本发明公开了基于大数据的配网故障高发区域辨识方法,包括以下几个步骤：基于多源数据对配网故障位置进行模糊识别；基于历史负荷数据、气象监测数据进行配网故障停电负荷损失评估；对地理视图进行网格划分，并实现故障与地理网格的映射；计算给定时间段内各个地理网格的故障影响统计指标，对各网格区域内故障影响进行量化；根据各网格故障影响统计指标进行着色，从而生成故障影响色斑图；对于故障高发区域提出相应的辅助决策建议。本发明通过对海量的配网故障进行了停电损失量化与模糊定位，并与地理网格进行了映射，进而针对地理网格的故障影响进行统计分析，形成故障影响色斑图，从而为配网调度、运维、检修提供精细化和定制化的辅助决策建议。
1.基于大数据的配网故障高发区域辨识方法,其特征在于，包括以下几个步骤：(1)针对每一起故障，基于多源数据对配网故障位置进行模糊识别；基于历史负荷数据、气象监测数据进行配网故障停电负荷损失评估；
(2)对地理视图进行网格划分，并实现故障与地理网格的映射；
(3)计算给定时间段[ts,te]内各个地理网格的故障影响统计指标，对各网格区域内故障影响进行量化；
(4)根据各网格故障影响统计指标值对地理网格进行着色，从而生成故障影响色斑图；
步骤(1)中，对所述配网故障位置进行模糊识别的方法如下：
(1a)根据正则表达式，从电网故障统计上报系统中对地市专职填报的故障位置文本信息进行解析，识别出设备编号及设备名称，并到生产管理系统PMS中查找对应设备，从而确定故障位置(pos_x,pos_y)，并标记故障位置类型为0，如果无法识别，则转到步骤(2a)；
(2a)从配网管理系统DMS中查找故障线路的分段开关遥信分位记录，如果该线路所有分段开关安装了配电自动化装置，找出线路故障时间范围内最先分闸的两个分段开关ss1、ss2，并标记故障位置类型为1；如果线路未安装配电自动化装置，则转到步骤(3a)；
(3a)从用电信息采集系统中查找故障馈线下辖所有配电变压器的负荷数据，根据电流掉零的持续时长，确定各配变的停电时长，将停电时长最长的配变加入到配变集合pb_set中，并标记故障位置类型为2。
2.根据权利要求1所述的基于大数据的配网故障高发区域辨识方法,其特征在于，步骤(2)中，对所述地理视图进行网格划分的方法如下：地理区域基于第一象限坐标系，将地理区域用边长为len的正方形进行切分，假设共计m列n行正方形覆盖了给定的地理区域，其中，m>3,n>3，将左下角的网格编号为g(0,0)，则位于第x列、y行位置的网格编号为g(x,y)。
3.根据权利要求2所述的基于大数据的配网故障高发区域辨识方法,其特征在于，步骤(2)中，所述故障与地理网格的映射方法如下：定义地理网格g(x,y)的故障事件列表ft_list(x,y)，用于存储发生在该网格内的故障事件，每一条记录包含以下属性：故障发生时间occure_time、故障馈线feeder_info、故障位置GPS坐标x轴pos_x、故障位置GPS坐标y轴pos_y、故障停电损失负荷loss、故障类型type、故障位置模糊度amb和故障损失权重值weight；
Case1：该故障的位置类型为0，如果其故障发生位置(pos_xi,pos_yi)∈g(x,y)，则将记录fti插入ft_list(x,y)，其中，fti.amb＝0,fti.weight＝1,fti.pos_x＝pos_xi,fti.pos_y＝pos_yi；
Case2.1:如果两个分段开关ss1、ss2以及它们之间的线路都位于g(x,y)之中，则将记录fti插入ft_list(x,y)，其中，fti.amb＝0,fti.weight＝1；
Case2.2:将两个分段开关ss1、ss2以及它们之间的线路称为ft_section，如果ft_section位于不同的地理网格g(x1,y1)～g(xn,yn)中，将故障按照不同的权重插入到这些地理网格的故障列表中；对于地理网格g(xj,yj)，将记录fti插入ft_list(xj,yj)，其中，fti.amb＝1,Case3:该故障的位置类型为2，
