电力大数据应用解决方案

2017-02-05 泰迪智能科技 637
分享到:

logo.png


1、窃漏电自动诊断
    窃电和计量装置故障造成漏收、少收电费使电力系统利益受损。传统方法主要通过定期巡检、定期校验电表、用户举报窃电等手段来发现窃电或计量装置故障。对人的依赖性太强,抓窃查漏的目标不明确。为了更好的发挥计量自动化系统的远程在线监测平台,目前很多供电局主要通过营销稽查人员、用电检查人员和计量工作人员充分利用计量系统的计量异常报警功能和电能量数据查询功能开展用户用电情况的在线监控工作,通过采集电量异常、负荷异常、终端报警、主站报警、线损异常等信息,建立数据分析模型,来实时监测窃漏电情况和发现计量装置的故障。并通过 “失压失流”、“超合同容量用电”、“电流过负荷”等用电报警信息,以及根据报警事件发生前后客户计量点有关的电流、电压、负荷数据情况等,通过构建基于指标加权的用电异常分析模型,实现检查客户是否存在窃电、违章用电及计量装置故障等目的。
    以上用窃漏电检测方法,虽然能获得用电异常的某些信息,由于终端误报或无用信息太多,无法达到真正快速精确定位窃漏电嫌疑用户和计量故障的目的,往往令稽查工作人员无所适从。而且在采用这种方法建模时,模型各输入指标权重的确定需要用专家的知识和经验,具有很大的主观性,存在明显的缺陷,所以实施效果往往不尽如人意。
    要很好地实现防窃漏电诊断功能,可充分利用电力系统中逐步积累下来的海量真实数据,采用数据挖掘技术,分析各类电力数据直接的相互关系、发现事件之间的内部关联,构建反映用户窃漏电规律的评价指标体系、专家样本库和窃漏电评价模型,实现对新采集用户计量数据的窃漏电自动评价。从而可以为防止某些用户在用电上作假和偷电提供有效的实时监察。窃漏电分析通过实时监控与计算,可以及时发现窃漏电现象,既能及时保留现场证据,又能将损失降至最低,可有效减少供电企业的电能损失,维护企业的合法权益。

2、异常用电自动诊断
    目前计量系统采集的电量、负荷、报警等数据进行现场用电分析、可查证用电异常行为。但在实际应用中,由于现场环境和用电特性的复杂性,以及系统数据量的庞大,系统不能自动对不科学用电(三相电流不平衡、负载率偏低、负载率过高、功率因数偏低、峰谷电量不合理等)、异常用电(电压回路异常、电流回路异常、峰谷电量异常、相位角异常、电表与终端电量比对异常等)进行智能诊断,仍需要投入较大的人力才能分析确认。
    用电异常智能诊断模型,以计量自动化系统为基础,可自动地对海量的电力数据进行智能分析,自动实现对异常用电及不科学用电行为进行智能诊断。系统能根据其应用的环境、最新的实际数据和系统反馈进行模型结构与参数的自动调整和优化,达到更好的诊断效果,即系统能够根据新的数据调整自己的诊断条件,不断地学习,不断地以新的知识应对复杂多变的客户用电行为。

3、需求侧电力负荷预测
    利用数据挖掘技术,基于计量自动化系统和营销管理系统,在细分行业,用电性质的前提下分别考虑各种因素对不同行业的干扰。对某些受干扰较大的行业类别,进一步基于用户负载特征,利用聚类算法对其进行分类,然后对分类后的用户组根据其负载特征再分别利用不同的时序预测算法进行负荷预测,最后将各用户组预测结果进行叠加,形成最终的预测结果。从需求侧进行负荷管理,实现错峰用电、削峰填谷。为供电部门用于电力系统规划和制定错峰计划、优化错峰方案和节能减排提供指导依据。

