电力智能决策支持系统
电力系统信息化概况
电力系统智能分析应用
电力系统业务分析案例
厂网分离
◆
电网：国家电网和南方电网
发电：华能、大唐、华电、国电、中电投
辅业：电力工程顾问集团、水电工程顾问集团、水利水电建设集团、葛洲坝集团
◆
◆
◆
三峡电力
输配分离
◆
进一步破除电网的垄断
市场化的结果
◆
电力企业和用户之间的接口越来越开放
•发电公司直接面对大客户
◆
开放导致竞争
•发电公司竞价上网
◆
竞争迫使电力企业进行资源的优化配置
电力企业的使命
◆
经济价值最大化
•开源•节流
◆
社会价值最大化
•提高客户满意度•提升社会形象
经济价值◆开源
•如何获得更多的客户？（营销）•如何制定电价？（竞争）
◆
节流
•如何提高月均负荷率（营销）•如何降低能源损耗（调度）
社会价值
◆客户满意度
社会形象
精细化运作
•如何让客户感觉到：我们是关心你的
•如何让客户感觉到：您是我们的白金级客户
◆
•去年全年的电力事故降低了X％
•我们在为X％的本地经济龙头企业供电
一切“精细”都源于分析、分析、再分析
商务智能(BI, Business Intelligence)软件就是为业务分析而设计
美林公司CIO 调研
Table 3: What areas are your top spending priorities?
Business Intelligence/Data WarehousingSecurity ERP
Desktop operating system and applicationsDocument/ Content ManagementStorage
Application IntegrationCustom DevelopmentCRM
Systems ManagementNetwork ManagementDatabase
Corporate Portals
Supply Chain ManagementAnalytic Applications Linux
Product Lifecycle ManagementOthers
Application Performance ManagementDRP
High availability & disaster recovery
Aug04Oct04Feb05Sep05Jan0642%48%28%53%41%42%42%31%27%36%12%26%32%17%28%NA NA NA 14%24%36%34%27%16%23%26%18%19%23%22%48%40%18%33%21%22%20%26%12%20%20%20%28%24%19%10%8%18%14%19%20%18%11%12%18%10%12%11%11%17%30%38%22%29%16%14%12%13%26%13%16%14%14%12%11%NA NA NA 7%6%8%8%8%5%4%NA NA NA NA 4%12%8%6%3%2%NA NA NA 1%NA NA NA NA 1%NA
2006 年Gartner CIO 调研
阶段一：零散的商务智能
阶段二：整合(Integrated)的商务智能 阶段三：內嵌(Embedded)的、实时(Real-
time)的商业智能
基于最新的、最完整的和详实的数据来指导企业决策
在最合适的时间，最便捷的方式，主动把指导性的信息传送到任何设备 让需要信息的人得到需要的信息，让执行的人能够立即响应
下一代商务智能流程
操作型数据源
Web eMail
数据仓库Wireless 应用操作
数据集市/立方体实时，全面的访问整个企业的所有数据主动发送到信息需要的地方业务用户能“及时”得到最详细的
信息来帮助做出更好的决策和行动
“1”：信息化建设方面要做到统一平台、统一标准、统一规划、统一实施
◆建立总部/省网两级的数据中心/数据仓库/数据挖掘等分析应用 “8”：建设八个应用系统，包括财务（资金）管理、营销管理、安全生产管理、协同办公管理、人力资源管理、物资管理、项目管理、综合管理
