作者簡介：陳勇（1966-），男，高級工程師，現(xiàn)任東方電子股份有限公司董事、副總經(jīng)理，多年從事電力調(diào)度自動化、變電站自動化、配電自動化相關(guān)領(lǐng)域研究和企業(yè)管理工作。

    摘  要：本文依據(jù)電力調(diào)度實際運行情況和業(yè)務知識需求，考慮智能電網(wǎng)發(fā)展趨勢，提出了利用數(shù)據(jù)挖掘技術(shù)建設智能電網(wǎng)調(diào)度運行分析系統(tǒng)的解決方案，討論了調(diào)度運行業(yè)務分析系統(tǒng)的體系結(jié)構(gòu)和數(shù)據(jù)挖掘模型，并說明了調(diào)度運行業(yè)務信息分析實例和系統(tǒng)實現(xiàn)技術(shù)。

    關(guān)鍵詞：數(shù)據(jù)挖掘；智能電網(wǎng)；調(diào)度運行；業(yè)務分析；綜合信息平臺

   Abstract： Based on data mining and business information request in electric power dispatching，considering the development trend of Smart Grid，this paper presents one solution of building the intelligent operation analysis system by using data-mining technology.We discuss the system architecture，and data mining model，and present.the instance of dispatching operation business analysis and the technologies of system implementation.

   Key words：Data Mining；Smart Grid；Electric Dispatching Operation；Business Analysis；Integration Information Platform

    智能電網(wǎng)是當今世界電力自動化系統(tǒng)發(fā)展的最新動向，被認為是21世紀電力系統(tǒng)的重大科技創(chuàng)新和發(fā)展趨勢。作為下一代電網(wǎng)自動化、信息化解決方案，智能電網(wǎng)是電網(wǎng)運行和管理的“中樞神經(jīng)系統(tǒng)”。可綜合處理各類調(diào)度自動化數(shù)據(jù)信息，為調(diào)度員提供各種智能分析和輔助決策工具，具有高度開放性、可用性和信息安全性，可適應各種標準信息集成框架的調(diào)度自動化系統(tǒng)^［7-9］。

    本文針對我國智能電網(wǎng)的建設背景，探討構(gòu)建智能電網(wǎng)的技術(shù)研究。結(jié)合電網(wǎng)調(diào)度業(yè)務需求，提出了利用數(shù)據(jù)挖掘技術(shù)構(gòu)建應用系統(tǒng)的解決方案，按照“集成信息——構(gòu)建模型——提取知識”的業(yè)務分析思路，建設智能電網(wǎng)調(diào)度運行分析系統(tǒng)，實現(xiàn)消除信息孤島，形成信息共享，支持智能化業(yè)務知識分析。

    1  系統(tǒng)體系結(jié)構(gòu)

    智能電網(wǎng)調(diào)度運行分析系統(tǒng)綜合數(shù)據(jù)報表、數(shù)據(jù)挖掘和多維分析等商務智能技術(shù)，從歷史數(shù)據(jù)中提取信息，分析對調(diào)度決策有價值的知識。系統(tǒng)體系分為三層：信息集成層整合各種業(yè)務系統(tǒng)的結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)，構(gòu)建綜合信息平臺；應用服務層整合業(yè)務模塊，根據(jù)粒度大小整合業(yè)務服務對象，實現(xiàn)基于數(shù)據(jù)挖掘模型的知識發(fā)現(xiàn)，并通過消息通訊和工作流技術(shù)進行業(yè)務銜接，跨越多個應用進行業(yè)務流程整合；展現(xiàn)層主要實現(xiàn)系統(tǒng)訪問層次上的整合，向用戶提供統(tǒng)一的交互模式。系統(tǒng)體系結(jié)構(gòu)如圖1所示。

           

                                   圖1  系統(tǒng)體系結(jié)構(gòu)