4、信息系统客户服务感知
    电网企业通过多年信息化建设,建成了众多业务信息系统,每个业务系统运行过程中是否正常、是否存在问题隐患?信息系统是否真正减轻业务人员的日常工作量并且提高工作效率?如何从提供“被动”服务转变为根据客户感知提供“主动”服务,真正实现电网企业对信息系统服务的有效运用管理?如何构建一套适合电网企业的信息系统客户服务感知模型,通过模型定位信息系统服务过程中存在的问题,并通过建立信息系统客户服务管控体制和管控方法,不断完善和优化信息系统,提升信息系统客户服务满意度?建立一套有效的信息系统客户感知模型及管控机制,已成为电网企业有效促进信息化工作水平提高的重要工作之一。
    建设一套适合电网企业的可行的信息系统客户服务感知模型与管控体系。首先,通过模型真实评价信息系统的应用现状,准确定位信息系统客户服务中存在的问题;其次,建立信息系统客户服务管控体系,对通过感知模型定位的问题,不断改善和解决,达到提高信息系统客户服务质量的目的。

5、电力系统故障分析
    系统在业务处理中积累了大量数据,可以利用数据挖掘技术将这些数据中蕴藏着的许多潜在的重要因素、事实和关联等有价值的信息提炼出来。例如,可运用数据挖掘中的关联分析法分析故障发生原因同其他因素的相关性,如故障和对其影响很大的温度、雨量、雷暴、负荷等因素之间的关系,从而使故障分析符合事物的客观规律;再运用序列模式分析方法找出几类重要的、常发生故障的、具有相同的模式的部件;再按分类分析法定义出常发生故障部件的分类标准,即故障模式;最后用故障模式作为分析规则,运用聚类分析法找出在该模式下尚未发生故障的部件,作为重点预维修的参考,实现可靠的安全管理。

6、营销稽查数据挖掘与智能分析
    分析营销服务工作流程和工作质量存在问题,并挖掘营销稽查各种问题的行为特征,构建营销稽查数据和流程异常诊断模型,通过对营销服务业务进行实时全过程监控,运用模型,自动筛选出异常,及时发现并分析营销服务工作流程和工作质量存在问题。

7、居民用电分析与供用电服务优化
    利用云计算及相关辅助技术实现供电企业对居民用户、居民用电设施的信息采集,分析用电侧居民用户行为信息,并通过云计算技术对海量和动态用户行为数据进行挖掘分析,优化供、用电策略,为客户提供用电信息和多元、互动的增值服务,从而提升供电企业优化电网建设和客户服务的能力,探索从电网侧到用电侧的双向互动管理模式。

8、电力客户细分
    电力客户细分应用场景主要有:
    1)通过数据分析,把用户按敏感用户分群、高价值客户分群、高信誉度用户分群,保证对敏感客户、高价值客户,高信誉度客户的错峰、计划停电信息能够及时送达;
    2)根据客户主动错峰的要求,结合客户用电特征,做到科学柔性错峰,优化客户的错峰时间;
    3)根据客户自备电源以及停电应急要求,分析客户是否需要自备电源,从而促进这类客户自备电源,如在紧急情况下,根据客户的实际要求把用户按缴费习惯分群,并通过短信、网上营业厅等渠道给用户推荐合适的缴费方式;
    4)把用户按高欠费风险用户分群,对高风险用户采取预付费、安装预售电装置等措施,预防资金风险;
    5)通过对客户沟通渠道的偏好建立客户细分管理,开展常态化的信息沟通(关怀信息、节能信息、服务产品推广信息等),提高客户沟通频率、效率;
    6)对客户日常使用的渠道、联系电话的准确性进行评估分析,了解客户的年龄、职业、用电需求特点,挑选客户可能会感兴趣的服务产品,准确沟通。

9、变电设备预警及故障诊断
    近年来随着电力企业设备监测平台应用的逐步增多,针对海量实时历史数据的应用也得到了迅速发展,如何利用这些数据进行有效的数据挖掘实现可靠的设备预警分析是目前的热点内容之一,目前各类设备运检状态信息的有效数据挖掘、融合分析和综合状态评价诊断技术等还处于探索阶段,要全面支持智能电网运行、检修、调度和控制,实现高压设备的状态检修和资产全寿命管理,达到智能电网的要求还有相当的发展空间。
     基于据挖掘技术的变电设备预警及故障诊断,实现GIS设备局部放电内部放电源类型的辨识方法以及综合定位、变压器设备状态的油色谱差异化预警、设备故障案例库的建设以及智能诊断,可为实现设备运行状态及发展趋势全面掌控,提升设备状态检修水平,保障电网的安全稳定运行提供必要的技术支撑。