CN110516852A - 一种基于用户体验改善的计划停电时间优化方法 - Google Patents

Abstract

本发明涉及一种基于用户体验改善的计划停电时间优化方法，选择停电总时长、近期是否频繁停电和高峰停电时间占比这三项来对用户的用电体验进行评估。为了对用户体验进行细致的描述，通过“影响较小”、“影响较大”和“影响严重”三个等级来描述用户感受，并使用差异化阈值划分影响大小和严重与否，分别用和来表示。本发明提出将客户用电体验作为优化计划停电的考虑因素，通过调整计划停电的日期、停电开始时间和停电时长来减小停电对客户体验造成的不良影响。

Description

一种基于用户体验改善的计划停电时间优化方法

技术领域

本发明涉及电网运行技术领域，具体涉及一种基于用户体验改善的计划停电时间优化方法。

背景技术

随着电网检修模式的进步，计划停电已成为配电网停电的主要形式，而计划停电方案的制定对于停电用户生活、工作的影响最为直接，故需对计划停电进行优化。文献[成杰,高贵成,亢志鹏.基于负荷特性优化停电计划的研究[J].华北电力技术,2013(10):18-24+47.]从10kV配电线路的负荷特性入手，以减少停电损失电量为原则，对短时停电的停电时段进行了优化，但停电多数是针对某个台区和分支线路的，需要全线路停电的计划工作，对应线路的负荷会也由握手线路转带，而配电线路的负荷特性并不能精确的反应每个台区负荷的特性，且文中主要讨论了两小时短时停电的停电时段优化，而对电力用户影响较为严重的长时停电并未讨论。其他大多数对计划停电方案优化方法都是从主要从经济损失、网络潮流和人员物资调度等角度来对方案进行了多目标优化问题的求解，未从停电时间和客户体验的角度来对计划停电进行优化。

发明内容

目前由于电力市场的发展，客户体验也逐步得到了电网公司的重视，所以在制定停电计划时应充分考虑客户用电体验，并以改善客户体验为导向对计划停电方案进行优化。相较于电力公司，客户对于停电背景信息并不关注，只关注停电的表现形式，即停电时间，所以应该从停电时间的角度去分析停电对客户的实际影响。而目前的研究中只有少部分对停电时间进行了优化，也并未从客户体验的角度去进行分析研究。

本发明的主要目的是从电力客户的实际关注点展开分析，建立客户体验评估的体系，并以此为基础讨论计划停电时间的优化方法。

本发明的技术方案：

为选出电力用户真正关心的停电影响内容，屏蔽与用户体验不相关的停电特征变量，研究选取了十项与用户体验相关的变量，在DB市城区供电公司的B级客户服务营业厅内进行问卷调查，受访者需选出其中最看重的三个指标。

共发出问卷150份，其中有效问卷137份，统计结果见附表1：

附表1调查问卷结果

表中是否提前通知停电被勾选71次，虽然停电是否提前通知这一指标对于客户的用电体验影响较大，但目前电网公司的计划停电都会通过多渠道提前一周进行通知，临时停电提前24小时进行通知，对这一指标的分析暂时不能优化目前的停电方案。而其余项勾选次数较少，故只选择停电总时长、近期是否频繁停电和高峰停电时间占比这三项来对用户的用电体验进行评估。为了对用户体验进行细致的描述，通过“影响较小”、“影响较大”和“影响严重”三个等级来描述用户感受，并使用差异化阈值划分影响大小和严重与否，分别用thv₁和thv₂来表示。

(1)停电时长

由于历史停电的情况会使电力用户形成惯性思维，故选取DB市电力公司2018年4月至5月1048条各类计划停电的实际停电时长进行统计分析见附图2，九至十二小时的停电数量较多，12小时以上的计划停电逐渐减少，再参考电网公司内部对抢修工作的复电时间要求，设定阈值为如附表2所示。

附表2停电时长阈值设定

(2)频繁停电

根据《国家电网公司95598投诉分类细则》相关规定，客户在两个月内出现3次及以上停电则视为频繁停电；传统的电网调度对停电计划的安排原则是一个月内同一条线路最多只安排一次计划停电。在此基础上，可以根据停电间隔时间来确定阈值，因此该指标为负向劣化指标。选取计划停电与近三次停电的时间间隔作为评价背景，设综合停电间隔时长为POI:

POI＝0.6×I₁+0.3I₂+0.1I₃ (1)

其中I_i为本次停电与之前第i次停电间隔的天数，划定频繁停电的阈值为thv₁＝60、thv₂＝30。

(3)停电高峰占比

在对大量台区的负荷特性进行研究后，发现大多数台区用电类型都不单一，属于居民与商户混合型台区，由于其二者占比的不同，单台区和分支线路的负荷特性可近似分为三类，商户占比较高时，负荷曲线呈“单峰”状，占比接近时呈“双峰”状，居民占比较高时呈“三峰”状，如附图1所示。在此基础上规定高于日平均负荷的时段为高峰负荷时段(约占总时长的45％)，在停电区域确定后，可根据停电台区或分支线路的近期负荷特性曲线和停电时间确定高峰停电占比(停电时段中用电高峰时段所占比例)。规定高峰停电时间占比的阈值thv₁为25％，thv₂为60％，高峰停电时间占比低于25％认为只会对用户的作息造成较小的影响，高于60％则认为对会对用户的用电体验产生严重影响。

通过阈值可将用户体验的量化结果分类，但阈值附近元素的分类结果具有不确定性，需将阈值模糊化，可借助隶属函数，对元素隶属于不同集合的程度进行描述。常用的隶属函数分布形式有多种，而有研究表明正态隶属函数能对集合的隶属度变化进行更准确的描述，收集高隶属度信息，屏蔽低隶属度信息，故根据指标的阈值和其劣态形式的不同分别构建正态隶属函数。

以阈值划分的区间中点作为正态分布的均值μ，两侧区间的均值根据相邻区间的正态分布的标准差和3σ原则来计算。规定阈值thv₁和thv₂划分出的三个区间由Q₁、Q₂和Q₃表示，其中区间Q₁和Q₃的对应隶属函数为半正态分布，则以正向劣态化指标为例，其隶属函数参数计算公式为：

其对应的隶属函数曲线见附图3。根据隶属函数可以得到指标在不同状态量下对不同等级客户影响程度的隶属度，结合指标权重和数据质量可以计算得到个指标下客户影响程度假设的概率分布，满足证据理论状态融合的要求。在对三个指标的状态进行融合之前需考虑数据的真实性和重要性，保证各指标对用户综合用电体验的影响更准确。

停电总时长往往会因为现场检修施工现场未预计的困难或者施工人员的水平不同而受到提前送电和延迟送电的影响；而在计算用电高峰时段时利用近期负荷特性代替停电当日的负荷特性也会造成高峰停电占比隶属度计算的误差，故可根据数据质量确定其真实性。同时根据各指标在调查问卷中的重视程度进行权重分配，再计算综合可信度：

C_i＝ω_i×r_i (5)

其中C_i为指标i的综合可信度，ω_i为指标i的权重，r_i为其数据准确程度。

证据理论也称为Dempster-Shafer证据理论(D-S证据理论)，D-S证据理论针对识别框架中的每一个假设都分配了概率，我们称为基本概率分配(BPA,Basic ProbabilityAssignment)，这个分配函数称为mass函数。D-S证据理论的合成方法是将多个主体的状态融合，并对综合识别框架中假设的分配概率进行预测，而本发明中的识别框架Θ为“影响较小”、“影响较大”和“影响严重”三个假设状态组成的用户用电体验集合，需要从停电总时长和高峰停电占比等三个主体(指标)的基本概率分配入手对识别框架进行预测，则主体i对于假设A的基本概率分配函数可以定义为：

其中B_A(x_i)表示主体i在状态量为x_i时对假设A的隶属度，可由正态隶属函数计算得到。本发明的研究中存在三个mass函数，其合成规则可以表示为：

m_i(A_i)＝m_ip(A_i)·C_i (8)

其中m(A)代表合成后假设A对应的预测值，A_i表示第i个主体识别框架中的假设，C_i为可信度，K为归一化常数，计算方法如下式：

表示空集，为防止Zadeh悖论影响对识别框架中假设的预测，在识别框架中增加一条假设：{"影响较小","影响较大","影响严重"}，表示三种状态皆不确定的假设，为了尽可能减小对原识别框架中假设的概率分布，为其分配一个较小的基本概率，并将同主体中的其余假设概率分布等比例减小。对识别框架中所有假设的预测值进行计算，并将预测值最大的假设状态作为用户在计划停电发生时的综合用电体验。