Case3.1:如果pb_set以及它们之间的线路都位于g(x,y)之中，则将记录fti插入ft_list(x,y)，其中，fti.amb＝0,fti.weight＝1；
Case3.2:将pb_set以及连接这些配变的线路区段称为ft_section，如果ft_section位于不同的地理网格g(x1,y1)～g(xn,yn)中,将故障按照不同的权重插入到这些地理网格的故障列表中；对于地理网格g(xj,yj),将记录fti插入ft_list(xj,yj)，其中，fti.amb＝1,
4.根据权利要求3所述的基于大数据的配网故障高发区域辨识方法,其特征在于，步骤(3)中，所述故障影响统计指标包括故障发生次数、故障停电影响累加值、故障停电影响线路长度均值和故障停电影响10kV配变容量均值；
对于网格g(x,y)，所述故障影响统计指标的计算方法如下：(1b)故障发生次数
其中，length_grid(linej)为线路j在网格g(x,y)内的长度；
m′为网格内包含的配变的总数或与网格交错的馈线的总数，linej为网格内第j条馈线；
其中，volumn(trj)为配电变压器j的容量，其中，trj为网格内第j台配变。
5.根据权利要求1所述的基于大数据的配网故障高发区域辨识方法,其特征在于，步骤(4)中，所述故障影响色斑图的生成方法如下：选定统计区域、统计时段、故障类型、统计指标后，计算各地理网格的故障统计值二维数组g_stat[x][y]；
统计得到该数组的95概率值、85概率值与30概率值，分别作为高危、严重、普通和较低区域划分的阈值；
将各地理网格按照相应的等级进行着色，从而形成故障影响色斑图。
6.根据权利要求1所述的基于大数据的配网故障高发区域辨识方法,其特征在于，步骤(5)中，所述辅助决策建议如下：(1c)高危区域，且以架空线路为主，则建议进行绝缘化、电缆化改造或进行配电自动化升级改造；
(2c)高危区域，且以电缆为主但配电自动化程度低，则建议对线路进行配电自动化升级改造；
(3c)中高危区域，且统计指标为故障停电影响线路长度均值，则建议增加该区域的线路分段；
(4c)中高危区域，且故障类型为外力破坏，则建议加强与施工单位的沟通，并加大该区域巡视巡检的力度；
(5c)中高危区域，且故障类型为设备老化，则建议加强该区域设备排查，及时更新缺陷或老化设备；
(6c)中高危区域，且故障类型为树线矛盾，则建议定期开展该区域树木修剪。
基于大数据的配网故障高发区域辨识方法
技术领域
[0001] 本发明涉及一种基于大数据的配网故障高发区域辨识方法，属于配网安全性与可靠性分析领域。
背景技术
[0002] 在传统配网故障管理工作中，往往只是针对单条故障进行研判，并在此基础上进行区域维度(省、市、县)和时间维度(年、月、日)配网故障数量统计。这些统计结果粒度较粗，无法对配网调度运检提供有效的辅助决策。
[0003] 单个电网故障的发生具有一定的偶然性，然而从一段较长时间来看，配网网架薄弱或运维落后的区域的故障率高于平均水平，并呈现出一定的规律性。因此，通过对历史故障进行大数据分析，有效识别出故障频发的高风险区域，并采取相应的技术或管理手段来降低故障风险发生的概率，对于提高配网供电可靠性具有十分重要的意义。
[0004] 随着智能电网建设的不断推进，配电网的信息化水平不断提升，目前江苏电网已逐步实现了EMS(能量管理系统)、PMS(生产管理系统)、DMS(配网管理系统)和用电采集系统的全面覆盖。
发明内容
[0005] 针对现有技术存在的不足，本发明目的是提供一种基于大数据的配网故障高发区域辨识方法，通过对海量的配网故障进行了停电损失量化与模糊定位，并与地理网格进行了映射，进而针对地理网格的故障影响进行统计分析，形成故障影响色斑图，从而为配网调度、运维、检修提供精细化和定制化的辅助决策建议。
[0006] 为了实现上述目的，本发明是通过如下的技术方案来实现：
[0007] 本发明的基于大数据的配网故障高发区域辨识方法,包括以下几个步骤：
