用電采集數據分析和智能監測系統中大數據分析的設計研究

徐鈺強 姚海強 馮國平 韓長志

（國網浙江桐鄉市供電有限公司，浙江嘉興314500）

0 引言

電力作為人類活動的必備能源，在人們的生活與工作中起著重要作用，隨著新時期人口的增加與用電的急劇增多，常規的用電分析系統已經無法滿足高速發展的經濟社會需要，用電智能監測系統的完善與創新正亟待實現。通過用電采集數據分析和智能監測系統中大數據分析的設計研究，能夠構建科學化的智能監測模型，實現對異常指標庫的建立，進一步加強對配電網點運行效果及質量的監測與控制。

1 用電采集數據分析和智能監測系統中大數據分析架構

1.1 用電采集數據分析和智能監測系統的功能

用電采集數據分析和智能監測系統能夠充分發揮大數據技術的優越性，通過構建用電異常指標庫、確定異常間的關聯性規律等一般方法，及時對配電網及用戶的用電狀況進行觀察監測，以便第一時間發現故障異常，盡快進行檢修修復等。其一般功能與意義如表1所示。

表1 用電采集數據分析和智能監測系統的功能與意義

1.2 用電采集數據分析和智能監測系統中大數據分析架構

大數據分析是由數據采集、數據計算與分析、數據預處理、數據存儲與管理、數據可視化等關鍵部分所構成的，對整個大數據運作有著重要作用，大數據分析架構如圖1所示。

在圖1大數據分析過程中，采用以Hdoop為基礎的Mahout算法來解決并行挖掘問題，采用以JAVA為基礎的Weka算法來進行數據挖掘，將Mahout算法與Weka算法相結合，能夠進一步滿足用戶需求。

2 用電采集數據和智能監測系統中大數據分析設計

2.1 大數據應用場景分析設計

圖1 大數據分析架構

大數據分析業務模型主要包括市場拓展、維度線損、工作效能、電表運行、采集運維質量、用戶用電等方面，其中對市場拓展的業務分析融入大數據分析后能夠進一步滿足用戶需求。將數據平臺、數據準備、算法庫、分析模型、輔助分析決策等進行知識集成，具體操作流程如圖2所示。

圖2 大數據應用場景分析設計流程圖

2.2 大數據分析的決策樹算法

大數據決策樹法作為數據挖掘分類中的常見方法之一，能夠將圖形結合、更加形象精準地表現數據挖掘的結果，分析配網線路和增減容用戶短期和中期負荷及電量的增長趨勢。決策樹建模是將抽樣數據通過數據變換與數據清洗等預處理、約減、數據挖掘、剪枝等流程，形成最終決策樹的過程，該建模流程中涉及的內部節點代表的是上一個節點的輸出，其中每一個樹葉節點表示為類分布或者是某一類，如圖3所示。在決策樹相關探究中，為盡量準確地算出最終數據，通常采用C4.5算法，該算法的定義及計算流程如表2所示。

3 用電采集數據分析和智能監測系統中大數據分析設計的系統實現

通過用電采集數據分析和智能監測系統，一是能夠細致了解不同異常之間的關聯規則，規范關聯管理，對配電網和用戶使用異常點進行理性分析，對故障情況進行摸排判斷；二是能夠實現對異常指標庫的建立，構建科學化的監測模型，進一步加強對配電網點運行質量的監測與控制；三是能夠借助大數據分析技術，快速判斷故障地點，推斷故障原因，實現迅速檢修；四是能夠通過大數據分析技術，對用電不穩定的情況進行有針對性地分析，防范偷電竊電的發生，保障用電安全；五是能夠結合決策樹運算技術，對配電站以及用戶用電特性與負荷特性做出了統計分析，為解決配電站和用戶問題提供數據幫助。

表2 大數據決策樹C4.5算法