    電力企業(yè)目前已積累了許多有關(guān)調(diào)度運行和管理的數(shù)據(jù)，這些數(shù)據(jù)處于SCADA、EMS、TMR和GIS等系統(tǒng)中。由于這些數(shù)據(jù)的分散性、異構(gòu)性，再加上安全分區(qū)、橫向隔離的要求，使得很難直接獲取這些系統(tǒng)的數(shù)據(jù)并基于這些數(shù)據(jù)發(fā)現(xiàn)隱藏在海量數(shù)據(jù)背后的信息或知識。為了發(fā)現(xiàn)這種信息或知識，首先需要對數(shù)據(jù)進行整合，對這些分散的數(shù)據(jù)進行抽取、轉(zhuǎn)換、加載和清洗，然后基于該數(shù)據(jù)信息平臺進行相關(guān)主題的數(shù)據(jù)挖掘以獲取所需要的知識。

   業(yè)務整合是將原有的分散于企業(yè)內(nèi)部或外部的“業(yè)務流程斷點”進行鏈接，完成業(yè)務活動自動化的過程，利用工作流、消息、協(xié)同等技術(shù)，實現(xiàn)跨系統(tǒng)整合，使跨部門業(yè)務能夠在網(wǎng)絡環(huán)境中實現(xiàn)對同一事務的協(xié)同處理。降低服務對系統(tǒng)交互的信賴性。服務之間通過簡單、精確定義的接口進行通信，實現(xiàn)各系統(tǒng)間業(yè)務流程整合和管理。

    展現(xiàn)層實現(xiàn)信息系統(tǒng)用戶交互層次的整合，訪問企業(yè)內(nèi)分布存儲的、各種來源的信息內(nèi)容，并提供統(tǒng)一的檢索和內(nèi)容訪問控制。內(nèi)部用戶可通過Intranet根據(jù)系統(tǒng)賦予的不同權(quán)限實現(xiàn)各個業(yè)務應用訪問的集成，提供集成化的服務，實現(xiàn)信息查詢和報表展示。

    2  數(shù)據(jù)挖掘模型

    數(shù)據(jù)挖掘就是從海量數(shù)據(jù)中挖掘出有價值信息的技術(shù)，應用一系列技術(shù)從大量的、不完全的、有噪聲的、模糊的、隨機的數(shù)據(jù)中，提取隱含在其中的、有用的信息和知識的過程^［1-5］。其工作過程包括數(shù)據(jù)整合、建立模型、挖掘和知識分析。數(shù)據(jù)可以是結(jié)構(gòu)化的，如關(guān)系數(shù)據(jù)庫中的數(shù)據(jù)；也可以是半結(jié)構(gòu)化的，如文本、圖形、圖像數(shù)據(jù)，甚至是分布在電力調(diào)度各類業(yè)務間的異構(gòu)型數(shù)據(jù)。

    數(shù)據(jù)挖掘技術(shù)在處理電力調(diào)度海量數(shù)據(jù)和挖掘深層次信息方面有著很大的優(yōu)勢，針對電力調(diào)度業(yè)務需求，可以采用數(shù)據(jù)挖掘中發(fā)現(xiàn)知識的預測模型、多維分析模型、關(guān)聯(lián)分析模型等方法構(gòu)建挖掘模型，實現(xiàn)知識提取。

    2.1  預測模型

    為了把握分析對象發(fā)展規(guī)律，需要用已有數(shù)據(jù)序列預測未來趨勢。電力負荷預測是調(diào)度業(yè)務中常用技術(shù)，在充分考慮系統(tǒng)運行特性、增容決策、自然環(huán)境和社會影響的條件下，研究或利用一套能系統(tǒng)地處理過去與未來負荷的數(shù)學方法，根據(jù)氣溫、濕度等因素預測未來用電需求，在滿足一定精度要求的前提下，確定某特定時刻的負荷數(shù)值，指導電力調(diào)度決策。

    負荷預測比較常用的方法有：時間序列法、灰色預測法、模糊聚類識別預測法、神經(jīng)網(wǎng)絡預測法和優(yōu)選組合預測法等。人工神經(jīng)網(wǎng)絡能夠建立任意非線性的模型，適用于解決時間序列預測問題。時間序列模型強調(diào)考慮時間特性，尤其是考慮時間周期的層次，如日、星期、月等，還可考慮日歷的影響，如節(jié)假日等，適合應用于電力系統(tǒng)的負荷預測。

