CN107886258A

CN107886258A - 配电系统运维数据分析方法

Info

Publication number: CN107886258A
Application number: CN201711366835.9A
Authority: CN
Inventors: 李珊; 俞小勇; 秦丽文; 梁朔; 黎新; 高立克; 周杨珺; 陈绍南; 张明媚; 韩帅; 李俊; 欧阳健娜; 肖园园; 杨艺云; 吴丽芳
Original assignee: Electric Power Research Institute of Guangxi Power Grid Co Ltd
Current assignee: Electric Power Research Institute of Guangxi Power Grid Co Ltd
Priority date: 2017-12-18
Filing date: 2017-12-18
Publication date: 2018-04-06

Abstract

本发明提供了一种配电系统运维数据分析方法，包括以下步骤：S1.收集配电网运维数据；S2.基于应用方向将配电网运维数据进行分层；S3.运维数据立方建模；S4.运维数据单层次分析；S5.运维数据多层次综合分析。通过本发明的方法能对运维数据进行单层次和多层次分析，进而有效指导电网公司运行与维护计划的制定，促进电网公司运行和维护管理工作的进步。

Description

配电系统运维数据分析方法

技术领域

本发明属于配电系统设备管理与维护技术领域，特别是涉及一种配电系统运维数据分析方法。

背景技术

配电网作为电力系统的重要组成部分，承担着连接电网与用户并向用户直接供电的重要任务，关乎广大电力用户的连续可靠供电和电网的安全可靠运行。数据显示电网90％以上停电事故是由于配电网故障导致，关键设备的强迫停运甚至还将严重影响整个区域电网的稳定运行，因此，加强对配电系统设备的运行维护具有重要意义。但是，随着配电自动化的建设发展和配电网建设改造工程的不断深入，配电设备的日常运行维护数据管理工作已经无法满足配电网发展的相关需求，大量有价值的运维数据得不到充分利用。其中，设备故障数据，作为评价设备可靠性，深化配电系统改革的关键性数据，其作用还只停留在绩效考核等方面，造成了数据资源的极大浪费。

立方集成数据处理技术是近年来大数据分析模型中研究的一个热点方向，是一类根据数据应用方向，对原始数据进行多维存储与快速、稳定一致和交互性分析，允许数据管理员深入挖掘数据内涵，从而获得增加数据的应用价值的集成分层处理技术，已经广泛应用于能源数据处理，社会学问题调研和经济政策制定等方面。南网公司数据管理系统包含大量历史设备故障数据，例如：事故发生时间、事故发生地点、停电事故设备、设备具体信息、事故发生原因、事故处理结果、事故责任部门、事故造成损失、继电保护设备动作情况等大量数据信息。这些数据相互关联，需要集中处理，这些数据具有多个层次，可以分层处理，因此，选用立方集成数据处理技术是适当的。

发明内容

本发明提供了一种配电系统运维数据分析方法，通过该方法对运维数据进行单层次和多层次分析，进而有效指导电网公司运行与维护计划的制定，促进电网公司运行和维护管理工作的进步。

为了达到上述目的，本发明的技术方案为：

一种配电系统运维数据分析方法，包括以下步骤：

S1.收集配电网运维数据；

S2.基于应用方向将配电网运维数据进行分层：依照运维数据的标准格式，确定完备的运维数据CUBE模型，所述运维数据CUBE模型包含状态评价指标集M、各状态评价指标下的的层次集H和描述层次特征的维度集D；