在对计划检修的停电后用户的实际体验进行评估后，可以筛选出对用户体验影响较为严重的停电方案，优先对“影响严重”和“影响较大”分配概率较大的指标进行改进，由于各指标的影响因素独立，故分别讨论优化方法。

a.停电开始时间的选择

若高峰停电占比过大，在日负荷特性和停电时长确定的情况下，可以通过调整停电开始时间来减小高峰停电占比，则目标函数为：

其中t为计划停电开始时间，B_A(t)为停电开始时间t对假设A的隶属程度，该方法会倾向在用电高峰结束前后开始停电，不仅会提升电力客户体验，与其他停电优化的考虑因素也吻合，如减少售电量的损失、增大配电网运行方式调整裕度等。

b.停电时长的考虑因素

由附图1可知，对于“双峰”和“三峰”负荷特性的台区，停电时长过长必然会导致停电时段覆盖停电高峰时段，但停电时长的决定性因素为计划工作内容，同时会由于天气情况和检修施工人员素质的不同而变动，所以对停电时长的优化需要充分考虑原有计划停电安排的约束条件。

工作内容一般为大型检修工作或多处检修工作的停电容易导致停电时间过长，可根据具体设备运行年限和设备健康状况，采取更换设备代替大型检修来缩短停电时间；对于多处检修工作可安排不同台区分批次停电，来满足停电要求；还可以通过加强内部协调和沟通的方式缩减停送电时间。

c.停电日期选取约束

对于停电日期的选择，由于设备缺陷等级和施工期限的要求，存在约束：

d_min≤d≤d_max

其中d_min和d_max分别为最早停电日期和最晚停电日期，若近期停电频繁，考虑到综合停电时间间隔POI的计算方法，应在避开节假日和极端天气后选择靠近d_max的日期进行停电工作。

台区：10kV配电线路上一台柱上变压器或箱式变电站所带全部负荷。

本发明的有益效果：

相比于现有的研究，本发明提出将客户用电体验作为优化计划停电的考虑因素，通过调整计划停电的日期、停电开始时间和停电时长来减小停电对客户体验造成的不良影响，主要内容为：

1)从客户的实际体验出发选取客户体验评估指标并通过差异化阈值构建了指标的模糊隶属函数来描述客户体验状态的不确定性，再借助D-S证据理论对用户体验的综合状态进行预测，形成了计划停电时客户用电体验的评估方法。

2)给出优化计划停电方案的方法，通过修改停电日期和停电开始时间的方法，来改善停电较频繁和占用高峰用电时段过长的问题，讨论了缩减停电时间的方法，但涉及停电工作内容的变动还需要综合考虑原停电计划中的约束条件。

附图说明

图1为台区负荷特性曲线图；

图2为计划停电时长比例分布图；

图3为正态隶属函数曲线图；

图4为本发明实施例台区负荷曲线图；

图5为高峰停电占比及其隶属度曲线图。

具体实施方式

如图1-3所示，国家电网河北省电力公司保定市电力公司PMS2.0系统、营销系统、调查问卷，

数据计算软件及数据库：

Python3.7.1、PyCharm 2018.3.2

从PMS2.0系统中查询近期的停电信息，并将对应停电影响台区的近三次停电纪录检索出来，如附表3和附表4所示，该台区的用户包括：药业公司、市政部门、交警支队、居民楼和底店等，选择近三个工作日负荷平均后得到负荷特性曲线如附图4，由于存在一定比例的商户，负荷曲线呈“双峰”状。

附表3计划停电信息

附表4案例台区近期停电信息

该停电涉及台区的综合停电时间间隔(负向劣态指标)计算值为118.5天，故不考虑延期停电，但其计划停电总时长达12小时，高峰停电占比为43％以上，停电开始时间和停电时长还需优化。

根据平均负荷曲线可以得到停电开始时刻与高峰停电占比及其隶属度的关系，如附图5所示，中午12:00停电会导致高峰停电占比达到75％，此时对“影响严重”的隶属度也最大，在高峰停电占比居中和较小时，“影响较大”和“影响较小”的隶属度分别最大。