     2.2  多維分析模型

    維是信息所對應的層次概念，多維分析以維為基礎(chǔ)，將數(shù)據(jù)分類進行抽象統(tǒng)計分析，按照分析對象的屬性、特征，建立業(yè)務信息分類模型。多維分析基于統(tǒng)計學原理，在不同維度之間關(guān)聯(lián)后做數(shù)據(jù)分析，在電力調(diào)度分析中通常按時間（年、季度、月、周、日）和區(qū)域（地區(qū)、省、城市、區(qū)）進行分析，常用的方法有回歸分析、方差分析等。

    電力調(diào)度業(yè)務數(shù)據(jù)也可以采用分類模式進行統(tǒng)計分析，將數(shù)據(jù)分為三類進行歸納，提取能代表共同特性的信息：①設備臺賬類，描述電力調(diào)度對象固有屬性的數(shù)據(jù)，包括一次設備、二次設備、自動化設備、通信設備等，主要來自業(yè)務系統(tǒng)的設備數(shù)據(jù)庫，包括各種參數(shù)、定值；②動作記錄類，電力調(diào)度所從事的工作，實質(zhì)上就是對電網(wǎng)設備的操作，以及處理電網(wǎng)設備的動作，這類數(shù)據(jù)來自日志（調(diào)度、保護、自動化、通信）、操作票、工作票，開關(guān)變位、保護故障信息系統(tǒng)等，反映電力系統(tǒng)運行的非連續(xù)過程；③時間采樣類，反映電力系統(tǒng)連續(xù)變動過程的一系列數(shù)據(jù)，其最大特點就是時間性，根據(jù)應用目的不同設置不同的粒度，如來自SCADA/EMS的原始數(shù)據(jù)可達到秒級的時間間隔，有分鐘級或小時級的采集電量，還有按日、旬、月、季、年匯總加工的報表數(shù)據(jù)等。

    2.3  關(guān)聯(lián)分析模型

    關(guān)聯(lián)規(guī)則反映事物之間依賴或關(guān)聯(lián)的知識，關(guān)聯(lián)規(guī)則挖掘是在數(shù)據(jù)庫或信息知識庫的項目集或者對象集中尋找關(guān)聯(lián)、相關(guān)、或有因果關(guān)系的信息，涉及的兩個重要參數(shù)是最小支持度和最小信任度，支持度表示規(guī)則前件和后件同時在數(shù)據(jù)集中出現(xiàn)的概率；信任度表示在規(guī)則前件成立時能夠推出規(guī)則后件的概率，或者說規(guī)則后件相對于規(guī)則前件的可信程度。相關(guān)性指某種事物發(fā)生時其他事物會發(fā)生的一種聯(lián)系，可以通過關(guān)聯(lián)的支持度和可信度來描述。

    進行電力負荷特性分析時，可以將影響負荷特性變化的因素分為兩類：一類是對負荷具有長期影響效應的因素，對負荷的影響表現(xiàn)為負荷變化的長期趨勢性，例如經(jīng)濟發(fā)展、產(chǎn)業(yè)結(jié)構(gòu)變化等；另一類是對負荷的影響具有短期效應的影響因素，比如溫度、降雨量等氣候因素。研究各種相關(guān)因素對各行業(yè)或區(qū)域用電負荷變化的影響規(guī)律，有助于提高電力負荷的預測精度，確保電力系統(tǒng)的安全、經(jīng)濟運行。

    本系統(tǒng)在具體應用中改進ID3算法，不僅考慮決策屬性帶來的信息增益，還考慮到選擇該屬性后繼續(xù)選擇的屬性所帶來的信息增益，即同時考慮樹的兩層結(jié)點，構(gòu)造出高質(zhì)量的決策樹。運用該算法，能夠減少結(jié)點數(shù)目，使樹的深度更小，提高挖掘速度和效率。具體算法為：設A為侯選的屬性，A有n項屬性值，對應的概率分別為P₁，P₂，…，P_n，按照最小信息熵原理對屬性A擴展，{B₁，B₂，…，B_n}為n個子結(jié)點選擇的屬性，分別對應的信息熵為H（B₁），H（B₂），…，H（B_n），則
       
                               （1）

    算法選擇屬性A^*的標準是A^*使得H^*（A）最小。算法的詳細步驟如下：

    （a）對任意未選擇的屬性A，假設A有n個屬性值，對應的概率分別為P₁，P₂，…，P_n，以屬性A擴展，生成n個子結(jié)點{B₁，B₂，…，B_n}，B_i是屬性A取第i個值時，按照最小信息熵原理選擇的A的后繼屬性，分別對應的信息熵為H(B₁)，H(B₂)，…，H(B_n)；