S3.运维数据立方建模：对于海量的配电网运维数据，根据实际需求，降低运维数据CUBE模型的维度集D、层次集H和指标集M维度，重构CUBE模型；

S4.运维数据单层次分析：在运维数据CUBE模型上，分别沿不同维度进行切片分解，并对每个片层分析，获取运维数据在各个维度上的分布规律；

S5.根据运维数据在各个维度上的分布规律制定运维策略。

进一步的，在步骤S1中，所述配电网运维数据包括：

a.设备现象数据：包括设备状态、故障时间、故障位置和故障类型；

b.设备原因数据：包括故障的责任原因、技术原因和自然原因；

c.设备处理结果数据：包括重合闸情况、保护动作情况、分段开关动作情况、停电范围、责任单位、主管个人、响应时间、持续时间和服务态度。

进一步的，在步骤S2中，所述基于应用方向配电网运维数据分层包括以下子步骤：

S2.1运维数据标准格式分析整理：对收集的运维数据，按照运维数据标准格式整理成基本的元数据，然后按照指标集与维度集的定义划分数据类型；

S2.2确定维度集D：采集的运维数据中，可以用有限量描述的元数据加入维度集D，取D＝{d₁,Ld_k}是立方数据中所有维度的集合，3≤k≤50；

S2.3确定各个维度上的层次集H：分析每个维度的含义，抽象出能表征维度特征的不同层次，形成该维度下的层次集H，每一层中包含上下关系，层级越高则数据特征综合性越明显，每个维度的最高层设为默认值，包含该维度的所有数据；

S2.4确定指标集：采集的运维数据中，不可以用有限量描述的元数据加入初始指标集，取初始指标集M＝{m₁,Lm_n}，是多维数据所有初始指标的集合，n≥1；

S2.5计算分析完善指标集M：对初始指标进行初步计算分析，获取具有实用价值的改进指标集M；

S2.6建立完备的配电网运维数据CUBE模型：在维度集、层次集、改进指标集的基础上构建配电网运维数据数据立方模型。

进一步的，在步骤S3中，所述运维数据立方建模包括以下子步骤：

步骤S3.1确定运维数据应用方向；

步骤S3.2运维数据CUBE模型重构：根据步骤S3.1中确定的应用方向的不同，去掉CUBE模型中与应用方向不一致的部分，实现对指标集M、维度集D与层次集H的降维处理，重构出适用于对应运维数据应用方向的配电网运维数据CUBE模型。

进一步的，在步骤S4中，所述运维数据单层次分析包括以下子步骤：

S4.1选取维度i＝1：选取运维数据CUBE模型的维度集D中第一个维度作为结果维，设定其他维度作为选择维；

S4.2判断是否需要分析运维数据在维度i上的分布，若是，进入步骤S4.3，若否，则结束运维数据在维度i上的分析；

S4.3维度i上切片分析：设定在选择维中，分析涉及到的层次为选择粒度层L_s，在结果维中，分析涉及到的层次为结果粒度层L_r；

根据分析的需要，分别确定L_s和L_r，进行以维度i为结果维的切片分析，按运维数据在结果粒度层上的取值不同将CUBE模型投影在结果维上，呈现出多维数据的指标在结果维上的分布规律；

S4.4对有改变分析颗粒度需要的结果维，判断是否需要关注运维数据在其他粒度层上的分布，若是，进入步骤S4.5，若否，则结束运维数据在此粒度层上的分析；

S4.5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，重复步骤S4.3和S4.4进行运维数据在新的结果粒度层上的分析，直至完成运维数据在维度i上的分析需要；

S4.6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；

S4.7判断是否已经完成运维数据在各个维度上分布规律的分析目标，若否，进入步骤S4.8，若是，则分析结束；

S4.8维度i+1，重复步骤S4.1-S4.7。

进一步的，所述运维策略包括：

(1)对老旧的导线/杆塔/保护设备/避雷设施进行更换；

(2)对重点区域设立警示标志；

(3)加强重点地区的巡视内容和巡视频率。

本发明提供的配电系统运维数据分析方法，是根据配电系统运维数据特征确定指标集、维度集与层次集，再根据运维数据应用方向对CUBE模型各集进行降维，然后对运维数据进行单维度分析与多维度分析，确定运维数据在单维因素的分布规律。应用本发明的方法，能通过对运维数据的分析，从不同角度反映目前的运维管理现状，进而能有效指导电网公司运行与维护计划的制定，促进电网公司运行和维护管理工作的进步。

