基于贝叶斯网络的电力客户停电敏感度预测

精准预测停电敏感的电力客户群体,能够有效感知客户用电需求,提升客户用电满意度,助力提高电力服务水平。文中提出基于贝叶斯网络构建电力客户停电敏感度预测模型,从95598客服平台、营销业务系统、用电信息采集系统获取分析数据,结合客户基本信息、用电信息、智能电能表计量信息以及用户用电交互行为,定义客户停电敏感度数据标签,对用户的停电投诉进行分析与预测。采用K折交叉验证法对停电敏感度预测模型进行实验验证。实验表明,基于贝叶斯网络构建的电力客户停电敏感度预测模型,在停电投诉分析应用中具备较高的精准度,验证了模型的有效性。     

基于电力大数据的用户用电感知研究

在基于电力大数据对用户提供多元化服务的研究中,发现电网在不同时刻停电,不同用户的停电感受不一样以及在调度计划制定时,由于不同线路所带用户不同,需进行差异化服务。为此,提出基于电力大数据的用户用电感知研究。首先通过电网内部系统及外部系统进行数据采集,然后基于大数据从多维度进行数据处理和分析,建立了用电需求模型和用户用电感知模型并进行了深入应用。通过该模型可以实现有限投资供电可靠性提升最快,最大限度满足用户需求;可最大限度实现不同行业、类别的用户用电互补,提高设备利用率;可实现用电感知最低时段停电,停电涉及用户更精准。该模型的引用实现了电网规划、用户接入、调度运行的智能决策,使电网规划投资更精准,固定投资提升可靠性最快,提高设备利用效率和用户满意度。     

基于逻辑回归模型的电力客户停电敏感度评分卡研究与实现

针对当前基于逻辑回归模型的客户敏感度分析模型输出结果复杂、不易理解与应用的问题,提出了一种基于逻辑回归模型的电力客户停电敏感度评分卡实施方法。从电网公司营销业务系统、95598系统提取客户停电敏感相关属性数据,通过信息值筛选出具有高预测力的属性;计算各属性的证据权重转换值,运用逻辑回归模型构建客户停电敏感度分析模型;基于停电敏感度分析模型的输出参数和各属性证据权重转换值,构建客户停电敏感度评分卡。以某电网公司实际数据对该方法进行了验证,取得了良好效果。     

面向台风气象的电网运行风险态势感知方法

台风灾害的频发导致电网大规模停电事故,给国民经济带来巨大损失,为评估电网应对台风天气的能力以及辨识电网在极端气象下的风险态势,基于态势感知技术,提出面向台风气象的电网运行风险态势感知方法,建立了台风下电网实时运行风险指标体系。首先,态势觉察阶段以台风气象数据、电网结构参数、地理数据构建风场模型;其次,在态势理解阶段提出基于时变风速的贝叶斯网络,建立考虑风速和断线故障导致潮流转移的电网时变风险传播模型,并采用拉丁超立方抽样的蒙特卡洛模拟法,通过最优直流潮流进行态势理解,然后提出态势呈现指标体系,以实现线路风险态势、负荷水平态势、电网韧性态势的呈现和预测。采用IEEE-RTS 79标准节点算例进行仿真,结果表明面向台风气象的电网运行风险态势感知方法及指标能够有效评估电网运行风险态势。     

基于改进DFS算法的关键用户态势感知技术研究

配网调度重点保障重要、关注、敏感、保供电用户等关键用户,大面积停电时,关键用户失压或无法及时复电,将严重影响电网稳定运行和社会影响。目前,态势感知技术已成为发展趋势,但受制于主配图模拼接、配网数据动态变化等原因,涉及大面积停电场景的关键用户态势感知技术研究较少,实现关键用户精准复电的功能实用化存在一定难度。从实用化方向提出改进配网OCS深度优先搜索算法,快速获取主配网数据特征,并建立一套算法,实现配网关键用户态势感知技术,支持快速复电决策,保障电网安全运行和关键用户供电可靠性。     

基于随机森林的停电敏感度预测模型研究与应用

预测用电客户停电敏感程度,为供电公司优化营商环境和实施个性化停送电服务提供了数据与决策支持。融通供电公司有关业务系统,抽取用电客户停送电相关的海量数据,采用随机森林算法,基于分布式文件系统HDFS和Spark搭建大数据平台,训练停电敏感度预测模型。运用某地市供电公司近百万用电客户数据对模型校验与评估,迭代优化,结果表明模型查准率超过98%,查全率超过18%。结果用于停送电服务全流程管理,在优化计划停电安排、开展故障停电安抚、防范频繁停电投诉等场景取得了较好的效果。     

