一種基于圖的電力數據可視分析方法

李文芳，程 鑫，路 強2,

?

一種基于圖的電力數據可視分析方法

李文芳1,2，程 鑫3，路 強2,3

(1. 國網安徽省電力有限公司合肥供電公司，安徽 合肥 230022； 2. 合肥市電力大數據應用工程技術研究中心，安徽 合肥 230031； 3. 合肥工業大學計算機與信息學院VCC研究室，安徽 合肥 230601)

將可視化分析技術應用于電力系統可以有效地解決由電力系統發展帶來的海量電力數據分析及顯示等問題，從而輔助電力部門進行決策。針對城市電力數據，提出了一種基于圖的電力數據可視分析方法。首先對城市供電數據進行預處理；然后對城市供電網絡進行建模；最后根據可視化原則針對城市供電網絡中的多種電力數據設計不同的可視化方法進行可視化與分析。根據合肥市某區域的電力數據的案例分析，表明該方法可以有效地反映某一區域的電力系統運行狀態和電力客戶分布情況。

電力數據；可視分析；圖；城市供電網絡

隨著現代電力系統規模不斷擴大，系統數據日益增多。進入大數據時代，電力系統需要通過數據分析技術進行電網運行規律的探索。有關電力數據的研究已經取得了很大進展，特別是可視化分析技術應用于電力系統，可以有效地解決電力系統發展帶來的海量數據分析及顯示等問題。

近年來將時空數據的可視化分析分為鏈接視圖和集成視圖2種方法。在鏈接視圖中，將數據的空間屬性映射在一個窗口中，其他信息(如空間)映射在其他窗口中，在用戶分析時可以鏈接那些視圖并發現可能的關聯。在集成視圖中，可將地圖和時空信息集于一個顯示器中，以便時空模式的發現。本文使用集成視圖，直接將信息堆疊在地圖上或以三維的形式進行展示。

本文的目標是結合可視化技術從大量的電力線路及電力數據中選擇感興趣的部分，并分析電力系統運行狀態以及展示電力系統在不同時段內的運行狀態。電力數據的空間分布性有助于分析人員對電網的整體運行狀況做到直觀了解。

1 相關工作

1.1 城市電力數據可視化

大量的可視化方式已被應用于電力數據研究中，如曲線圖、柱狀圖、條形圖、扇形圖和單線圖等[1-5]。一些傳統的可視化方法，可用于電力數據結果分析；地理信息可視化技術如等值線、地理數據視圖等，可用于數據的展示。能源管理系統(energy management system，EMS)和能源世界模擬器(power world simulator)是電力行業中廣泛使用的兩種可視化工具。

在城市電力系統中，電力數據主要包括變電站、變電站覆蓋電力線路和線路下連接的電力用戶。GEGNER等[6]對變電站和供電線路進行可視化采用的是餅圖、線路潮流圖、熱力圖的方式；文獻[7]采用了散點圖和折線圖的方式對城市供電態勢進行了可視化；LI等[8]采用了基于OpenGL的可視化方法對電力線路潮流進行可視化。

很多研究工作將圖可視化方法應用到電力系統當中。文獻[9]將地圖可視分析技術分為3大類：直接描述、總結和模式提取。地圖的信息密度大，且符合人們的認知習慣，是展示基于空間分布數據的強大可視化工具。文獻[10]回顧了卡通圖的發展歷程，并對其現狀做了全面的介紹?？ㄍ▓D將統計信息與地理信息相結合，地理區域的面積按照比例與人口、收入等統計數據相對應。本文基于地圖可視化工作和圖領域的知識，面向電力數據進行可視化。

1.2 路線可視化方法

從可視化角度看，電力線路與交通流量、軌跡信息等具有一定的相似性。文獻[11]采用歐拉圖的方法分析某地理網絡中的人群流動并從手機數據中提取出社交網絡，來說明網絡流量的動態演化。

近幾年來，如何利用可視化技術對龐大而復雜的移動軌跡數據進行分析成為了該領域的研究熱點。很多研究集中于稀疏交通軌跡數據的可視化分析，如文獻[12]提出了一種利用交通單元記錄稀疏交通軌跡數據的可視化分析系統，其數據包含了城市主要道路上幾乎所有的移動車輛，將節點和小區之間的鏈路抽象地看作邊。為了避免視覺混亂，只對滿足一定流量的數據進行可視化。文獻[13]提出一種稱為路線縮放的可視化技術，可以無縫地嵌入時空信息到地圖中，以實現時空數據的無遮擋可視化。該技術可以擴展到在地圖上選定一特定路線，通過整體道路網絡變形來實現。

綜上，有關路線可視化方法的研究可分為2類：①路線輪廓保持不變，在道路上疊加可視化元素來表達某種數據；②對路線輪廓進行變形，嵌入一些圖形元素來表達數據。本文主要采用第一種方法，保持電力線路基本輪廓不變，僅對電力線路做一些細微的改變，如可對線路的顏色、寬度等進行可視化編碼，并在線路上疊加某種表達形式(扇形圖、箭頭、熱點區域等)來顯示電力數據。

