基于Tableau的饋線外力破壞風險點分析與監控場景搭建

陳詩韻，張 鍇

（廣東電網有限責任公司廣州番禺供電局，廣東 廣州 511400）

0 引 言

由于大多數受到外力破壞的線路為電纜線路，導致跳閘后的線路存在修復時間長、修復難度大的問題，部分無法轉電的用戶需要等待較長時間才能恢復供電，無疑會降低客戶的用電體驗，也勢必會降低電網的供電可靠性。

目前業內關于外力破壞隱患防控工作的討論主要集中在如何制定有效的管理措施如成立護線隊、完善交底與警示工作、加強差異化運維等[1]，或者利用技術手段對線路開展狀態監測如在工地安裝AI攝像頭[2]、研制防外力破壞智能警示裝置[3]等，通過數據可視化對外力破壞防范工作進行討論幾乎為空白。隨著大數據在智能電網中的應用，越來越多的業務場景已經開始實現數據可視化分析[4,5]，圖形化的交互界面讓業務人員能夠高效地識別、理解重要信息，并指導電網運維人員決策[6]。

本文基于數據可視化分析軟件Tableau，對番禺局現有的外力破壞隱患數據、饋線跳閘數據、可靠性數據進行可視化分析討論，搭建出一個交互式的可視化風險點分析與監控場景。

1 可視化分析數據準備

1.1 數據存在問題及數據清洗

番禺局現有的外力破壞風險點臺賬使用Excel表格詳細地記錄了風險點的施工方、施工狀態、風險等級、涉及饋線、詳細地址以及經緯度信息等。該臺賬數據存在以下問題：（1）涉及饋線的內容沒有統一的標準，填寫混亂；（2）臺賬信息僅圍繞風險點本身開展，由風險點引起的跳閘事件無法進行查詢和追溯；（3）如果風險點引起跳閘事件，可能影響用戶、變壓器數量都無法直接從臺賬中獲知；（4）無法直觀地顯示各條饋線上風險點數量、不同風險等級類型的數量。針對以上4點問題，在可視化監控場景搭建前需要對數據進行清洗、整理與數據融合。

通過編寫VBA代碼，將涉及饋線的內容采用統一的命名格式以及分隔符進行填寫，整理后的臺帳下稱為數據表1。再一次通過VBA代碼將每一條饋線與對應的風險點編號作為一條記錄，形成一份新的數據表稱為數據表2。最后，根據跳閘的時間以及饋線，人工匹配得出跳閘事件由哪一個風險點造成并得到數據表3。至此，清洗與整理后的數據已具備了不同數據表之間進行連接與混合所需要的字段。

1.2 數據連接與混合

本文采用Tableau Prep Builder來進行數據連接與混合，Tableau Prep Builder作為數據ETL軟件，通過分步驟、分流程節點對數據進行處理，每一步都相對獨立，且可以反復對某一操作步驟進行修改或者排序，可操作性強，靈活性高，能夠根據分析需求隨時更改對數據的操作[7]。

在數據融合中共用到4個數據表，除了上文提到的通過數據清洗與整理的數據表1～數據表3，還需要由可靠性系統導出每條饋線的用戶數量以及變壓器數量的數據表4。

在本文搭建的可視化分析監控場景中需要整理出3個數據源。第1個數據源以饋線名稱作為連接字段，將數據表2與數據表4進行左連接，在后續用于以饋線為單位的統計分析中。得到數據源1后，通過聚合計算，得出同一個風險點序號下所涉及饋線會影響的戶數和變壓器數量的總和，再與數據表1進行右鏈接，得到數據源2。數據源3即為數據表3，由于不需要進行行級別之間的連接，在使用時直接在Tableau Desktop中通過風險點的序號為連接字段與其他兩個數據源進行數據混合即可，如圖1所示。

上述數據準備工作完成后，便可利用Tableau Desktop進行可視化分析監控場景的搭建了。

2 可視化分析監控場景搭建

2.1 外力破壞風險點的可視化地圖

Tableau Desktop提供多種地圖可視化的選擇，本文采用自定義地圖的方式進行可視化分析。背景地圖來源于電網GIS系統。以背景地圖的左下角作為X-Y二維坐標軸的原點，通過線性坐標變換，將數據源1中的經緯度坐標轉換為能夠匹配背景地圖位置的像素坐標。轉換步驟大概分為3步。