[0008] (1)针对每一起故障，基于多源数据对配网故障位置进行模糊识别；基于历史负荷数据、气象监测数据进行配网故障停电负荷损失评估；
[0009] (2)对地理视图进行网格划分，并实现故障与地理网格的映射；
[0010] (3)计算给定时间段[ts,te]内各个地理网格的故障影响统计指标，对各网格区域内故障影响进行量化；
[0011] (4)根据各网格故障影响统计指标值对地理网格进行着色，从而生成故障影响色斑图；
[0012] (5)对于故障高发区域，提出相应的辅助决策建议。
[0013] 步骤(1)中，对所述配网故障位置进行模糊识别的方法如下：
[0014] (1a)根据正则表达式，从电网故障统计上报系统中对地市专职填报的故障位置文本信息进行解析，识别出设备编号及设备名称，并到生产管理系统PMS中查找对应设备，从而确定故障位置(pos_x,pos_y)，并标记故障位置类型为0，如果无法识别，则转到步骤(2a)；
[0015] (2a)从配网管理系统DMS中查找故障线路的分段开关遥信分位记录，如果该线路所有分段开关安装了配电自动化装置，找出线路故障时间范围内最先分闸的两个分段开关ss1、ss2，并标记故障位置类型为1；如果线路未安装配电自动化装置，则转到步骤(3a)；
[0016] (3a)从用电信息采集系统中查找故障馈线下辖所有配电变压器的负荷数据，根据电流掉零的持续时长，确定各配变的停电时长，将停电时长最长的配变加入到配变集合pb_set中，并标记故障位置类型为2。
[0017] 步骤(2)中，对所述地理视图进行网格划分的方法如下：
[0018] 地理区域基于第一象限坐标系，将地理区域用边长为len的正方形进行切分，假设共计m列n行正方形覆盖了给定的地理区域，其中，m>3,n>3，将左下角的网格编号为g(0,0)，则位于第x列、y行位置的网格编号为g(x,y)。
[0019] 步骤(2)中，所述故障与地理网格的映射方法如下：
[0020] 定义地理网格g(x,y)的故障事件列表ft_list(x,y)，用于存储发生在该网格内的故障事件，每一条记录包含以下属性：故障发生时间occure_time、故障馈线feeder_info、故障位置GPS坐标x轴pos_x、故障位置GPS坐标y轴pos_y、故障停电损失负荷loss、故障类型type、故障位置模糊度amb和故障损失权重值weight；
[0021] 对配网故障进行遍历，对于故障fti,
[0022] Case1：该故障的位置类型为0，如果其故障发生位置(pos_xi,pos_yi)∈g(x,y)，则将记录fti插入ft_list(x,y)，其中，fti。amb＝0,fti。weight＝1,fti.pos_x＝pos_xi,fti.pos_y＝pos_yi；
[0023] Case2:该故障的位置类型为1，
[0024] Case2.1:如果两个分段开关ss1、ss2以及它们之间的线路都位于g(x,y)之中，则将记录fti插入ft_list(x,y)，其中，fti。amb＝0,fti。weight＝1；
[0025] Case2.2:将两个分段开关ss1、ss2以及它们之间的线路称为ft_section，如果ft_section位于不同的地理网格g(x1,y1)～g(xn,yn)中，将故障按照不同的权重插入到这些地理网格的故障列表中；对于地理网格g(xj,yj)，将记录fti插入ft_list(xj,yj)，其中，fti。amb＝1,fti。
[0026] Case3:该故障的位置类型为2，
[0027] Case3.1:如果pb_set以及它们之间的线路都位于g(x,y)之中，则将记录fti插入ft_list(x,y)，其中，fti。amb＝0,fti。weight＝1；
[0028] Case3.2:将pb_set以及连接这些配变的线路区段称为ft_section，如果ft_section位于不同的地理网格g(x1,y1)～g(xn,yn)中,将故障按照不同的权重插入到这些地理网格的故障列表中；对于地理网格g(xj,yj),将记录fti插入ft_list(xj,yj)，其中，fti。amb＝1,fti。
