配电网停电分析
1、背景
随着电力改革工作的不断推进，售电市场逐渐放开，为企业在售电市场带来竞争和挑战，为用户提供优质高效供电服务水平和安全稳定的电网供电能力是目前配电网追求的目标。通过对近年来配网台区停电情况、用户投诉情况以及电网运营情况分析发现，频繁停电严重影响公司供电可靠性水平，导致公司不同区域、线路可靠性水平相差较大，如果用户接入个别低可靠性线路，将形成新的电网薄弱节点，增加频繁投诉和抢修工单。
针对这一问题，基于用电采集系统中台区和线路的台账信息、运行数据进行整合分析建模，将配电网停电情况通过时间、区域、负荷以去呈现和分析，从而实现对各单位配网停电情况进行全面监测分析，对供电可靠性水平进行动态监测评估，对停电数据进行智能化监测，以此辅助供电公司相关业务部门通过分析结果针对不同行业、不同类型的用户进行可靠性水平评估。
2、方案整体思路
通过采集用电信息采集系统公变、专变台区台账信息、运行信息，线路台账信息、运行信息等数据资源，进行数据预处理，对比分析各台区或线路停电数量、停电时长、停电时段、停电频次、最高负荷时段、最低负荷时段等指标，并根据实际现状建模分析达到以下两个目标：
1、经常停电台区范围及原因定位：对比分析各地区停电台区累计停电频次、停电时长等指标分布情况，计算各台区供电可靠性，得出影响地区供电靠性最大的停电台区范围，定位该部分台区停电主要原因，为后续进行配网停电设备故障处理、设备检修提供依据。
2、台区精准停电时间范围判定：利用数据分析模型和算法，依据台区用电负荷高峰和低谷时间范围分布，将台区聚类分析为不同的类型。在实际中进行单台区停电时，可根据该台区的类型，制定不同的停电时间范围，减少供售电损失，提高供电可靠性。
通过对以上停电原因和停电时间范围进行归纳分析，降低用户平均停电时间、用户平均停电次数，从而提高供电可靠性。
供电可靠性指标
供电可靠率=(1－(用户平均停电时间 - 用户平均限电停电时间)/统计期间时间)×100% 用户平均停电时间=∑（每次停电时间×每次停电用户数）/总供电用户数 用户平均停电次数=∑每次停电用户数/总供电用户数。
注：我国供电可靠率目前一般城市地区达到了3个9（即99.9%）以上，用户年平均停电时间≤8.76小时；重要城市中心地区达到了4个9（即99.99%）以上，用户年平均停电时间≤53分钟。
配网台区停电分析主要包括以下步骤。 数据采集
数据探索与预处理 建模分析 应用反馈
业务系统数据抽取数据探索与预处理建模分析应用反馈选择性抽取数据源历史数据数据探索分析数据规约建模数据数据变换台区聚类分析模型优化模型分析模型应用应用结果
3、数据采集
数据源系统：用电采集系统 数据范围
1、台账信息：公变、专变、线路台账、用户信息
目前已有数据：公专变基础信息表：\"ESDC_ODS\".\"ODS_DISNET_GIS\" 线路表：ESDC_ODS.T_ODS_N_DISNET_LINE_YX 用户信息：ESDC_ODS.T_ODS_N_ZHUCUN_SPOT_BOOK 问题：用户信息数据为手动填报上报，准确性较低、数量少，数据质量不高。
2、运行信息：公专变负荷、电量等运行信息半年至一年范围内数据。 目前已有数据：公专变每半小时运行数据、公专变每半小时历史停电数据 \"ESDC_ODS\".\"ODS_DISNET_DD_I_U_P_Q\"； \"ESDC_ODS\".\"ODS_DISNET_DD_I_U_P_Q_TIME\" 问题：
1、由于公专变每半小时运行数据量极大，故历史运行全部数据并未存储，只存储公专变停电数据，数据存在大量缺失；
2、公专变运行数据中负荷值(P)、电量值（PRI_TR_HIGH_PQ，PUB_LOW_PQ）数据异常值较多，数据准确性不高。
3、目前公专变运行数据只能判断其停电及未停电状态，并不包含停电原因，此部分数据存在缺失。
4、数据探索与预处理 4.1数据探索分析
目前已采集公专变台区运行数据如下：
配变运行数据主要包括三相电压、三相电流、有无功、电量、额定容量等信息。 配变停电条件判断：Ua= -999 根据配变停电条件，计算配变累计停电次数分布情况 配变停电次数占比=各配变停电总次数/∑总停电次数 停电频次按配变帕累托图分布
根据配变停电条件，计算配变累计停电时长分布情况 配变停电次数时长占比=各配变停电总时长/∑停电总时长
停电时长按配变帕累托图分布
利用相关系数法对停电频次与停电时长进行关联分析(一般情况为正相关性)
停电时长与停电次数关联分析
计算停电频次及停电时长累计占比后20%的TOP50台区供电可靠性 计算停电频次及停电时长累计占比前80%的台区的供电可靠性
计算各地区配变台区供电可靠性分布情况
根据配变台区停电分布情况，确定影响供电可靠性的主要台区范围， 对影响供电可靠性高的台区确定停电停电的主要原因占比
台区停电主要原因： 高压开关故障 高压保险故障 高压引线故障 低压引线故障 低压总开故障 低压终端箱表故障 低压出线故障 用户内部故障
