摘要：通过对采集系统公变台区电流、电压、有功表码曲线数据，oms系统检修工单数据、pms系统档案数据的深加工，掌握台区、线路实际是否停电及停电类型，监测台区重复停电情况、配网无计划停电及停电计划执行不到位情况，并以数据支撑配网停电管理考评及配网停电计划审批，有效降低线路、台区停电次数，实现对配网精准调控，促进公司配网管理、供电服务水平不断提升。
关键词：大数据；送电管理；分析
1 基于“大数据”分析下的配网精准停送电管理提升的实施背景
1.1 外部优质服务压力
截止2017年8月17日，眉山公司投诉共461件，其中频繁停电227件，占比46.96%。从图可看出频繁停电投诉呈爆发式增长，已然成为投诉的高发点。说明用户对配网对停电容忍度在降低，对供电可靠性要求在提高，但近三年大量的农配网施工停电、非计划性停电、各类原因故障停电才是投诉激增的本质原因。
1.2 内部配网调控新形势
为切实有效地推进配网调度管辖范围延伸，将配变低压总路纳入调度管辖，配电变压器纳入调度直接管辖范围，2016年9月，四川省调下发了《关于稳步推进配网调度管辖范围延伸的通知》，计划于2017年年底实现全川配网主线、支线及配变全范围纳入调度管辖。文件要求配电变压器的停电检修工作须办理检修申请书。凡涉及配变低压总路计划停电的工作，停电需求单位应按月将停电计划上报调控部门，经公司月度停电计划平衡会后，连同10kV配网月度停电计划发文。配变低压总路停电计划中须明确配变年度已停电次数。同时，省、市公司运监专业也固化开展了对此项内容开展例行监测和督办，监测结果将直接送省公司相应的专业部门和公司领导。
1.3 监控管理手段匮乏
配网的支线、配电变压器、低压总路不同于变电站内设备，无法直接实现实时运行状态监控。管理人员无法掌握配网实际停电情况，使得强化配网停电管理无很好的着力点。若按照通过派人至现场核查掌握真实运行状态这种传统管理模式，将严重影响各级人员的工作精力，效率不高，无法适应今后对配网实行科学精准管控的要求。
2 基于“大数据”分析下的配网精准停送电管理提升的内涵和主要做法
基层基于“大数据”分析下的配网精准停送电管理提升是通过开发“配网停送电精准管控轻量级工具”，对采集系统、PMS系统、OMS系统的数据深加工，同时结合配网线路层级拓扑关系的分解和结构化梳理，进行大数据监测分析，并推导出各支线开关、台区停送状态及停电类型，统计各线路、台区累计停电次数，无OMS检修单的疑似计划停电异动等监测成果，最终以通报考核等方式向一线传导配网停电管控压力，达到辅助调控停电计划审批、提升停电计划执行和减少台区重复停电目的。主要做法如下：
2.1 建立组织体系，明确工作思路
2.1.1 明确组织组织机构
成立由肖磊副总经理任组长、副总经济师张勇任副组长，运监中心、运检部、营销部、调控中心多部门主业骨干为成员的眉山公司配网停送电精准管控轻量级工具开发工作组。
2.1.2 扎实开展技术准备
召集所涉及的各专业负责人及业务骨干进行配网停送电精准管控业务思路的探讨，从各专业、多角度进行验证和丰富。
2.1.3 认真编制开发方案
及时总结各专业的反馈意见，拟定《国网眉山供电公司配网停送电精准管控轻量级工具开发工作方案》，并明确各部门职责。
2.2 各专业数据清洗及深加工，还原现场实际停电情况
2.2.1 是否停电判定
第一，对无效数据进行清洗。将采集故障导致的长期电流电压无数据（大于24小时）、循环无数据、一天十次以上出现无数据情况判定为采集故障。
第二，对采集系统台区电流电压数据处理。将台区连续大于1小时，小于24小时电流电压同时无数据视为疑似停电。
第三，对采集系统台区有功示数数据处理。计算疑似停电台区的日用电负荷特性（停电前后一个小时的有功变化平均值作为该台区当天每小时有功示数平均变化量），预测疑似停电时间段内有功示数变化（每小时平均变化量乘以停电小时数），并与实际有功示数变化量比较，符合日用电负荷特性判定（实际值大于预测值50%）为采集故障，不符合（实际值小于预测值50%）则确认为台区停电。
期刊文章分类查询,尽在期刊图书馆
2.2.2 停电类别判断