[0029] 步骤(3)中，所述故障影响统计指标包括故障发生次数、故障停电影响累加值、故障停电影响线路长度均值和故障停电影响10kV配变容量均值；
[0030] 对于网格g(x,y)，所述故障影响统计指标的计算方法如下：
[0031] (1b)故障发生次数
[0032]
[0033] 其中，n′为发生在网格内的原始故障次数；
[0034] (2b)故障停电影响累加值
[0035]
[0036]
[0037] (3b)故障停电影响线路长度均值
[0038]
[0039]
[0040] 其中，length_grid(linej)为线路j在网格g(x,y)内的长度；
[0041] m′为网格内包含的配变的总数或与网格交错的馈线的总数，linej为网格内第j条馈线；
[0042] (4b)故障停电影响10kV配变容量均值
[0043]
[0044]
[0045] 其中，volumn(trj)为配电变压器j的容量，其中，trj为网格内第j台配变。
[0046] 步骤(4)中，所述故障影响色斑图的生成方法如下：
[0047] 选定统计区域、统计时段、故障类型、统计指标后，计算各地理网格的故障统计值二维数组g_stat[x][y]；
[0048] 统计得到该数组的95概率值、85概率值与30概率值，分别作为高危、严重、普通和较低区域划分的阈值；
[0049] 将各地理网格按照相应的等级进行着色，从而形成故障影响色斑图。
[0050] 步骤(5)中，所述辅助决策建议如下：
[0051] (1c)高危区域，且以架空线路为主，则建议进行绝缘化、电缆化改造或进行配电自动化升级改造；
[0052] (2c)高危区域，且以电缆为主但配电自动化程度低，则建议对线路进行配电自动化升级改造；
[0053] (3c)中高危区域，且统计指标为故障停电影响线路长度均值，则建议增加该区域的线路分段；
[0054] (4c)中高危区域，且故障类型为外力破坏，则建议加强与施工单位的沟通，并加大该区域巡视巡检的力度；
[0055] (5c)中高危区域，且故障类型为设备老化，则建议加强该区域设备排查，及时更新缺陷或老化设备；
[0056] (6c)中高危区域，且故障类型为树线矛盾，则建议定期开展该区域树木修剪。
[0057] 本发明可以实现配网故障区域定位，并对故障造成的停电损失进行准确评估。在此基础上，将配网故障与地理网格进行映射，实现基于地理网格的故障损失值累计量化，并利用色斑图的方式渲染地理网格进行提示，从而为调度、运检等部门提供升级、改造、加强特巡等精确化和定制化的辅助决策建议。
附图说明
[0058] 图1是本发明的基于大数据的配网故障高发区域辨识方法工作流程图；
[0059] 图2是本发明地理网格划分与位置标记的示意图。
具体实施方式
[0060] 为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本发明。
[0061] 参见图1，基于大数据的配网故障高发域辨识方法,对配网故障进行模糊定位，并对故障造成的停电损失进行准确评估；在此基础上，将配网故障与地理网格进行映射，实现基于地理网格的故障损失值累计量化，并利用色斑图的方式渲染地理网格进行提示，为调度、运检等部门提供升级、改造、加强特巡等精确化和定制化的辅助决策支撑。
[0062] 为了有效地运用本方法，应保证具备某区域的地理视图、配电网拓扑结构、配网故障事件列表、配网故障上报信息、馈线及配变台帐信息、馈线及配变负荷数据、气象监测数据等。
[0063] 本方法包括以下五个步骤：
[0064] (1)配网故障位置的智能模糊识别与故障停电损失精确评估。
[0065] 配网故障位置智能模糊识别，具体为：