    （b）根據(jù)公式（1），計算H^*(A)；

    （c）選擇A^*使得H^*(A)最小，將A^*作為新選的屬性；

    （d）利用步驟（a）的計算結(jié)果，建立結(jié)點A^*的后繼結(jié)點{B₁，B₂，…，B_n}；

    （e）對所有的B_i，若為葉結(jié)點，則停止擴展此結(jié)點，否則遞歸執(zhí)行（a）-（e）的過程。

    電力負荷具有隨機性，在實際預測中不可能考慮到所有的因素，一方面是由于歷史數(shù)據(jù)的收集和觀測困難；另一方面是因為因素太多不僅會引起建模困難，而且會帶來運算復雜和數(shù)值不穩(wěn)定等問題。因此選取對負荷預測有較大影響的星期因素和溫度、濕度等氣象信息作為主要考慮因素，改進決策樹預測模型，克服算法的計算依賴于屬性值較多的屬性、屬性間相關(guān)性強度不夠及對噪聲較為敏感的缺點，具有較好的預測結(jié)果，在一定程度上揭示影響日特征負荷的各個影響因素的重要程度。

    3  業(yè)務信息分析

    為了電力安全經(jīng)濟調(diào)度，必須認真分析所有收集到的數(shù)據(jù)，將其轉(zhuǎn)化為直觀、易懂的調(diào)度經(jīng)驗知識。為此，基于數(shù)據(jù)挖掘的調(diào)度運行知識獲取模型，觀測分析結(jié)果、提供可視化程度高，便于調(diào)度運行人員獲得有價值的信息，快速、有效地支持實際調(diào)度業(yè)務分析。

    3.1  電網(wǎng)運行信息分析

    分析挖掘電網(wǎng)運行的宏觀信息，支持電網(wǎng)運行調(diào)度知識的發(fā)現(xiàn)，根據(jù)分析信息合理安排未來的輸電計劃，充分發(fā)揮其跨區(qū)輸電的潛力，能最大限度滿足當前電力需求。建立用電區(qū)域、電壓等級、用電負荷三維的電網(wǎng)運行數(shù)據(jù)透視和分析模型，可以直觀分析出某區(qū)域、某條線路負荷明顯高于其他線路的負荷情況，根據(jù)分析結(jié)果，可進行編制初步的電力調(diào)度計劃。
業(yè)務分析過程中，可以利用多種復雜檢索對數(shù)據(jù)源各特征的總體均值、方差、標準差、中心矩、總體偏度、總體峰度進行計算，提取電網(wǎng)運行信息。按照故障類型、故障發(fā)生時間、嚴重程度和系統(tǒng)的運行模式、人員素質(zhì)進行相關(guān)性分析，從而挖掘出更多的調(diào)度運行經(jīng)驗，指導實際調(diào)度運行業(yè)務。

    3.2  區(qū)域負荷趨勢分析

    電力負荷具有經(jīng)常變化的特點，不但按小時變、按日變，而且按周變，按年變，同時負荷又是以天為單位不斷起伏的，具有較大的周期性。負荷變化是連續(xù)的過程，一般不會出現(xiàn)大的躍變，但電力負荷對季節(jié)、溫度、天氣等是敏感的，不同的季節(jié)，不同地區(qū)的氣候，以及溫度的變化都會對負荷造成明顯的影響。

              
 
                           圖2  本年與上年區(qū)域負荷趨勢對比

    為了選擇適當?shù)碾娋W(wǎng)供電機組類型和合理的電源結(jié)構(gòu)，還必須預測負荷及電量。負荷預測根據(jù)目的的不同可以分為超短期、短期、中期和長期。電力系統(tǒng)負荷預測包括最大負荷功率、負荷電量及負荷曲線的預測。最大負荷功率預測對于確定電力系統(tǒng)發(fā)電設備及輸變電設備的容量非常重要。如圖2所示，建立分區(qū)負荷趨勢對比分析圖表，挖掘電網(wǎng)負荷的變化趨勢規(guī)律，用于指導電網(wǎng)供電負荷調(diào)度。