显然，本次停电在夜间23：00至次日凌晨1：30之间开始停电的用户体验最好，停电时长的缩减通过现场施工人员通过提前组装改造组件和联系配电网调度单位减少施工时间和停送电时间来实现。但由于现场施工车辆的限制，最终停电时间为凌晨2:00，并于中午12:30恢复送电。

附表5列出了原计划停电方案和实际停电方案的客户体验评估概率分布，基本概率设为0.01，本次停电数据中的停电时长和停电时间间隔都为准确数据，数据准确度r取1，但高峰停电占比由于负荷特性存在不确定性，其准确度r在计算综合可信度中取0.8。将原计划停电方案与实际停电方案的客户体验概率分布按D-S证据理论进行融合，如附表6所示，客户体验状态融合后的概率重心从对客户影响较大转到对客户影响较小，很大程度上减小了对客户体验的影响。

附表5客户体验识别框架概率分布对比

附表6电力客户体验概率融合结果

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；作为本领域技术人员对本发明的多个技术方案进行组合是显而易见的。而这些修改或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。

Claims (10)

1.一种基于用户体验改善的计划停电时间优化方法，其特征在于，选择停电总时长、近期是否频繁停电和高峰停电时间占比这三项来对用户的用电体验进行评估，为了对用户体验进行细致的描述，通过“影响较小”、“影响较大”和“影响严重”三个等级来描述用户感受，并使用差异化阈值划分影响大小和严重与否，分别用thv₁和thv₂来表示。

2.根据权利要求1所述的一种基于用户体验改善的计划停电时间优化方法，其特征在于，频繁停电：客户在两个月内出现3次及以上停电则视为频繁停电；传统的电网调度对停电计划的安排原则是一个月内同一条线路最多只安排一次计划停电；在此基础上，根据停电间隔时间来确定阈值，因此该指标为负向劣化指标；选取计划停电与近三次停电的时间间隔作为评价背景，设综合停电间隔时长为POI:

POI＝0.6×I₁+0.3I₂+0.1I₃ (1)

其中I_i为本次停电与之前第i次停电间隔的天数，划定频繁停电的阈值为thv₁＝60、thv₂＝30。

3.根据权利要求2所述的一种基于用户体验改善的计划停电时间优化方法，其特征在于，停电高峰占比：单台区和分支线路的负荷特性可近似分为三类，商户占比较高时，负荷曲线呈“单峰”状，占比接近时呈“双峰”状，居民占比较高时呈“三峰”状；在此基础上规定高于日平均负荷的时段为高峰负荷时段，占总时长的45％，在停电区域确定后，可根据停电台区或分支线路的近期负荷特性曲线和停电时间确定高峰停电占比，即停电时段中用电高峰时段所占比例；规定高峰停电时间占比的阈值thv₁为25％，thv₂为60％，高峰停电时间占比低于25％认为只会对用户的作息造成较小的影响，高于60％则认为对会对用户的用电体验产生严重影响。

4.根据权利要求3所述的一种基于用户体验改善的计划停电时间优化方法，其特征在于，根据指标的阈值和其劣态形式的不同分别构建正态隶属函数；

以阈值划分的区间中点作为正态分布的均值μ，两侧区间的均值根据相邻区间的正态分布的标准差和3σ原则来计算；规定阈值thv₁和thv₂划分出的三个区间由Q₁、Q₂和Q₃表示，其中区间Q₁和Q₃的对应隶属函数为半正态分布，则以正向劣态化指标为例，其隶属函数参数计算公式为：

5.根据权利要求4所述的一种基于用户体验改善的计划停电时间优化方法，其特征在于，根据隶属函数可以得到指标在不同状态量下对不同等级客户影响程度的隶属度，结合指标权重和数据质量可以计算得到个指标下客户影响程度假设的概率分布，满足证据理论状态融合的要求；在对三个指标的状态进行融合之前需考虑数据的真实性和重要性，保证各指标对用户综合用电体验的影响更准确；

