毛以平，毛靖斐，司徒佳波，董 博

（国网浙江宁波市奉化区供电有限公司，浙江 宁波 315000）

0 引 言

配电网是连接高压输电线路和低压用户之间的一个重要环节，是现代化城市不可缺少的能源供应系统，具有对安全可靠性和供电质量要求高等特点。随着经济、技术的发展，人民群众生活水平日益提高，越来越多的高科技、高智能电器走进工厂和家庭，这使得社会各界对缩短抢修时间、快速恢复供电、提高服务质量提出了更高的要求[1]。因此，主动抢修成为一种迫切的需求，在用户报修之前，启动抢修服务流程，使工作方式由以往的被动转变为现在的主动，提高了工作效率，减小了停电影响，提升了客户满意度[2]。如何及早发现故障，实现主动抢修，目前仍是一个问题，本文旨在探索和研究一种“基于电力大数据的配电网主动抢修”的技术，利用数据分析技术，建立变压器的停电明细与真实故障的关联性，采用神经网络方法，确立故障识别模型，方便维修人员尽快发现故障，以便采取行动，减少客户投诉。

1 数据的获取、处理及挖掘

1.1 数据的获取

本文以2017年1月至2018年6月这段时间的停电数据为研究对象，从用电信息采集系统，采集如表1所示字段数据，共导出有效停电信号465 376条，其中公变停电数量83 571条，专变停电数量381 805条。

表1 部分专变停电明细表

登录PMS系统，导出该时间段的配网检修计划信息，所提取的字段包括主线路名称、工作开始时间、工作结束时间等；登录营销系统，导出2017年1月至2018年6月的95598工单明细，所提取的字段包括线路、受理时间、处理结果；最后还有人工整理的故障处理记录，所整理的字段包括工作开始时间、工作结束时间、主线路名称。从95598工单和人工工单中提出计划检修工单，构成了线路故障数据，得到有效故障记录为1 826条，如表2所示。

1.2 数据的处理

2017年1月至2018年6月奉化供电公司在用电信息采集系统共导出有效停电信号465 376条，其中公变停电数量83 571条，专变停电数量381 805条。在公变和专变数量基本相等的情况下，专变的停电信号数量明显多于公变的停电信号数量。从时间分布上来看，每年的6、7、8三个月是停电次数最多的，如图1所示。

表2 有效故障明细表

图1 按月统计专变停电信号数

借助Python软件爬取并整理整理公变与专变的停电信号数量，由此得到同一时间同一线路上变压器的停电数量[3]，如表3所示。

表3 公专变停电数量明细表

1.3 数据的挖掘

运用神经网络模型对整理好的数据进行分析，以公专变的停电信号数量为自变量，故障为因变量，建立模型。这里以2017年初至2018年3月底数据为样本数据，得到训练结果，如表4所示。

模型的识别准确度为73%，由于在主动抢修中，把非故障识别成故障成本较高，因此故障命中率是一个比较重要的指标，它指的是识别为故障的事件中，真实故障所占的比例，模型命中率达到80.32%，故障识别率指的是识别准确的故障数量占样本中故障总数量的比例9 473/（9 473+9 845）=49.04%。

表4 训练模型识别结果分析

以2018年4月初到6月底的数据作为测试数据，按带入模型进行预测，得到如下测试结果，如表5所示。

表5 测试结果分析

随机选取的部分，预测结果准确性为72.51%，而故障命中率为79.13%，故障识别率48.58%。表明模型稳定性较好。

2 结 论

本文从所属线路的专、公用配电变压器停电信号数量出发，分析它们与故障之间的关联性，以专、公变得停电信号作为自变量，以95598故障工单以及供电企业平时运行中的故障作为因变量，运用神经网络算法建立基于停电信号的故障识别模型，通过利用现有的数据，大幅提高配电线路的故障识别能力，对真实的故障进行实时推送相关负责人，从而达到更有针对性、更及时的故障主动抢修。