“6”：建设六大保障系统，包括信息化安全防护体系、标准规范体系、管理调控体系、评价考核体系、技术研究体系和人才队伍体系
电力系统信息化概况 电力系统智能分析应用
电力系统业务分析案例
日常报表和随即查询
◆电量电费统计、查询
设备故障统计、查询
原料库存统计、查询
人员绩效统计、查询
财务指标统计、查询
……◆◆◆◆◆
原料用量预测
◆电力企业，尤其是发电企业，十分关注某些原料的使用情况。对火电厂来讲，用煤量是十分重要的指标。火电厂应该从两个层面上来关注：
•自身用煤量变化曲线
•市场上的煤价变化曲线
◆通过对用煤量和煤价的变化进行建模，可以预测出未来的用煤量和煤价，从而指导电力公司的煤炭采购策略
电力负荷预测
◆负荷预测是电力企业面临的一个重要而又困难的问题，尤其是在电力市场化之后。对于负荷的准确预测有利于企业实时制定运营策略。负荷预测又可分为超短期负荷预测、短期负荷预测、中期负荷预测和长期负荷预测。可运用数据挖掘技术对电力负荷数据进行深度挖掘，获得影响负荷的主要因素并对负荷进行有效的建模，从而提高负荷预测的精度。相对于传统负荷预测方法，数据挖掘可以考虑更多的与电力负荷相关的因素，比如天气、日期、节假日、地方经济指数、太阳黑子等等，从而可以进一步提高预测精度 其他时间相关指标预测
◆一切与时间相关的指标都可以采用基于数据挖掘的时间序列方法来预测，比如电厂用煤量、现金流量等等。基于数据挖掘的时间序列方法比传统的基于统计的时间序列方法更具优越性
电厂经济运行
◆对发电企业来讲，节煤、节水就意味着节省成本。通过人工智能的方法，挖掘出跟用煤量、用水量最相关的因素，对其进行调优，从而达到节煤、节水的目的。
违规用电分析
◆偷电、违规用电行为虽然千差万别，但在变化各异的表象之下隐藏着很多共同的规律。通过把跟违规用电相关的各种信息输入数据挖掘工具并建立决策树模型，分析人员能够找到违规用电现象下面的规律，从而主动预防违规用电行为的发生
发电智能控制
◆利用人工智能的方法实现系统状态与参数的的识别和控制，这已经在发电励磁控制中得到了应用。实践证明，利用神经元网络设计的最优励磁调节器比估定点线性励磁调节器具有更强的稳定性和动态品质，使发电机在瞬时故障和永久故障下的暂稳极限都接近事故前的静稳极限，从而大大改善系统的静稳极限和暂稳极限
电力系统稳定性分析和安全性评估
◆这一类知识发现以决策树或依存表形式存在。如利用决策树，对电力系统的稳定性进行预测，从而防患于未然，或利用其他一些机器学习技术对电力系统的安全性进行评估
设备故障分析
◆电力企业已经积累了大量的故障数据。故障的发生既有偶然的一面，又有规律性可遵循。运用数据挖掘技术对故障数据进行挖掘分析，获得故障发生与外部因素（如天气、负荷的变化，人员的误操作）之间的联系，并预测故障的发生，从而辅助设备管理人员进行决策，合理安排检修计划，保证企业安全可靠运行，尽可能减少不必要的损失
电力市场营销分析/用户特征分析
◆随着电力市场的发展和竞争的加剧，地区供电企业需要制定出有竞争力的实时电价，因此，必须对电力用户进行准确分析。电力系统的用户具有多样性和随机性，可利用OLAP多维分析的特性，对用户的行为模式及负荷要求进行分门别类，在保证系统安全和稳定性的前提下，对不同类别的用户，采用不同的营销策略，制定出合理的电价收费表，以提高市场竞争力
电网/电厂规划
◆我国电力工业已经步入了大电网、高电压和大机组的时代，对于这样一个发展迅速的时代，传统的电网规划方法及其管理体系已不能适应。在大型电力网络中，规划专家凭借经验进行判断决策，在实际工作中显得越来越困难。为此，有必要引入人工智能和数据挖掘理论（聚类分析等），将规划专家的经验进行系统化表示，存储在辅助决策系统的知识库中，并利用辅助决策系统进行综合决策。
电力系统信息化概况 电力系统智能分析应用
电力系统业务分析案例
EUNITE （欧洲人工智能组织）国际电力负荷预测大赛
◆数据来源：捷克斯洛伐克电力公司的真实数据
参赛者：来自21个国家的56位参赛者◆
赛题概况