[0066] (1a)根据正则表达式，从电网故障上报系统中根据地市专职填报的故障位置文本信息进行解析，模式包括：“#xx环网柜”、“#xx杆”、“#xx柱上开关”、“#xx电缆段”、“#xx配变”、“#xx分支箱”等，识别出关键信息(如设备编号、名称等)，并到PMS中进行查找对应设备，从而确定故障大致位置(pos_x,pos_y)，并标记故障位置类型为0。如果无法识别，转到步骤(2a)；
[0067] (2a)从DMS中查找故障线路的分段开关遥信分位记录，如果该线路所有分段开关安装了二遥(或三遥)装置，假设线路故障时间范围为[t1,t2],找出该时间段内最先分闸的两个分段开关ss1、ss2，并标记故障位置类型为1。如果线路未安装配电自动化装置，则转到步骤(3a)；
[0068] (3a)从用电信息采集系统中查找该馈线下辖所有配电变压器的负荷数据，根据电流为零的持续时长确定其停电时长，将停电时长最长的配变加入到配变集合pb_set中，并标记故障位置类型为2。除了根据电流掉零来判断停电时长，也可根据配变停复电事件来确定停电时长(如果具备事件采集与上报机制)。
[0069] 配网故障停电负荷损失评估具体为：
[0070] 利用历史配变负荷、历史天气实况数据，根据基于人体舒适度的相似日算法构建配变负荷短期预测模型；根据故障发生时段的气象监测数据，估算出故障时段各配变损失的负荷曲线，并积分算出停电损失电量。将各配变损失负荷累加，得到馈线停电负荷损失值。具体可参照专利：计及分布式新能源的配网故障停电损失评估方法，申请号为：201610151200.6。
[0071] (2)地理视图进行网格划分及地理网格与故障关联映射。
[0072] 地理视图网格划分，具体为：
[0073] 将地理区域用边长为len的正方形进行切分，可根据实际需要进行动态调整，建议值为1km～10km。假设共计m列n行正方形覆盖了给定的地理区域(m>3,n>3)，将左下角的网格编号为g(0,0)。对于地理区域g(x,y)，x∈(0,m)，y∈(0,n),其直接相邻的八个网格可以依次表示为g(x-1,y),grid(x-1,y-1),g(x,y-1),g(x-1,y+1),g(x+1,y),grid(x+1,y-1),g(x,y+1),g(x+1,y+1)，具体如图2所示。地理视图可使用国网GIS平台或百度地图、高德地图等社会化开放地图平台。
[0074] 基于地理网格的故障映射，具体为：
[0075] 首先定义地理网格g(x,y)的故障事件列表ft_list(x,y)，它存储发生在该网格内的故障事件，每一条记录包含以下属性：
[0076] 1)故障发生时间occure_time；
[0077] 2)故障馈线feeder_info；
[0078] 3)故障位置GPS坐标x轴pos_x
[0079] 4)故障位置GPS坐标y轴pos_y
[0080] 5)故障停电损失负荷loss；
[0081] 6)故障类型type。备注：包含恶劣天气、树线矛盾、设备老化、外力破坏、用户原因、设计安装不当、原因不明等类型
[0082] 7)故障位置模糊度amb，取值范围0,1两种
[0083] 8)故障损失权重值weight，取值范围0～1。
[0084] 对配网故障进行遍历，对于故障fti,
[0085] Case1：该故障的位置类型为0，说明该故障位置是精准可靠的，如果其故障发生位置(pos_xi,pos_yi)∈g(x,y)，则将记录fti插入ft_list(x,y)，其中，fti。amb＝0,fti。weight＝1；
[0086] Case2:该故障的位置类型为1，说明该故障位置是模糊的，对于所有包含故障线路区段所属网格，根据长度占比赋予各网格相应的权重：
[0087] Case2.1:如果两个分段开关ss1、ss2以及它们之间的线路(含分支)都位于g(x,y)之中，则将记录fti插入ft_list(x,y)，
[0088] 其中，fti。amb＝0,fti。weight＝1；
[0089] Case2.2:如果两个分段开关ss1、ss2以及它们之间的线路(含分支，称为ft_section)位于不同的地理网格g(x1,y1)～g(xn,yn)中，以其中的地理网格g(xj,yj)为例,将记录fti插入ft_list(xj,yj)，