    3.3  電力負荷特性分析

    電力優(yōu)化調(diào)度的目標之一就是要努力減少用戶在電網(wǎng)峰荷時段的電力需求，使用戶更有效地利用能源，在滿足同樣能源服務的同時減少其用電量。目前重點實施的削峰填谷等措施在一定程度上改變了負荷曲線的形狀，基于用戶用電特性的分類方法，通過用戶曲線與系統(tǒng)曲線的對比，為電力調(diào)度選擇用戶、采取各種價格措施（如峰谷分時電價、可中斷電價、避峰電價等）影響用戶用電行為、改善系統(tǒng)負荷曲線形狀提供有益參考，促進電力系統(tǒng)的生產(chǎn)和運行效率的提高。

    基于負荷量的用戶分類是分析用電特性的基礎(chǔ)，建立各類用電特性分析，能直觀表明某供電區(qū)域商業(yè)用電和生活用電為調(diào)峰重點，可以加強電力需求側(cè)管理，運用各種措施減少該時間段這兩類電量消耗，降低電網(wǎng)最大負荷。

    4  系統(tǒng)實現(xiàn)技術(shù)

    4.1  基于綜合信息平臺實現(xiàn)信息集成

    綜合信息平臺是建設調(diào)度業(yè)務分析系統(tǒng)的基礎(chǔ)，實現(xiàn)數(shù)據(jù)整合和集成業(yè)務信息，以企業(yè)應用集成總線ESB方式提供數(shù)據(jù)模型，而無需進行點對點轉(zhuǎn)換；基于公共模式的集成數(shù)據(jù)模型有助于減少數(shù)據(jù)重復，而且企業(yè)范圍內(nèi)參與集成運行的應用可以同時知道數(shù)據(jù)變化^［6］。平臺提供靈活的模式定義工具，用戶可自定義一些特殊數(shù)據(jù)模式。分布式計算環(huán)境下的多層客戶/服務器模式、跨平臺、跨網(wǎng)絡透明通信框架的特點，實現(xiàn)了電力企業(yè)應用以軟插件形式插入軟總線實現(xiàn)集成運行。

    綜合信息平臺不同于所謂的“數(shù)據(jù)平臺”，數(shù)據(jù)平臺重點在于采用統(tǒng)一的方法進行數(shù)據(jù)的存儲管理，能提供規(guī)范的數(shù)據(jù)接口，簡單的查詢統(tǒng)計工具。而綜合信息平臺的建立，除了要包含數(shù)據(jù)平臺的功能外，還要做到數(shù)據(jù)信息上的整合。從整體綜合規(guī)劃數(shù)據(jù)信息，結(jié)合業(yè)務需求，使用面向服務的方法建立信息模型、業(yè)務知識模型和服務模型，把數(shù)據(jù)和應用結(jié)合到一起，方便地解決信息的交流問題，完成信息發(fā)布、全文搜索、知識抽取和應用集成。

    4.2  構(gòu)件模型庫

    構(gòu)件模型庫的建設思路就是利用構(gòu)件技術(shù)，在標準的、異構(gòu)系統(tǒng)互聯(lián)的中間件技術(shù)支持的基礎(chǔ)上實現(xiàn)基于軟件總線的信息集成，提高應用系統(tǒng)開發(fā)效率和運行性能，使應用系統(tǒng)各業(yè)務模塊凝成為有機體。基于構(gòu)件耦合法分層設計構(gòu)件模型庫可以充分考慮構(gòu)件的易擴展性和重用性，減輕系統(tǒng)開發(fā)工作量并提高應用質(zhì)量。根據(jù)構(gòu)件在應用中功能層次的差異，部署在構(gòu)件模型庫中的構(gòu)件可分為：支撐構(gòu)件、內(nèi)核構(gòu)件、外殼構(gòu)件等。