◆使用97 －98两年的用电负荷数据、天气数据和节假日数据预测99年1月份31天的最大用电负荷◆
根据97 & 98两年（共701天）的历史负荷预测99年1月31天的每天最大电力负荷
◆使用多步预测方法
将预测结果与真实负荷做比较，误差越小，成绩越好
◆主要衡量指标：MAPE
•MAPE（Mean Absolute Percentage Error，平均绝对误差率）◆次要衡量指标：Max Error
•Max Error，时间序列预测中的最大预测误差，单位MW
比赛冠军的结果
◆MAPE: 2.08
神通数据挖掘工具的测试结果
◆MAPE: 1.49。
采用算法：基于相空间重构的数据挖掘时间序列◆
蓝线－真实负荷
棕线－预测负荷
橙线－
预测残差
04年1月～05年7月的历史数据
◆使用04年1月～05年6月的历史数据建模
使用05年7月的历史数据进行验证◆
夏季电力负荷变化剧烈，对算法的考验比较严峻
◆误差率1.73%
别人预测的误差率超过3%◆
江西：05年12个月的历史数据
◆使用05年1～12月的历史数据建模
使用06年1月的历史数据进行验证
误差率2.2%◆◆
福建：02年1月～05年12月的历史数据
◆使用02年1～05年12月的历史数据建模
使用06年1月的历史数据进行验证
误差率1.6%◆◆
电力系统故障相关因素
◆负荷
天气
设备运行状态
……◆◆◆
建立电力系统故障数据库
故障数据库故障关联分析故障规则集
时序模式分析
故障类型1故障类型2电力设备故障分析与预测流程示意
故障决策树
预测故障
社会效益
◆减少故障修复时间
准确有效地管理各种设备
改进对用户的应答质量和速度，提高用户满意度
……◆◆◆
经济效益
◆10KV 配电线路停电故障，节约1000万元
380V 低压接线户，节约80万元
配电变压器事故停电，节约110万元
一年总共节省1000+80+110=1190万元◆◆◆
——智能节水 水电站经济运行通常采用动态规划等方法通过水轮机机组效率曲线来进行负荷分配
◆该方法是基于“模型机”做出规划，模型机和实际运行环境相差较大在实践中，该方法节水效果不尽理想◆
基于人工智能的方法
◆数据挖掘方法是直接基于实际运行环境来建模，而非“模型机”从实际运行环境中找到最优的“机组负荷分配”
过一段时间更新一次模型，使得模型始终与实际环境保持匹配◆◆
一天96点优化前后耗水流量对比图
一天大约能节水308.16 万m 3每2.35 m3水大约对应1度电对应每天节电308.16/2.35=131.13万度电以每度电0.27元的出厂价计算，对应经济效益为131.13 * 0.27 =35.4万元/天
神舟通用
数据挖掘领域顶尖公司
咨询热线：+86-10-53500358
41
电力智能决策支持系统
电力系统信息化概况
电力系统智能分析应用
电力系统业务分析案例
厂网分离
◆
电网：国家电网和南方电网
发电：华能、大唐、华电、国电、中电投
辅业：电力工程顾问集团、水电工程顾问集团、水利水电建设集团、葛洲坝集团
◆
◆
◆
三峡电力
输配分离
◆
进一步破除电网的垄断
市场化的结果
◆
电力企业和用户之间的接口越来越开放
•发电公司直接面对大客户
◆
开放导致竞争
•发电公司竞价上网
◆
竞争迫使电力企业进行资源的优化配置
电力企业的使命
◆
经济价值最大化
•开源•节流
◆
社会价值最大化
•提高客户满意度•提升社会形象
经济价值◆开源
•如何获得更多的客户？（营销）•如何制定电价？（竞争）
◆
节流
•如何提高月均负荷率（营销）•如何降低能源损耗（调度）
社会价值
◆客户满意度
社会形象
精细化运作
•如何让客户感觉到：我们是关心你的
•如何让客户感觉到：您是我们的白金级客户
◆
•去年全年的电力事故降低了X％
•我们在为X％的本地经济龙头企业供电
一切“精细”都源于分析、分析、再分析
商务智能(BI, Business Intelligence)软件就是为业务分析而设计
美林公司CIO 调研
Table 3: What areas are your top spending priorities?