从OMS检修工单的特性中总结规律，计划停电开始时间在早6-12点，停电时长一般较长（停电时长大于4小时小于16小时），判定为疑似计划停电。疑似计划停电以外的台区停电判定为故障停电。
2.2.3 匹配OMS工单判断
疑似计划停电台区所在线路及停电时间段与OMS工单中停电设备及实际停送电时间吻合则匹配上OMS检修工单编号，不吻合则工单号为空。
2.2.4 判断结果数据再次手工核实
各单位供电所、城网管理人员，对分析判断的结果进行人工核实，并将台区停电类型及停电原因进行手工填报。
2.3 数据统计分析，展示评价各区县配网停电管控效果
2.3.1 各区县停电台次数、累计时长、停电率统计
第一，按区县统计每月累计停电台次数（分故障停电、计划停电）。从区县来看，仁寿、东坡台区停电次数较多；从月份变化来看，洪雅公司台区停电次数呈增长趋势；仁寿、东坡有明显的下降；丹棱停电台次数较少。
第二，按区县统计所有台区每季度累计总停电时长（分故障停电、计划停电），按区县统计所有台区每季度累计总停电时长/（区县台区数*当季度天数）。从停电率（停电台区数/监测总数）来看仁寿、东坡计划停电率较高；青神、洪雅则故障停电率较高。从停电时长来看，计划停电总时长远大于故障停电总时长。
2.3.2 各区县台区重复停电统计
一方面是按月统计每个台区的月停电次数；另外一方面是按区县统计月停电次数大于等于3次的台区数。仁寿、东坡、洪雅重复停电较为突出。
2.4 数据异动分析，发现在配网设备运维或停电上的管理失控、缺失
2.4.1 月重复停电大于7次异动分析
月重复停电大于7次作为重点关注台区，详细分析停电类型构成，并下发所属区县进行通报。
例：仁寿九曲村配变4月重复停电10次，计划停电6次，故障停电4次。
东坡花子村2组5月重复停电10次，计划停电3次，故障停电7次。
2.4.2 无OMS工单的计划停电异动分析
将停电类型核实为计划停电，且在OMS检修单中未匹配到编号的台区停电视为异动，下发至各单位进行原因核查。主要原因分析：一是停电未在眉山公司的下达计划内，县公司线下流转；二是PMS系统中线路与台区挂接关系不正确；三是6月之前低压总漏保未纳入调度管理范围；四是上报了停电计划，但是停电未按计划执行，为避免同业对标考核停电计划执行率，OMS系统中未流转；五是为避免线路重复停电考核，停电进行线下流转。
3 基于“大数据”分析下的配网精准停送电管理提升的实施效果
3.1 以数据说话细化配网停电管控颗粒度，提升客户用电体验度
统计时长、次数、停电率等度量指标，结合线路、台区、停电类型等维度，以数据方式展现各区县单位的配网停电实际情况。通过立标杆、找差距，切实提升配网运维和配网停电管控水平，减少台区重复停电，提升客户用电体验度。
3.2 以异动为导向传递配网停电管控压力，适应精准管控趋势
基于大数据分析成果，管理人员实现无需至现场就能掌握配网发生的停电事件。运监中心通过异动工单的形式，将未经调控中心线上审批的配网支线开关至台区低压总路所发生的人为停电事件下发至各设备维护单位，要求对异动问题进行说清楚，达到各级重视传递配网停电管控压力的目的，以尽快适应省公司不断加强此方面的精准管控趋势。
4 结束语
为了提高电网规划性能，本文提出一种基于大数据分析的电网精准规划信息系统设计方法，对系统的总体设计进行描述，系统包括信息采集模块、控制器模块、程序加载模块和人机通信模块等。研究表明，采用本文设计信息系统能准确实现电网大数据信息融合和集成管理，电网信息的覆盖度较高，展示了较好的应用价值。
参考文献：
[1]韩晓冬.基于小波神经网络的电网故障定位技术研究[J].科技通报，2013，29（6）：59?61.
[2]袁久兴.基于FPGA和AVR单片机的惯组电源板信号检测[J].国外电子测量技术，2014，33（2）：78?83.
论文作者:黄洋,张勇,周浩然
论文发表刊物:《电力设备》2017年第35期
论文发表时间:2018/5/14
标签：计划论文; 精准论文; 数据论文; 仁寿论文; 眉山论文; 故障论文; 东坡论文; 《电力设备》2017年第35期论文;