第1步：在背景圖片中找到相距較遠的幾個點分別作為參考點1、參考點2……參考點n，獲取它們的像素坐標與經緯度坐標，設參考點n像素橫坐標Xn，像素縱坐標為Yn，緯度為Latn，經度為Longn。

第2步：通過參考點分別計算出經度差值與x軸像素差值的比值、緯度差值與y軸像素差值的比值，設像素橫坐標差與經度差的比值為kx：

設像素縱坐標差與緯度差的比值為ky：

第3步：分別計算風險點與參考點n的經緯度差，再用第2步得出的比值轉換為像素差，最后將計算結果取平均值。已知外力破壞風險點的經度為long，緯度為lat，則可以計算得出該風險點的像素橫坐標和像素縱坐標分別為：

完成地圖的繪制后，使用不同顏色、不同大小區分風險等級與風險點涉及的饋線數量。進一步完善詳細信息后，鼠標懸停在某個風險點上，便可得知該風險點涉及饋線，最近是否發生跳閘等信息。通過地圖的形式，能夠直觀地反映外力破壞風險點的分布情況，不同運維區域的風險點管理難度等，對于風險點分布密集的區域，可以適當增強運維力量來降低跳閘的風險，如圖2所示。

2.2 基于風險點的統計分析圖表

因為各個風險點涉及的饋線數量、用戶數量不一樣，所以造成跳閘事件后的影響程度也不一樣，筆者所在的供電局就曾發生過在同一出施工地點造成5 min內連續4條饋線跳閘的事件。為了更有針對性地開展防外力破壞工作，重點關注一旦造成停電事件可能會引起大面積停電的事件，構建基于風險點的統計分析圖表，以找出風險等級較高、影響用戶程度較大的風險點。

通過將風險點跳閘可能影響的用戶數量分為5個等級，如圖3所示。可看出大部分風險點如果發生跳閘可能影響的用戶在6 000戶以下，可能引起10 000戶以上用戶停電的風險點僅34個。結合記錄每個風險點所屬的運維班組、發生跳閘可能影響的具體變壓器數量和用戶數量的交叉表（如表1所示）進行交互展示，可以有針對性地對重點關注的外力破壞風險點進行預警。

表1 按風險點展示的可靠性詳細信息表

2.3 基于饋線的統計分析圖表

饋線上的風險點數量越多，可能引發跳閘的風險就越高，但某些饋線雖然風險點數量較多，但是由于供電用戶數量不多，停電后也不會造成太大的影響。因此，需要綜合地考慮某條饋線的風險點數量以及供電用戶的數量情況來判斷哪一些饋線是高跳閘風險的重點關注饋線。

表2詳細地列出每條饋線所屬的運維班組、發生跳閘可能影響的具體變壓器數量和用戶數量，并按照“低風險點個數”“低壓總用戶數”字段的嵌套降序排列。該表格能夠幫助監控人員快速找出風險點最多的饋線，以及風險點個數相同時哪條饋線上的用戶數量較多，輔助他們判斷哪些饋線需要加強巡視。

表2 按饋線展示的可靠性詳細信息表

圖4對每條饋線上的風險點個數也做出分組統計，可見具有施工中外力破壞風險點的706條饋線中，498條饋線上的風險點數量都在4個及以下，占比70.54%，而風險點數量在9個以上的饋線只有95條，占比13.46%。

2.4 外力破壞風險點交互分析監控看板

如圖5所示，看板頂端是外力破壞風險點情況概述欄，中間部分是統計圖表以及分布地圖，下部為詳細信息。除了上文所述的圖表，監控看板還包含每月外力破壞造成跳閘的次數及同比情況。通過在儀表板中添加篩選器動作，使各個圖表進行交互聯動，可以按需對數據進行篩選和下鉆查詢，滿足不同用戶的分析與監控需求。

通過該看板監控人員可以快速地掌握最新的風險點分布情況、統計信息、跳閘情況以及發生跳閘可能影響的用戶情況，從而輔助運維人員更有針對性地開展防外力破壞特巡工作，有計劃地調配運維資源，避免人力的浪費。

3 結 論

本文從數據準備、可視化場景搭建兩方面介紹了利用Tableau開展外力破壞風險點監控分析工作的經驗。該分析思路與場景的搭建具有可視化、交互式、針對性強的優點，不單適用于外力破壞風險點，也適用于其他類型隱患點的監控與分析，對于縣區供電局開展線路的各類隱患分析監控具有一定的參考意義。