附图说明

图1为本发明提供的配电系统运维数据分析方法数据获取的流程图；

图2为本发明提供的配电系统运维数据分析方法运维数据CUBE建模流程图；

图3为本发明提供的配电系统运维数据分析方法中的基于指标层M的运维数据CUBE重构流程图；

图4为重构后的运维数据CUBE示意图；

图5为本发明实例中的设备故障现象层操作图；

图6为本发明实例中的设备故障现象层结果图；

图7为本发明实例中的设备故障原因层操作图；

图8为本发明实例中设备故障原因层结果图。

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配电系统运维数据分析方法进行详细说明。

如图1所示，一种配电系统运维数据分析方法，包括以下步骤：

S1.收集配电网运维数据：从电力公司、设备生产厂家以及相关管理部门获得运维数据。

S2.基于应用方向将配电网运维数据进行分层：依照运维数据的标准格式，确定完备的运维数据CUBE模型，运维数据CUBE模型包含状态评价指标集M、各状态评价指标下的的层次集H和描述层次特征的维度集D；

S3.运维数据立方建模：对于的配电网运维数据，根据实际需求，降低运维数据CUBE模型的的维度集D、层次集H和指标集M维度，重构CUBE模型；

S4.运维数据单层次分析：在运维数据CUBE上，分别沿不同维度进行切片分解，并对每个片层分析，获取运维数据在各个维度上的分布规律；

S5.运维数据多层次综合分析：在运维数据CUBE模型上，分别沿相互之间具有关联关系的两个或两个以上的维度进行切块分解，获取运维数据在两个或两个以上的维度之间的互相关系。

以下对每个步骤做更为具体的解析说明：

在步骤S1中，配电网运维数据包括但不限于：

a.设备现象数据：包括设备状态、故障时间、故障位置和故障类型，这些数据是设备运行维护的基础；

b.设备原因数据：包括故障的责任原因、技术原因和自然原因等数据，作用是为配电系统设备的定期检修与故障及时处理提供依据；

c.设备处理结果数据：包括重合闸情况、保护动作情况、分段开关动作情况、停电范围、责任单位、主管个人、响应时间、持续时间和服务态度等，作用是为电网公司对配电系统设备运行维护工作绩效考核提供重要依据。

收集的配电网运维数据可以包括以上数据的其中三种或三种以上，可以根据需要进行增减。

如图2所示，在步骤S2中，基于应用方向配电网运维数据分层包括以下子步骤：

S2.1运维事件数据标准格式分析整理：对收集的运维数据，如表1所示，按照运维数据标准格式整理成基本的元数据，然后按照指标集与维度集的定义划分数据类型；

表1配电网运维数据示例表

S2.2确定维度集D：采集的运维数据中，可以用有限量描述的元数据加入维度集D，取D＝{d₁,Ld_k}是立方数据中所有维度的集合，通常有3≤k≤50；其中，可以用有限量描述的元数据，是指标准格式中的数据在实际中可以用具体的实物名称或具有物理意义的字段一个个直接数出来，例如，在停电时间具体到分钟时，可以表示为2017年12月15日中停电时间数据可以从0:00数到24:00，再例如，故障位置可以用故障线路表示出来，表示为L1、L2、L3等，停电状态可以包括内部故障停电、外部故障停电、计划停电，都是可以用有限个量数出来的。

S2.4确定指标集M：采集的运维数据中，不可以用有限量描述的元数据加入指标集M。取指标集M＝{m₁,Lm_n}，是多维数据所有指标的集合，n≥1；其中，不可以用有限量描述的元数据，是指不能以标准格式中的数据一个个直接数出来的。比如“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，不能直接数出，同理，“响应时间”也类似；又例如，“保护装置动作情况”也不能直接读出，因为安装在线路上的保护装置S1可能会拒动，这样相邻线路的后备保护S2可能会动作，加之保护方式多样，以此类推，这项数据几乎不能枚举得到，而且在判定设备是否故障时，只要动作则说明故障，得到所有结果也是没有物理意义的。