[0090] 其中fti。amb＝1,fti。
[0091] Case3:该故障的位置类型为2，
[0092] Case3.1:如果pb_set以及它们之间的线路(含分支)都位于g(x,y)之中，则将记录fti插入ft_list(x,y)，其中，fti。amb＝0,fti。weight＝1；
[0093] Case3.2:如果pb_set以及连接这些配变的线路区段(含分支，称为ft_section)位于不同的地理网格g(x1,y1)～g(xn,yn)中。以其中的地理网格g(xj,yj)为例,将记录fti插入ft_list(xj,yj)，
[0094] 其中fti。amb＝1,fti。
[0095] (3)地理网格故障影响统计量化，具体为：
[0096] 首先，选定统计的时间段[ts,te]，建议时长为1年或以上。时长不宜超过3年，因为时间过长，配网网架拓扑可能发生较大改变
[0097] 其次，对各网格区域内故障影响进行量化。对于网格g(x,y)，统计指标如下所示：
[0098] (1b)故障发生次数
[0099]
[0100] 其中，n′为发生在网格内的原始故障次数；
[0101] (2b)故障停电影响累加值
[0102]
[0103]
[0104] (3b)故障停电影响线路长度均值
[0105]
[0106]
[0107] 其中，length_grid(linej)为线路j在网格g(x,y)内的长度；
[0108] 其中，m′为网格内包含的配变的总数或与网格交错的馈线的总数，linej为网格内第j条馈线；
[0109] (4b)故障停电影响10kV配变容量均值
[0110]
[0111]
[0112] 其中，volumn(trj)为配电变压器j的容量，其中，trj为网格内第j台配变。
[0113] 值得注意的是，上述指标为不分故障类型的总指标。还可以在故障分类的基础上，进行上述指标的统计，以利于更为精细的故障分析与辅助决策。
[0114] (4)根据各网格故障影响统计值生成故障影响色斑图：
[0115] 选定统计区域、统计时段、故障类型、统计指标后，系统根据步骤1～3运算生成各地理网格的故障统计值二维数组g_stat[x][y](计算方法为分两个循环依次计算每个网格的数值，即从g_stat[0][0]一直计算到g_stat[m][n]，为现有方法此处不再赘述)。统计得到该数组的95概率值、85概率值与30概率值，分别作为高危、严重、普通、较低等区域划分的阈值(对应方法为：统计值高于95概率值为高危，大于85概率值且小于95概率值为严重，大于30概率值且小于85概率值为普通，低于30概率值为较低)。区域颜色定义如下：高危——红色，中危——橙色，普通——黄色，较低——绿色。将各地理网格按照相应的等级进行着色，从而形成故障影响色斑图。当用户鼠标点击某地理网格时，以列表方式弹出该区域所有(或某类)故障信息，点击具体故障信息后显示其详细信息。
[0116] (5)针对故障影响程度较高的区域提出相应的辅助决策建议
[0117] (1c)高危区域，且以架空线路为主，建议进行绝缘化、电缆化改造或进行配电自动化升级改造；
[0118] (2c)高危区域，且以电缆为主但配电自动化程度低，建议对线路进行配电自动化升级改造；
[0119] (3c)中高危区域(统计指标为：故障停电影响线路长度均值)，建议增加该区域的线路分段；
[0120] (4c)中高危区域(故障类型为：外力破坏)，建议加强与施工单位的沟通，并加大该区域巡视巡检的力度；
[0121] (5c)中高危区域(故障类型为：设备老化)，建议加强该区域设备排查，及时更新缺陷或老化设备；
[0122] (6c)中高危区域(故障类型为：树线矛盾)，建议定期开展该区域树木修剪。
[0123] 以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
