基于地理信息和网格化的危控区可视化管理可行性研究报告.docVIP

基于地理信息和网格化的危控区可视化管理 可行性研究报告 目的和意义 1.1 现状分析 随着电力系统复杂性的增加、极端自然灾害的频发以及社会对电能依赖程度的增长,停电风险也越来越大。台风、雷电、覆冰等极端自然灾害在短时间内会造成电网的多个设备故障，加上潮流的转移、保护装置拒/误动的推波助澜,进一步加剧相继开断,甚至造成大面积停电。此外，因设备规划、布点限制，部分设备运行环境较差，受到洪涝灾害、冰冻灾害、地质灾害、树线矛盾等影响，将会导致电力设备直接或者间接受到影响和破坏。 2014年8月20日遭受洪水影响，蒲城主城区（莲都）电网故障跳闸或拉停10kV线路共29条。涉及停电台区260个，停电行政村47个，停电户数28897户。从21日开始，电力抢修人员昼夜不息，投入抢修队38支、抢修人员560名，抢修车58辆、应急发电车7辆、应急照明车1辆、应急发电设备27台。受水灾影响,蒲城主城区（莲都）电网遭受巨大的损失。 1.2项目成果的意义 以信息化手段作为支撑，以精益化管理为目标，对供电公司辖区范围内的电力设施和用户进行网格化划分。对影响电力设施正常运行的因素进行归类，定义各类危控区的判定标准；通过地理信息系统的使用，将所有的危控区绘制成“危控一张图”，做到可视化展示；针对每个危控区，制定不同的应急预案，在发生故障时，做到有据可依；通过对各危控区的管理，能够为提供依据。 1.3成果应用和推广的途径 基于地理信息和网格化的危控区可视化管理主要针对地区因复杂多变的山区地形、水文条件等各类灾害情况对配电网线路的影响，建立相应的防汛、雷电、感应电、山火、地质灾害、外力破坏等危控区， 1.4成果推广后的直接和间接效益 基于地理信息和网格化的危控区可视化管理对于推动我国电力行业的危控区管理的技术具有十分重要的意义，将使危控区的管理的建设从传统的电子表格、文字文档、CAD图形的管理模式向开放、协同、可视化的方向转变，并最终把智能配电网建设融入到智慧城市建设中去。可以预期的是，随着项目的不断进展及深化应用，本项目将产生越来越明显的经济效益与社会效益。 国内外研究水平综述 2.1相关技术发展历史回顾 电力优质服务的基础是保障用户正常的电力供应。但配电网的众多电力设备分布在复杂的外部环境中，随时可能出现故障，引发局部地区大面积停电，不仅给当地居民生活带来不便，还会造成巨大的经济损失。 部分地区的供电公司，根据本地的实际情况，总结规划了一些常见的故障区域，但是并未系统化成为“危控区”概念，在管理的方式上也属于松散式的管理，没有危控区的划定的依据和规则，完全凭借经验而定。 而对于危控区也做不到实时的监控，只能在故障或者危险真正发生之后，才能知晓。 2.2国内外研究水平的现状和发展趋势 目前供电企业内部建设的信息化系统都是建立在企业内网环境下的封闭型系统，即集成的信息全部是内部信息资源，建设内容着眼于配网管理的协同工作机制及流程优化，由国家电网公司推行的PMS2.0系统也仅限于对电网资源和资产进行管理。 项目的理论和实践依据 3.1理论依据 （1）数据挖掘（Data Mining，DM） 又称数据库中的知识发现（Knowledge Discover in Database，KDD），是目前人工智能和数据库领域研究的热点问题，所谓数据挖掘是指从数据库的大量数据中揭示出隐含的、先前未知的并有潜在价值的信息的非平凡过程。数据挖掘是一种决策支持过程，它主要基于人工智能、机器学习、模式识别、统计学、数据库、可视化技术等，高度自动化地分析企业的数据，做出归纳性的推理，从中挖掘出潜在的模式，帮助决策者调整市场策略，减少风险，做出正确的决策。 数据挖掘通过分析每个数据，从大量数据中寻找其规律的技术，主要有数据准备、规律寻找和规律表示3个步骤。数据准备是从相关的数据源中选取所需的数据并整合成用于数据挖掘的数据集；规律寻找是用某种方法将数据集所含的规律找出来；规律表示是尽可能以用户可理解的方式（如可视化）将找出的规律表示出来。 （2）大数据（Big Data） 从技术上看，大数据与云计算的关系就像一枚硬币的正反面一样密不可分。大数据必然无法用单台的计算机进行处理，必须采用分布式计算架构。它的特色在于对海量数据的挖掘，但它必须依托云计算的分布式处理、分布式数据库、云存储和/或虚拟化技术。(在维克托·迈尔-舍恩伯格及肯尼斯·库克耶编写的《大数据时代》中大数据指不用随机分析法（抽样调查）这样的捷径，而采用所有数据的方法）大数据的4V特点：Volume（大量）、Velocity（高速）、Variety（多样）、Value（价值）。 （3）企业内部