实际应用：根据影响供电可靠性最高的台区范围及造成台区停电的主要原因，在实际工作制定停电计划时，重点关注该部分台区运行情况，在实际检修过程中重点关注造成台区停电的设备运行情况。
4.2数据预处理
根据后续算法建模需要，数据预处理主要针对以下几方面进行
1、数据清洗
数据清洗目的是从业务及建模的相关需要方面考虑，筛选出需要的数据。由于本方案的配变运行原始数据并不是所有的数据都需要分析，因此在进行数据处理时，将赘余的数据进行过滤
（1）通过数据探索分析和后续建模需要，配变运行数据属性只需所属地市、所属区县、所属线路、设备ID、设备名称、时间、P、Q、电量等信息，其余属性值全部过滤。
（2）配变运行数据中存在部分重复数据，此部分数据需剔除。
2、异常值、缺失值处理
异常值处理：由于后续建模需要用到台区每天每隔半点的负荷值，由于设备在采集负荷数据过程中，可能由于系统问题，负荷值远远异常于正常值，故可设定阈值，对超过该范围的数据进行更新处理。
缺失值处理：由于设备负荷值的采集具有连续性，故对某些缺失的值可利用邻近值插补法，对缺失值进行处理。
3、数据变换属性规约
根据数据清洗、异常值及缺失值处理的结果将数据加工成后续建模所需的数据。
5、建模分析
模型主要目的为依据台区用电负荷高峰和低谷时间范围分布，将台区聚类分析为不同的类型(如单峰型、双峰型、多峰型、U型等)。在实际中进行单台区停电时，可根据该台区的类型，制定不同的停电时间范围，减少供售电损失，提高供电可靠性。
由于配变运行数据为时间序列类型数据，当序列出现一定的漂移，则欧式距离度量会失效，故模型主要采用DTW和K-Means相结合的算法对各配变台区运行数据进行聚类分析。
通过DTW算法对各台区之间的负荷序列值进行匹配，得到两组序列之间的距离，最后通过K-Meas聚类方法对距离大小进行评估。
也可通过对同一台区不同时间内的序列进行聚类，评估该台区在某一时间段范围内的负荷类型。
1、利用DTW算法对各配变台区运行时间序列完成距离计算
DTW算法原理介绍
Dynamic Time Warping（DTW）是一种衡量两个长度不同的时间序列的相似度的方法。
在时间序列中，需要比较相似性的两段时间序列的长度可能并不相等，例如对比某个台区的负荷值在某几天内运行趋势，可能由于某些原因，负荷峰值和低估值所处时间段范围会有差异，该情况下，使用传统的欧几里得距离无法有效地求的两个时间序列之间的距离（或者相似性）。
大部分情况下，两个序列整体上具有非常相似的形状，但是这些形状在x轴上并不是对齐的。所以在比较他们的相似度之前，需要将其中一个（或者两个）序列在时间轴下warping扭曲，以达到更好的对齐。而DTW就是实现这种warping扭曲的一种有效方法。DTW通过把时间序列进行延伸和缩短，来计算两个时间序列性之间的相似性。
目标：通过DTW算法求得两个(或多个)时间序列最小累计距离，距离越小则序列之间相似性越高
2、利用K-Means算法对处理过的运行数据进行多次聚类 K-Means算法原理介绍
K-Means为基于距离的非层次聚类方法，在最小化误差函数的基础上将数据划分为预定的类数K，采用距离作为相似性评价指标
1）从N个样本数据中随机选取K个对象作为初始聚类中心
2）分别计算每个样本到各个聚类中心的距离，将对象分配到距离最近的聚类中
3）所有对象分配完成后，重新计算K个聚类中心
4）与前一次得到的K个聚类中心比较，如果聚类中心发生变化，则继续计算距离，确定新的聚类中心
5）当质心不发生变化时停止输出聚类结果。
根据聚类结果将台区类型聚类为4类(具体类数根据实际情况制定) 单峰型
双峰型
多峰型
U型
模型评价：Purity评价法
例 Purity方法时一种较为简单的聚类评价法，只需计算正确聚类占总数的比
其中X=(X1，X2，X3，……….Xk)是聚类的集合，Xk表示第K个聚类的集合。 Y=(Y1，Y2，………，Yk) 表示需要被聚类的集合，Yi表示第i个聚类对象，n表示被聚类集合对象的总数
6、应用反馈
根据模型输出结果，在实际中制定台区停电计划时，可根据台区类型及负荷用电情况，精确制定时间范围
例：
单峰型台区若用电负荷高峰期在8:00-24:00 则在制定台区实际停电计划时建议停电时间为 0:00-08:00 双峰型台区若用电负荷高峰期在06:00-12:00 14:00-18:00，则在制定台区实际停电计划时建议停电时间为 18:00-24:00 多峰型台区若用电负荷高峰期在 08:00-10:00 13:00-15:00 19:00-23:00 则在制定台区实际停电计划时建议停电时间为 0:00-08:00 15:00-19:00 13:00-15:00 U字型台区若用电低谷为07:00-17:00 ，则在制定台区实际停电计划时建议在该时间段内停电
对比台区精准停电和无差异化停电供售电损失
=∗ (∗λi)
L= 台区总的损失电量
λi= 第i类用电类别的用电量占比
Pi= 第i类用电类别(峰电段、平电段、谷电段)的电价 V=某台区停电损失