台风灾害下用户停电区域预测及评估

台风灾害会造成电网大面积停电,对停电区域进行预测及评估具有重要意义。综合考虑气象因素、电网因素及地理因素,提出一种台风灾害下基于随机森林算法的用户停电区域预测评估方法。该方法首先采用1km×1km网格进行历史样本数据的收集整理及特征选取;其次基于随机森林算法对样本数据进行训练及验证,建立停电区域预测模型;再次,为进一步提高预测精度,对预测停电网格进行重要性评估,进而得到用户停电区域的预测评估结果。最后通过算例分析验证了所提方法的科学性及有效性。     

基于态势感知的电网台风预警防御框架研究综述

鉴于态势感知在电力系统的应用和发展,对基于态势感知技术的电网台风预警防御框架进行研究,以应对近年来频发的台风灾害。基于态势感知的3个阶段对台风预警防御框架的主要研究内容和关键技术进行归纳。在态势要素采集环节对台风预警防御系统需采集的信息进行了拓展和总结。基于所获取的数据,在态势理解环节对电力设备的静态故障率和电网的韧性进行实时评估,以实时感知电网的运行状态。在未来态势预测环节,在预测和修正台风的路径及风速的基础上,对台风灾害下电网的运行风险评估方法进行归纳分析,包括单个故障、群发性故障和连锁故障的风险预测。最后,总结了基于态势感知的电网台风预警防御的整体框架,并对台风预警防御框架的未来发展方向进行展望。     

态势感知和决策支持技术在电网调度领域的应用

随着技术的进步与发展,电网各个系统提供的数据不断膨胀,运行人员及时从中提取有效信息的工作变得更加困难。文章研究了以用户为中心的系统设计方法的核心——态势感知导向设计方法;探讨了态势感知和决策支持技术在电网调度自动化领域的应用,介绍了态势感知和决策支持系统的设计目标与实现方法。该系统可为电网运行管理人员的决策提供有效信息,弥补了当前自动化系统普遍不甚完善甚至是缺失的环节。     

基于大数据分析的内蒙古西部地区配电网供电可靠性评估

基于配电网大数据对内蒙古西部地区配电网用户停电原因进行分析,确定了影响供电可靠性的主要因素。结合内蒙古西部地区电网规模和特点,采用离线仿真评估方法对该地区配电网供电可靠性进行评估。根据评估结果,对网架结构、设备可靠性、配电自动化率、不停电作业覆盖率和检修、工程预安排停电管控5方面影响因素进行敏感度分析,指出内蒙古西部地区配电网存在的规划项目未按计划实施、联络线路转供能力低等问题,并提出应对措施。     

考虑供需综合因素的电网检修计划最优决策模型

电网检修停电决策严重影响供电可靠性和用户满意度,实际电网检修计划主要以适合单一计划检修停电事件的主观经验决策为主导,但该方式难以实现多重检修计划停电事件的最优化决策问题,且现有方案仅考虑降低检修停电电量,仍需要兼顾检修侧与用户侧各方利益。为此提出了考虑供需综合因素的电网多重停电事件最优决策方法。首先,建立考虑多重停电事件的电网最优检修计划停电决策模型,该模型以最小化停电电量（电网侧）、最小化用户用电失望度（用户侧）和最大化设备停电时间差异度（检修侧）等构建多目标函数,以停电电量约束、特殊事件约束等为约束函数。其次,为提高优化效率,建立基于比例系数法的电网最优检修停电决策单目标函数优化模型;再次,构建基于惩罚函数的适应值优化模型,采用遗传算法对最优检修停电决策问题进行求解;最后,采用实际电网案例进行仿真分析,并验证所提模型和算法的正确性与有效性。     

一种Stacking集成结构的台风灾害下停电空间预测方法

为提高电网公司防灾减灾能力,考虑电网、气象、地理等因素,从统计学习的角度提出一种台风灾害下停电空间预测方法。首先,以1 km×1 km网格为单位收集数据,并进行标准化、分类变量独热编码处理与筛选、构造特征等处理后作为模型输入数据。其次,选取随机森林、梯度提升决策树、自适应提升、K最近邻、支持向量机、极限树、决策树以及XGBoost等算法,利用Stacking集成技术构造停电空间预测模型。最后,以广东省某县为研究对象,对模型的停电空间预测性能进行验证。在台风“彩虹”下的预测准确率为0.7776,召回率为0.9140。结果验证了在台风灾害下该模型对停电空间预测的可行性与有效性。     