停电总时长往往会因为现场检修施工现场未预计的困难或者施工人员的水平不同而受到提前送电和延迟送电的影响；而在计算用电高峰时段时利用近期负荷特性代替停电当日的负荷特性也会造成高峰停电占比隶属度计算的误差，故可根据数据质量确定其真实性；同时根据各指标在调查问卷中的重视程度进行权重分配，再计算综合可信度：

C_i＝ω_i×r_i (5)

其中C_i为指标i的综合可信度，ω_i为指标i的权重，r_i为其数据准确程度。

6.根据权利要求5所述的一种基于用户体验改善的计划停电时间优化方法，其特征在于，证据理论也称为Dempster-Shafer证据理论，即D-S证据理论，D-S证据理论针对识别框架中的每一个假设都分配了概率，我们称为基本概率分配，这个分配函数称为mass函数；D-S证据理论的合成方法是将多个主体的状态融合，并对综合识别框架中假设的分配概率进行预测，而本文中的识别框架Θ为“影响较小”、“影响较大”和“影响严重”三个假设状态组成的用户用电体验集合，需要从停电总时长和高峰停电占比等三个主体指标的基本概率分配入手对识别框架进行预测，则主体i对于假设A的基本概率分配函数可以定义为：

其中B_A(x_i)表示主体i在状态量为x_i时对假设A的隶属度，可由正态隶属函数计算得到；本发明研究中存在三个mass函数，其合成规则可以表示为：

m_i(A_i)＝m_ip(A_i)·C_i (8)

其中m(A)代表合成后假设A对应的预测值，A_i表示第i个主体识别框架中的假设，C_i为可信度，K为归一化常数，计算方法如下式：

表示空集，为防止Zadeh悖论影响对识别框架中假设的预测，在识别框架中增加一条假设：{"影响较小","影响较大","影响严重"}，表示三种状态皆不确定的假设，为了尽可能减小对原识别框架中假设的概率分布，为其分配一个较小的基本概率，并将同主体中的其余假设概率分布等比例减小；对识别框架中所有假设的预测值进行计算，并将预测值最大的假设状态作为用户在计划停电发生时的综合用电体验。

7.根据权利要求1所述的一种基于用户体验改善的计划停电时间优化方法，其特征在于，在对计划检修的停电后用户的实际体验进行评估后，筛选出对用户体验影响较为严重的停电方案，优先对“影响严重”和“影响较大”的指标进行改进，由于各指标的影响因素独立，停电开始时间的选择、停电时长的考虑因素、停电日期选取约束分别优化。

8.根据权利要求7所述的一种基于用户体验改善的计划停电时间优化方法，其特征在于，停电开始时间的选择：

若高峰停电占比过大，在日负荷特性和停电时长确定的情况下，通过调整停电开始时间来减小高峰停电占比，则目标函数为：

其中t为计划停电开始时间，B_A(t)为停电开始时间t对假设A的隶属程度，该方法会倾向在用电高峰结束前后开始停电，不仅会提升电力客户体验，与其他停电优化的考虑因素也吻合，减少售电量的损失、增大配电网运行方式调整裕度。

9.根据权利要求1所述的一种基于用户体验改善的计划停电时间优化方法，其特征在于，停电时长的考虑因素：

对于“双峰”和“三峰”负荷特性的台区，停电时长过长必然会导致停电时段覆盖停电高峰时段，但停电时长的决定性因素为计划工作内容，同时会由于天气情况和检修施工人员素质的不同而变动，所以对停电时长的优化需要充分考虑原有计划停电安排的约束条件；

工作内容一般为大型检修工作或多处检修工作的停电容易导致停电时间过长，可根据具体设备运行年限和设备健康状况，采取更换设备代替大型检修来缩短停电时间；对于多处检修工作可安排不同台区分批次停电，来满足停电要求；还可以通过加强内部协调和沟通的方式缩减停送电时间。

10.根据权利要求1所述的一种基于用户体验改善的计划停电时间优化方法，其特征在于，停电日期选取约束：

对于停电日期的选择，由于设备缺陷等级和施工期限的要求，存在约束：

d_min≤d≤d_max

其中d_min和d_max分别为最早停电日期和最晚停电日期，若近期停电频繁，考虑到综合停电时间间隔POI的计算方法，应在避开节假日和极端天气后选择靠近d_max的日期进行停电工作。