Business Intelligence/Data WarehousingSecurity ERP
Desktop operating system and applicationsDocument/ Content ManagementStorage
Application IntegrationCustom DevelopmentCRM
Systems ManagementNetwork ManagementDatabase
Corporate Portals
Supply Chain ManagementAnalytic Applications Linux
Product Lifecycle ManagementOthers
Application Performance ManagementDRP
High availability & disaster recovery
Aug04Oct04Feb05Sep05Jan0642%48%28%53%41%42%42%31%27%36%12%26%32%17%28%NA NA NA 14%24%36%34%27%16%23%26%18%19%23%22%48%40%18%33%21%22%20%26%12%20%20%20%28%24%19%10%8%18%14%19%20%18%11%12%18%10%12%11%11%17%30%38%22%29%16%14%12%13%26%13%16%14%14%12%11%NA NA NA 7%6%8%8%8%5%4%NA NA NA NA 4%12%8%6%3%2%NA NA NA 1%NA NA NA NA 1%NA
2006 年Gartner CIO 调研
阶段一：零散的商务智能
阶段二：整合(Integrated)的商务智能 阶段三：內嵌(Embedded)的、实时(Real-
time)的商业智能
基于最新的、最完整的和详实的数据来指导企业决策
在最合适的时间，最便捷的方式，主动把指导性的信息传送到任何设备 让需要信息的人得到需要的信息，让执行的人能够立即响应
下一代商务智能流程
操作型数据源
Web eMail
数据仓库Wireless 应用操作
数据集市/立方体实时，全面的访问整个企业的所有数据主动发送到信息需要的地方业务用户能“及时”得到最详细的
信息来帮助做出更好的决策和行动
“1”：信息化建设方面要做到统一平台、统一标准、统一规划、统一实施
◆建立总部/省网两级的数据中心/数据仓库/数据挖掘等分析应用 “8”：建设八个应用系统，包括财务（资金）管理、营销管理、安全生产管理、协同办公管理、人力资源管理、物资管理、项目管理、综合管理
“6”：建设六大保障系统，包括信息化安全防护体系、标准规范体系、管理调控体系、评价考核体系、技术研究体系和人才队伍体系
电力系统信息化概况 电力系统智能分析应用
电力系统业务分析案例
日常报表和随即查询
◆电量电费统计、查询
设备故障统计、查询
原料库存统计、查询
人员绩效统计、查询
财务指标统计、查询
……◆◆◆◆◆
原料用量预测
◆电力企业，尤其是发电企业，十分关注某些原料的使用情况。对火电厂来讲，用煤量是十分重要的指标。火电厂应该从两个层面上来关注：
•自身用煤量变化曲线
•市场上的煤价变化曲线
◆通过对用煤量和煤价的变化进行建模，可以预测出未来的用煤量和煤价，从而指导电力公司的煤炭采购策略
电力负荷预测
◆负荷预测是电力企业面临的一个重要而又困难的问题，尤其是在电力市场化之后。对于负荷的准确预测有利于企业实时制定运营策略。负荷预测又可分为超短期负荷预测、短期负荷预测、中期负荷预测和长期负荷预测。可运用数据挖掘技术对电力负荷数据进行深度挖掘，获得影响负荷的主要因素并对负荷进行有效的建模，从而提高负荷预测的精度。相对于传统负荷预测方法，数据挖掘可以考虑更多的与电力负荷相关的因素，比如天气、日期、节假日、地方经济指数、太阳黑子等等，从而可以进一步提高预测精度 其他时间相关指标预测
◆一切与时间相关的指标都可以采用基于数据挖掘的时间序列方法来预测，比如电厂用煤量、现金流量等等。基于数据挖掘的时间序列方法比传统的基于统计的时间序列方法更具优越性
电厂经济运行
◆对发电企业来讲，节煤、节水就意味着节省成本。通过人工智能的方法，挖掘出跟用煤量、用水量最相关的因素，对其进行调优，从而达到节煤、节水的目的。
违规用电分析
◆偷电、违规用电行为虽然千差万别，但在变化各异的表象之下隐藏着很多共同的规律。通过把跟违规用电相关的各种信息输入数据挖掘工具并建立决策树模型，分析人员能够找到违规用电现象下面的规律，从而主动预防违规用电行为的发生
发电智能控制
