项目背景

随着社会经济的飞速发展和电力需求的快速增长，生产、生活用电负荷不断攀升，供电企业原有配变设备所承受的负荷也日益增高，给电网运行安全造成重大的安全隐患。特别在夏季、节假日等用电高峰时段，存在重过载变压器烧坏及配电变压器容量不足导致不能正常供电的情况，影响供电可靠性且造成客户投诉，同时也会造成直接的经济损失。另外，设备长时间处于重过载状态会加速元器件老化，降低设备使用寿命，给电网带来故障隐患和运行风险，同时也会影响公司经济效益。

问题与挑战

由于用电需求增长、地区发展不均衡、配网投资精准性不高、配网结构复杂、突发偶然事件等内外部原因，配变重过载时有发生。改善重过载治理工作现状，提高重过载设备的治理效率和效果，具有重要的现实意义和经济社会效益。
用电负荷不断增长，配变重过载现象频发，造成直接经济损失并对电网安全运行造成重大隐患。常规事中监控、事后处理的方式相对被动，需要投入大量监测时间成本和技改检修人力成本。
配电网的正常运行除了要考虑设备和线路本身性能和状态外，还会受到外部气候、环境、用户等各种复杂因素的影响，传统配变重过载预警依靠人工经验及阈值预警方法，精度及效率无法满足需要。
重过载预警实现，目前主要依靠信息化手段进行定制开发、固定参数配置等方式实现，开发实施成本较高，准确率不足，不能满足科学、动态预警管理需求。

解决方案

基于Tempo大数据分析平台丰富的机器学习算法，数据准备、挖掘建模与成果可视化展示为一体的数据分析与应用，让业务管理借助大数据思维，采用数据分析方法，实现业务精准预测，变被动为主动，改善重过载治理工作现状，提高重过载设备的治理效率和效果，对提升电网运行安全，提高客户服务质量，促进公司经营效益提升，具有重要的意义。
配变重过载影响因素分析
从配变重载和过载两个角度出发，对迎峰度夏、春节等用电高峰时期配变运行状况进行分析，分别从地域、月份、日期、行业、时段等维度展示地市配变运行状况全貌，发现影响重过载的主要因素。

基于因素预测的配变重过载预警
运用梯度提升决策树、贝叶斯网络分类等挖掘算法，建立基于影响因素的10kV配网变压器重过载分类预测模型，并通过对模型的不断优化评估，得到最优预测模型，实现对配变重过载的提前预警。

预测结果可视化展示
对未来一周配变重过载预测结果进行可视化展示，包括地域分布、清单（对于预测为重过载的配变，结合配变的安全系数评价结果，给出处理优先级建议）等内容，便于工作人员直观地获取重过载清单，指导配网检修。

项目成果

采用大数据思维与数据挖掘分析方法，快速构建业务分析模型与结果展示应用，为业务管理提升提供新的方法和途径。
替代传统预警方式，提前发出配网运行异动预警，辅助配网工作计划、规划方案的制定，促进检修工作的质量、效率双提升。
有效降低配变重过载发生概率，提升电网运行安全和供电服务质量，促进公司核心竞争力提升。