台风灾害下配网用户停电数量预测最优数据驱动模型选择

严重的台风灾害可能导致配网用户停电,有效的配网用户停电数量预测可为电网应急抢修提供辅助指导。综合考虑气象因素、电网因素及地理因素,提出了基于机器学习回归算法的配网用户停电数量预测方法。分析比较了线性回归、支持向量回归(SupportVectorRegression,SVR)、分类回归树(ClassificationandRegressionTree,CART)、梯度提升树(Gradient Boosting Decision Tree, GBDT)及随机森林(Random Forest, RF)等5种机器学习回归算法对配网用户停电数量预测的应用效果。对比结果表明,LR在进行配网用户停电数量预测时表现较差,SVR及CART模型效果次之,RF及GBDT效果相对较好,其中GBDT算法与RF算法误差较为接近。但考虑到GBDT算法为串行计算,而RF算法为并行计算,使用时RF算法效率更高。因此最终选取了RF进行停电数量预测效果的进一步分析。结果表明其误差在±30%以内的准确率可达70%以上,可为配网用户停电抢修提供有力指导。     

面向不平衡数据的配电网故障停电预测方法

配电网故障停电事件会严重影响正常的社会经济生活。因此,迫切需要有效的配电网故障停电预测方法。采用人工智能方法分析配电网故障停电数据,发现存在配电网故障停电次数较少和引发配电网故障停电的原因分布不均等数据不平衡情况。为了及时、准确地预测配电网故障停电情况,从数据集质量和防止过拟合两方面入手改进故障停电预测模型。首先,设计了基于聚类的对抗神经网络来增强数据集质量。其次,构造了基于随机代价敏感卷积神经网络(RandomCost-CNN)的故障停电预测模型。RandomCost-CNN预测算法中采用有放回随机抽样思想设计了损失函数的随机选择策略,用以解决常规代价敏感过度拟合少数类(故障停电类)而使得大量多数类(正常类)被误报的问题,既保证少数类具有较好召回率与精确度,同时又提高了模型的泛化性能。实验证明所提方法能有效预测配电网故障停电事件发生概率,在配电网运维管理中能够发挥较好的预警作用。     

电网自动智能调度模型的改进设计

传统的电网调度主要依据电网中的实时参数,缺乏对电网整体运行态势的感知,智能化程度较低。提出基于态势感知的理论,对电网自动智能调度模型进行改进设计,分析了电网态势感知过程,建立电网工作路线的指标体系,确立电网自动智能调度设计模型,在此基础上,分析电网工作路线在不同负荷下的机组调度过程,采用动态机组组合的电网调度模型,完成电网智能调度。实验结果表明,采用改进后的电网调度模型,其调度效率高、能耗少,对电网运行态势感知能力强。     

基于随机森林算法的95598投诉预测方法研究

为减少投诉风险发生,提出一种基于随机森林算法的95598工单投诉预测方法,实现对95598工单的直接投诉预测与转化投诉预测。首先,对95598历史工单进行数据预处理;其次,在充分考虑历史工单的供电地区、时间、天气、前期工单事因、重复来电和投诉倾向等情况的基础上,建立了基于随机森林算法的95598电力服务投诉工单预测模型。以某市全年95598工单数据为例,建立了该市的95598电力服务投诉工单预测模型,并以Weka 3.8数据挖掘软件为测试平台,对所建立的模型进行测试,并与其他数据挖掘算法的预测性能进行了对比分析。结果表明,该方法能够实现对95598投诉风险的有效预测,投诉预警效果良好。     

基于深度神经网络和内外部因素的大电网安全态势感知研究

随着电网结构的日益复杂,运行调度变得更加困难,大停电事故发生的风险也日益增加,因此能够及时有效地对大电网的安全态势进行感知显得尤为重要。在态势要素提取阶段,从内部因素与外部因素两个方面出发,构建大电网安全态势评价体系,其中外部因素通过统计分析1981年~2015年全国电网的大停电事故得出;在态势理解阶段,通过层次分析法与改进的熵权法获得各指标的综合权重,加权平均得到大电网的安全态势评估值,实现对大电网安全态势的综合评价;在态势预测阶段,构建深度神经网络模型,完成对大电网安全态势的预测。为进一步验证预测模型的有效性,将其与BP神经网络和RBF神经网络对比分析,验证了深度神经网络模型可以有效地对大电网的安全态势进行预测,且预测精度高于传统的神经网络模型。     

基于ECharts的电网Web可视化研究及应用

电网可视化是处理海量电力大数据、提高电网态势感知的重要技术之一。文中回顾了国内外电网可视化发展历程,以ECharts技术为核心,结合实际电网开发了一套电网Web可视化展示模块。主要有:基于SVG地理接线图和点线标记技术的电网动态潮流展示;基于指针表盘技术的电网运行状态实时监控;在动态拓扑技术基础上开发了基于电压信息的电网动态拓扑展示;基于力导向算法的电网弹性拓扑。该套可视化系统基于Web浏览器,兼容性好、维护成本低、易于开发,直观形象的展示了电网运行状态,为调度运行人员的决策和研究人员的工作提供了便利,工程应用广泛。