    支撐構(gòu)件層提供系統(tǒng)運行時服務的底層定義和實現(xiàn)，為系統(tǒng)其他構(gòu)件提供底層支撐。如數(shù)據(jù)提取構(gòu)件、數(shù)據(jù)轉(zhuǎn)換構(gòu)件、數(shù)據(jù)通訊構(gòu)件等。內(nèi)核構(gòu)件層實現(xiàn)系統(tǒng)的基本功能，是系統(tǒng)必不可少的組成部分，主要包括兩部分構(gòu)件：一是事務處理構(gòu)件、安全定義構(gòu)件、消息處理構(gòu)件、協(xié)調(diào)構(gòu)件等；二是業(yè)務建模、計算處理、數(shù)據(jù)挖掘算法構(gòu)件等。外殼構(gòu)件層主要用于與用戶的交互功能及業(yè)務邏輯的實現(xiàn)。包括界面操作構(gòu)件、業(yè)務邏輯構(gòu)件、報表生成構(gòu)件、交互信息處理構(gòu)件等。

    相對于外殼構(gòu)件層的用戶個性要求經(jīng)常變化，支撐構(gòu)件層與內(nèi)核構(gòu)件層因系統(tǒng)的需求信息差異而改變的頻率很小，從而可以充分利用構(gòu)件的可重用性，提高系統(tǒng)可靠性和運行性能。

    4.3  動態(tài)報表和圖形分析

    為增強應用效果，系統(tǒng)將動態(tài)業(yè)務報表和圖形分析技術(shù)相結(jié)合，提供包括棒圖、餅圖、折線圖等各種圖表，使數(shù)據(jù)統(tǒng)計分析信息以美觀、直觀的方式展示，提高系統(tǒng)應用水平。系統(tǒng)提供的動態(tài)報表可以滿足用戶復雜Web報表需求，輕松實現(xiàn)企業(yè)分散數(shù)據(jù)信息集成，以個性化的Web報表進行展現(xiàn)，方便用戶和業(yè)務人員進行查詢、統(tǒng)計與分析。進行業(yè)務分析過程中，將電力負荷、預測負荷和歷史平均負荷以多條曲線同畫面顯示，能直觀地分析偏差走勢，支持調(diào)度決策。

    5  結(jié)語

    本文討論構(gòu)建的智能電網(wǎng)調(diào)度運行分析系統(tǒng)能夠滿足電力企業(yè)運營模式和調(diào)度自動化業(yè)務功能需求，適合調(diào)度人員進行業(yè)務分析，提取調(diào)度運行知識信息。數(shù)據(jù)挖掘是一個人機交互、多次反復的過程，應用中尚面臨超大數(shù)據(jù)量的挑戰(zhàn)，如何正確處理冗余信息和噪聲數(shù)據(jù)、提升挖掘結(jié)果的有效性和知識信息的實用性是系統(tǒng)建設需不斷完善的要素。

    參 考 文 獻

    ［1］李雄飛，李軍.數(shù)據(jù)挖掘與知識發(fā)現(xiàn)［M］.高等教育出版社，2003.
 
    ［2］劉宇.基于數(shù)據(jù)倉庫和數(shù)據(jù)挖掘的電力調(diào)度輔助決策［D］.華北電力大學，2004.

    ［3］陳星鶯，張曉花，矍峰，等.數(shù)據(jù)挖掘在電力系統(tǒng)中的應用綜述［J］.電力科學與技術(shù)學報，2007，3：51-56.

    ［4］肖峻，張晶，朱濤，等.基于關(guān)聯(lián)分析的城市用電負荷研究［J］.電力系統(tǒng)自動化，2007，31（17）：103-107.

    ［5］仲偉寬.模糊聚類方法在用戶負荷曲線分析中的應用［J］.華東電力，2007，35（8）：97-99.

    ［6］李勝利，任軍，伊建偉.電力市場中發(fā)電廠調(diào)度綜合信息平臺的設計與實現(xiàn)［J］.電力設備，2007，8（10）：27-29.

    ［7］周歡，黃春毅.企業(yè)數(shù)據(jù)總線在管理型商業(yè)智能系統(tǒng)中的應用［J］.內(nèi)蒙古科技與經(jīng)濟，2008，23：72-73.

    ［8］周瑾，黃立平.知識管理和商務智能關(guān)系研究［J］.科學學與科學技術(shù)管理，2009，3：100-104.

    ［9］肖世杰.構(gòu)建中國智能電網(wǎng)技術(shù)思考［J］.電力系統(tǒng)自動化，2009，33（9）：1-4.

                                                     ——轉(zhuǎn)自《自動化博覽》