度层，对停电时间不做限定，因此以停电时间维的所有数据层作为选择粒度层；本次切块操作可以表示在三维立方体上，如图13所示；

图14中所示的停电位置与责任原因维上切块分析结果直观地反映出了本实施例中配网各类设备的可靠性薄弱之处；

设备是线路停电的直接触发者，按降序依次为：杆塔、柱上避雷器、柱上隔离开关、绝缘子、电缆和导线等；由“杆塔”触发的停电事件，主要的诱因是鸟害、交通车辆破坏和外部施工；雷击是导致“柱上避雷器”发生停电的主导；绝缘子是10kV架空线路上大量使用的设备，应关注其质量和老化周期；

随着电缆的广泛使用，由电缆头制作工艺不良、缆头质量不佳等原因导致的线路停电事件正逐年增多；常规的线路巡视，难以发现问题；常规的预防性试验，周期较长，大多需要停电；有限的停电资源和大量的配电线路，使得运维人员难以依靠试验手段发现电缆的安全隐患；

对此提出相应对策：(1)加大资金投入，保证线路设备质量优良；(2)对电缆线段，尤其是电缆接头，重点巡视和测温，有条件的话，安装在线监测仪器；(3)恶劣天气下，尤其是大风大雨大雾时，增加特巡，重点巡视电杆和导线；

上面以一样本电网的停电事件数据多维分析为例，详细说明了基于多维分析的配电网可靠性薄弱环节挖掘方法；该方法能从多个角度、多个层次有效反映出配电系统的停电事件分布及其诱因，可以有效指导线路巡视和运行计划的安排等工作，很好地为城市电网的运行和维护工作提供有效的实际建议。

Claims (3)

1.一种基于多维分析的配电系统可靠性薄弱环节挖掘方法，所述的基于多维分析的配电系统可靠性薄弱环节挖掘方法包括按顺序执行的下列步骤：

步骤1)配电网停电事件数据收集与整理：从电力公司的供电可靠性管理系统收集目标电网的停电事件数据；

步骤2)配电网停电事件数据CUBE建模：依照停电事件数据的标准格式，确定完备的停电事件数据多维模型的维度集D和各维度上的层次集H以及指标集M；

步骤3)基于挖掘目标的停电事件数据CUBE重构：根据电网的实际情况，确定挖掘的目标，据此对完备停电事件数据CUBE的维度集D、层次集H和指标集M进行裁剪，降低其维度，重构出一个适用于当前分析的较低维度的停电事件数据CUBE，记作CUBE'，以减小问题的分析规模；

步骤4)停电事件数据CUBE上单维度分析：在步骤3)中重构后的较低维度的停电事件数据CUBE上，分别沿每个维度进行不同颗粒度的切片分析，以挖掘停电事件在各个维度上的分布规律；

步骤5)停电事件数据CUBE上多维度综合分析：在步骤3)中重构后的较低维度的停电事件数据CUBE上，为了挖掘多个维度之间的关联关系，以及对供电可靠性的共同作用，对关心的维度进行切块分析；

其特征在于：所述的步骤2)中配电网停电事件数据CUBE建模的方法包括按顺序执行的下列步骤：

步骤2.1)停电事件数据标准格式分析整理：从收集到的停电事件数据中，提炼出停电事件数据的标准格式，并根据多维分析基本理论，分析停电事件数据标准格式中的每个字段在多维数据模型中所属的类型，即其是属于维度还是属于指标；下一步执行步骤2.2)和步骤2.4)；

步骤2.2)确定维度集D：对于标准格式中取值可枚举或在实际应用中取值数量有限的字段，将其作为多维数据的维度，加入维度集D；

步骤2.3)确定各个维度上的层次集H：对维度集中的每个维度，分析其取值中存在的层次关系，抽象出该维度上的所有层次，组成其层次集H，若该维度上的取值中不存在层次关系，则层级集H中仅包含“所有数据”层；下一步执行步骤2.6)

步骤2.4)确定指标集M：将标准格式中取值不可枚举的字段看作停电事件数据的指标，组成指标集M；

所述指标集M＝{m₁,…m_n}，是多维数据所有指标的集合，n≥1，类型包括数值型指标和字符串型指标；

步骤2.5)增加“停电次数”和“持续时间”指标：每条停电事件数据的“停电次数”指标取值均为1，“持续时间”指标由“送电时间”和“停电时间”两个字段的时间值相减得到；下一步执行步骤2.6)；

步骤2.6)建立完备的配电网停电事件数据CUBE：综合维度集、层次集、指标集建立完备的配电网停电事件数据CUBE。

2.根据权利要求1所述的基于多维分析的配电系统可靠性薄弱环节挖掘方法，其特征在于：所述的步骤4)中停电事件数据CUBE上单维度分析的方法包括下列步骤：

步骤4.1)选取维度i＝1：从停电事件数据CUBE的维度集D中选取第一个维度作为结果维，其他维度作为选择维；

多维分析中被限定于单一元素的维称为分析的选择维D_s，而其他维度称为分析的结果维D_r；在选择维中，分析涉及到的层称为选择粒度层L_s，而结果维中分析涉及到的层次称为结果粒度层L_r；

步骤4.2)维度i上切片分析：根据分析的需要，分别确定结果粒度层和选择粒度层，进行以维度i为结果维的切片分析；

步骤4.3)单维度分析结果展示：将单维度分析的结果以图表的形式展示出来；

步骤4.4)判断是否关注其他颗粒度上的分布情况：判断是否还关注停电事件在维度i其他层次上的分布规律；

步骤4.5)改变结果粒度层：选取维度i上其他层次作为新的结果粒度层；

步骤4.6)判断是否所有维度分析都已完成：判断是否已经完成挖掘停电事件在各个维度上的分布规律的目标；

步骤4.7)维度i加一：继续分析下一个维度。

3.根据权利要求1所述的基于多维分析的配电系统可靠性薄弱环节挖掘方法，其特征在于：所述的步骤5)中停电事件数据CUBE上多维度综合分析的方法包括下列步骤：

步骤5.1)选取相互之间具有关联关系的两个或两个以上的维度：根据分析的需要和单维度切片分析的结果，如果还进一步关注多维数据中某几个维度之间的关系，则从停电事件数据CUBE的维度集D中选取这些维度共同作为结果维，其余维度为选择维；

步骤5.2)进行切块分析：根据分析的需要，分别确定结果粒度层和选择粒度层，进行切块分析；

步骤5.3)多维度综合分析结果展示：将多维度综合分析的结果以图表的形式展示出来；

步骤5.4)改变结果粒度层：对有改变分析颗粒度需要的结果维，选取其他层次作为新的结果粒度层，下一步执行步骤5.2)；

步骤5.5)判断是否关注其他颗粒度上的分布情况：判断是否还关注停电事件其他层次上的分布规律，如果判断结果为“是”，则下一步执行步骤5.4)，否则说明不再关注停电事件其他层次上的分布规律，本流程至此结束。