◆利用人工智能的方法实现系统状态与参数的的识别和控制，这已经在发电励磁控制中得到了应用。实践证明，利用神经元网络设计的最优励磁调节器比估定点线性励磁调节器具有更强的稳定性和动态品质，使发电机在瞬时故障和永久故障下的暂稳极限都接近事故前的静稳极限，从而大大改善系统的静稳极限和暂稳极限
电力系统稳定性分析和安全性评估
◆这一类知识发现以决策树或依存表形式存在。如利用决策树，对电力系统的稳定性进行预测，从而防患于未然，或利用其他一些机器学习技术对电力系统的安全性进行评估
设备故障分析
◆电力企业已经积累了大量的故障数据。故障的发生既有偶然的一面，又有规律性可遵循。运用数据挖掘技术对故障数据进行挖掘分析，获得故障发生与外部因素（如天气、负荷的变化，人员的误操作）之间的联系，并预测故障的发生，从而辅助设备管理人员进行决策，合理安排检修计划，保证企业安全可靠运行，尽可能减少不必要的损失
电力市场营销分析/用户特征分析
◆随着电力市场的发展和竞争的加剧，地区供电企业需要制定出有竞争力的实时电价，因此，必须对电力用户进行准确分析。电力系统的用户具有多样性和随机性，可利用OLAP多维分析的特性，对用户的行为模式及负荷要求进行分门别类，在保证系统安全和稳定性的前提下，对不同类别的用户，采用不同的营销策略，制定出合理的电价收费表，以提高市场竞争力
电网/电厂规划
◆我国电力工业已经步入了大电网、高电压和大机组的时代，对于这样一个发展迅速的时代，传统的电网规划方法及其管理体系已不能适应。在大型电力网络中，规划专家凭借经验进行判断决策，在实际工作中显得越来越困难。为此，有必要引入人工智能和数据挖掘理论（聚类分析等），将规划专家的经验进行系统化表示，存储在辅助决策系统的知识库中，并利用辅助决策系统进行综合决策。
电力系统信息化概况 电力系统智能分析应用
电力系统业务分析案例
EUNITE （欧洲人工智能组织）国际电力负荷预测大赛
◆数据来源：捷克斯洛伐克电力公司的真实数据
参赛者：来自21个国家的56位参赛者◆
赛题概况
◆使用97 －98两年的用电负荷数据、天气数据和节假日数据预测99年1月份31天的最大用电负荷◆
根据97 & 98两年（共701天）的历史负荷预测99年1月31天的每天最大电力负荷
◆使用多步预测方法
将预测结果与真实负荷做比较，误差越小，成绩越好
◆主要衡量指标：MAPE
•MAPE（Mean Absolute Percentage Error，平均绝对误差率）◆次要衡量指标：Max Error
•Max Error，时间序列预测中的最大预测误差，单位MW
比赛冠军的结果
◆MAPE: 2.08
神通数据挖掘工具的测试结果
◆MAPE: 1.49。
采用算法：基于相空间重构的数据挖掘时间序列◆
蓝线－真实负荷
棕线－预测负荷
橙线－
预测残差
04年1月～05年7月的历史数据
◆使用04年1月～05年6月的历史数据建模
使用05年7月的历史数据进行验证◆
夏季电力负荷变化剧烈，对算法的考验比较严峻
◆误差率1.73%
别人预测的误差率超过3%◆
江西：05年12个月的历史数据
◆使用05年1～12月的历史数据建模
使用06年1月的历史数据进行验证
误差率2.2%◆◆
福建：02年1月～05年12月的历史数据
◆使用02年1～05年12月的历史数据建模
使用06年1月的历史数据进行验证
误差率1.6%◆◆
电力系统故障相关因素
◆负荷
天气
设备运行状态
……◆◆◆
建立电力系统故障数据库
故障数据库故障关联分析故障规则集
时序模式分析
故障类型1故障类型2电力设备故障分析与预测流程示意
故障决策树
预测故障
社会效益
◆减少故障修复时间
准确有效地管理各种设备
改进对用户的应答质量和速度，提高用户满意度
……◆◆◆
经济效益
◆10KV 配电线路停电故障，节约1000万元
380V 低压接线户，节约80万元
配电变压器事故停电，节约110万元
一年总共节省1000+80+110=1190万元◆◆◆
——智能节水 水电站经济运行通常采用动态规划等方法通过水轮机机组效率曲线来进行负荷分配
◆该方法是基于“模型机”做出规划，模型机和实际运行环境相差较大在实践中，该方法节水效果不尽理想◆
基于人工智能的方法
◆数据挖掘方法是直接基于实际运行环境来建模，而非“模型机”从实际运行环境中找到最优的“机组负荷分配”
过一段时间更新一次模型，使得模型始终与实际环境保持匹配◆◆
一天96点优化前后耗水流量对比图
一天大约能节水308.16 万m 3每2.35 m3水大约对应1度电对应每天节电308.16/2.35=131.13万度电以每度电0.27元的出厂价计算，对应经济效益为131.13 * 0.27 =35.4万元/天
神舟通用
数据挖掘领域顶尖公司
咨询热线：+86-10-53500358
41