S2.5计算分析完善指标集M：由于运维数据标准格式的限制，初始指标综合性较差，不能反映某些重要特征，所以需要对初始指标进行初步计算分析，获取具有实用价值的改进指标集，为了表示方便，仍表示为M；例如，在故障参数中，停电次数与停电持续时间是表征故障特征的重要指标，因此，在无法从标准运维数据格式中直接采集的情况下，需要通过元数据的计算完善；

S2.6建立完备的配电网运维数据CUBE：在维度集、层次集、改进指标集的基础上构建的配电网运维数据数据立方模型。

运维数据立方模型或称CUBE模型，是由一系列切片构成的，这些切片代表不同的维度，每个切片又可以分为不同的分块，这些分块代表不同的层级。构成CUBE模型的基本单元是一条条标准形式的元数据，元数据的属性决定了它所在的维度与层数，同样，每个确定的维度与层数对应于一组数据，这样，通过CUBE模型，就能清楚的分析运维数据的自身特性与不同数据间的联系。

配电网运维数据具有的维度集中每个维度分别包含多个层次，根据表1所示的运维数据的标准格式，配电网运维数据维度层次结构如表2所示。

表2配电网运维数据维度、层次示意表

由表2可知，运维数据标准格式中包含13个维度，每个维度包含不同的层数。

本实施例中反映设备状态与处理结果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，此外，对指标集M，增加“停电次数”，“持续时间”与“响应时间”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，“响应时间”指标由“开始处理时间”和“停电时间”两个字段的时间值相减得。

由此确定本实施例的配电网运维数据CUBE模型具有13个维度和7个指标。然而，在实际的配电网设备运维中，通常只关注运维数据中的一部分字段的取值情况，所以并非所有字段都与应用方向一致。因此可以先根据实际情况对出事的CUBE模型的指标集，维度集和层次集进行降维，以突出重点、提高运维数据处理效率。

如图3所示，在步骤3)中，运维数据立方建模方法包括以下子步骤：

S3.1确定运维数据应用方向：在现代配电系统中，运维数据应该具有实时性，精确性与代表性的特点，所以在实际应用中，应该先确定运维数据应用方向的侧重点，以根据运维数据应用要求侧重点的不同确定CUBE模型的结构；

步骤S3.2运维数据CUBE模型重构：本步骤应该根据步骤3.1中确定的应用方向的不同，去掉与应用方向不一致的部分，实现对指标集M、维度集D与层次集H，重构出适用于本次分析挖掘的配电网运维数据CUBE模型。

本实施例可以选定不同的应用方向。假设选取应用方向为分析样本配电网运维数据中，由停电状态维(停电性质：故障；停电类型：内部故障)在停电时间、故障位置以及技术原因三方面的分布规律，因此只保留停电状态、停电时间、停电位置以及技术原因四个维度，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_技术原因},

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≤停电性质≤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_技术原因＝({具体原因,原因类别,d_技术原因.all},

具体原因≤原因类别≤d_技术原因.all),

M＝{停电次数}。

即，本实例中重构后的配电网运维数据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、故障位置、技术原因。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；故障位置维度上依次存在元件层、设备层、线路层；技术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。由此建立的配电网运维数据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4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S4中，运维数据单层次分析包括以下子步骤：

S4.1选取维度i＝1：选取运维数据CUBE模型的维度集D中第一个维度作为结果维，注意不一定是底层维度，设定其他维度作为选择维；

根据分析的需要，分别确定Ls和Lr，进行以维度i为结果维的切片分析。切片分析，是仅具有一个结果维的多维分析操作，按运维数据在结果粒度层上的取值不同将CUBE模型投影在结果维上，类似于垂直结果维的轴向将CUBE模型切片，可以呈现多维数据的指标在结果维上的分布规律；

S4.8维度i+1，重复步骤S4.1-S4.7。

本步骤中选取以下两个实例进行分析

(a)故障位置分布规律挖掘

为了挖掘配电网运维数据在故障位置维的分布规律，选择故障位置维为研究维度进行切片分析，选取线路编号层为结果粒度层，设备名称层与设备元件层为选择粒度层，同时对停电状态维(停电性质：故障；停电类型：内部故障)选取停电类型层为选择粒度层；停电时间和技术原因维不做限定，因此以这两个维度的所有数据层作为选择粒度层。公式为：

L_r＝{线路编号},L_s＝{停电类型,d_停电时间.all,d_技术原因.all}

本次切片操作可以表示在三维立方体上，如图5所示。

分析结果如图6所示，可以得出易发生内部故障的线路为L25、L33和L206，因此，在制定运维计划时，应对L25、L33和L206线路做重点维护。

(b)停电的技术原因分布规律挖掘

为了挖掘配电网运维数据在故障位置维的分布规律，选择技术原因维为研究维度进行切片分析，可以技术原因维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_故障位置.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，对停电时间和故障位置不做限定，因此以这两个维度的所有数据层作为选择维。本次切片操作也可以表示在三维立方体上，如图7所示。

表3停电事件在技术原因维上的分布情况

	原因类别	停电次数
			1	导线类	13
2	杆塔类	6
			3	保护设备类	6
4	避雷设施类	4

表3显示了本实施中停电事件在责技术原因维上的分布情况。从中发现：

(1)“导线类”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8所示，由“绝缘老化”引发的停电事件占其中的30％，其次是“线路过负荷运行”，占到了25％。

(2)由“线路混接”和“机械损伤”引发的停电事件占总停电事件数的22％。这类停电事故是由于导线连接以及施工过程操作不规范等原因引起的，由此造成的人员伤害事故也是最多的。

S5.根据运维数据在各个维度上的分布规律制定运维策略。

根据本实施例对运维数据的分析，制定的运维策略包括：

(1)运维部门强化对老旧线路的巡视内容和巡视频率，此外还应在条件允许的情况下，尽力对人员密集区域以及重要机关单位老旧线路进行改造升级，及时更换绝缘老化线路，防患于未然。

(2)由于施工因素与私搭乱接电线引起的配线系统事故应该引起高度警惕，在施工场所与老旧住宅区应设立警示标志，且要求运维人员加强该地区的检查，对违规现象予以立即纠正。

上面以一样本电网的运维数据多维数据分析为例，详细说明了基于立方集成数据库模型的配电系统设备运维数据管理方法。该方法能通过对运维数据进行分析，从不同角度反映目前的运维管理现状，进而能有效指导电网公司运行与维护计划的制定，促进电网公司运行和维护管理工作的进步。

Claims

1.一种配电系统运维数据分析方法，其特征在于包括以下步骤：

S1.收集配电网运维数据；

S5.根据运维数据在各个维度上的分布规律制定运维策略。

2.根据权利要求1所述的配电系统运维数据分析方法，其特征在于：

在步骤S1中，所述配电网运维数据包括：

3.根据权利要求1所述的配电系统运维数据分析方法，其特征在于：

在步骤S2中，所述基于应用方向配电网运维数据分层包括以下子步骤：

S2.2确定维度集D：采集的运维数据中，可以用有限量描述的元数据加入维度集D，取D＝{d₁,L d_k}是立方数据中所有维度的集合，3≤k≤50；

S2.4确定指标集：采集的运维数据中，不可以用有限量描述的元数据加入初始指标集，取初始指标集M＝{m₁,L m_n}，是多维数据所有初始指标的集合，n≥1；

4.根据权利要求1所述的配电系统运维数据分析方法，其特征在于：

在步骤S3中，所述运维数据立方建模包括以下子步骤：

步骤S3.1确定运维数据应用方向；

5.根据权利要求1所述的配电系统运维数据分析方法，其特征在于：

在步骤S4中，所述运维数据单层次分析包括以下子步骤：

S4.8维度i+1，重复步骤S4.1-S4.7。

6.根据权利要求1所述的配电系统运维数据分析方法，其特征在于：

所述运维策略包括：

(1)对老旧的导线/杆塔/保护设备/避雷设施进行更换；

(2)对重点区域设立警示标志；

(3)加强重点地区的巡视内容和巡视频率。