2 電力數據處理

2.1 數據類型

由于電力數據涉密，本文數據來自供電公司的SG186營銷系統、PMS系統、SCADA系統的16個供電園區，3萬多電力用戶，1 000多專用用戶。通過分析各系統數據之間的關聯性，了解工作日和非工作日電力系統的運行狀態和用戶的用電行為。

變電站數據主要來自PMS系統，數據屬性包括：變電站名稱、變電站主變及容量。通過和SCADA系統關聯衍生屬性有主變負載率、主變年重載天數、主變年最大持續重載天數、主變日重載次數等，詳見表1。通過分析主變負載率可以統計出變電站的負載情況。

表1 變電站屬性表

其中，變電站負載率超過80%的為重載，變電站年最大載率=主變年最大負荷/主變容量×100%。

供電線路數據來自PMS系統，數據屬性包括：線路名稱、額定電流、停電信息等，通過和SCADA系統關聯衍生屬性包含線路負載率、線路重載天數、線路日重載次數等。表2為供電線路部分屬性數據表。

表2 線路屬性表

其中供電線路負載率超過80%的為重載，線路年最大載率=線路年最大電流/線路額定電流×100%。

一般數據中包括3種數據：

(1) 遺失值。記錄中沒有測量到的數據域。

(2) 非法值。記錄中某些數據不符合規范或者為錯誤值。

(3) 冗余值。記錄中在某些數據域中存在完全相同或重復的值。

經過數據清洗和消除上述非法記錄之后，大概可刪除3%的記錄。同時在數據庫中讀取和寫入數據時會執行校驗操作，發生錯誤時會舍棄讀取的值，并進行重新讀取操作。執行其他操作時會與之前的數據做比較，將不一致的數據及操作記錄寫進日志文件中，方便以后進行對比分析。

2.2 方法描述

本文方法總體流程如圖1所示。

圖1 電力數據可視化方法流程

在數據處理時，需完成電力數據的讀取、存儲及預處理工作，并使用圖的可視化方法對電力數據進行建模。其包括供電線路負載圖、電力客戶分布圖和統計數據可視化視圖，3種視圖分別從不同的方面反映電力系統運行狀態和電力數據。任務分析包括全局感知和異常分析，用戶可以對某區域的供電狀況、客戶分布情況和統計數據進行可視化，然后從中選擇感興趣的部分并識別出異常信息。

3 可視化設計

3.1 設計原則

本文從不同的方面展示電力系統的運行狀態，如不同時段某一地區所有變電站的供電情況。通過展示選定的變電站所連接的供電線路的情況，結合其層次性對線路和用戶進行可視化，可以了解變電站的電力輸送和用戶用電情況，對于選定的變電站供電線路中的異常情況進行分析和監測。

本文的設計原則如下：

(1) 概括化簡?？梢暬O計應該直觀、有效，便于用戶識別感興趣的部分。由于電力數據非常龐大，在視圖中描述每一條電力數據是沒有必要且不可行的，因此在其可視化之前需進行簡化與抽象。也因為電力線路和圖模型有一定的相似性，因此其可視化可以利用圖模型進行建模。以合肥市電力線路網絡為例，將其看作為一個無向圖?？蓪⑵浒囊恍┳冸娬?、開閉所以及電力線路看作無向圖中的節點，供電路線等可以看作連接節點的邊。圖2為構造出的無向圖，以模擬當前電力線路的狀態。

圖2 使用圖來表達電力線路

(2) 供電線路信息表達。本文采用模擬城市電力線路的圖模型方法，在地理空間中進行交互式分析，其前提是需正確保持電力線路的連通性。對于電力領域專家及用戶來講，可視化結果能夠正確地表達供電線路信息有意義且直觀，同時蘊含較多的電力信息。

在處理大量的城市電力線路以及電力數據時，表達目標應該最優化地表達以下內容，即可視化表達結果適宜進行其分析與探索，不需要進行大量的二次操作及計算；計算和渲染速度應該盡量的快，足以進行交互式可視化分析。

(3) 多層次的可視化方法。為了便于進行多尺度的探索分析，應遵循信息尋求規則。首先進行整體概述，然后通過縮放和過濾等操作進行詳細說明，便于用戶探索更多、更深層次的細節。允許用戶交互性探索重要區域和不同時間段內整個電力線路或感興趣區域的電力線路運行狀態，并有效地查詢、選擇和過濾是提供不同層次可視化結果之間的平滑過渡。

層次細節(levels of detail，LOD)模型是可視化領域中常用的模型。使用其進行可視化渲染時，程序會根據物體模型的節點及顯示環境中所處的位置和重要度，決定物體的渲染程度，降低非重要物體的可視化程度，從而獲得高效率的渲染速度與可視化結果。LOD模型在不同的層次水平上對電力線路模擬圖進行可視分析，對不需要用戶關心的區域降低其可視化程度，以便用戶發現電力線路模擬圖中的細節信息并進行信息比較。

3.2 可視化設計

(1) 負載率可視化設計。負載率是電力系統的重要屬性。供電線路可視化中主要關注供電線路及變電站的負載率情況。負載率為一個大于0的數值，其數值表明電力設備處于不同的工作狀態。當電力設備長期超負載率閾值工作時，可能會出現異常。因此對負載率進行可視化，成為了分析電力線路運行狀態的關鍵。

使用顏色對數據進行編碼是可視化領域中常用的方法。本文采用顏色映射關系對負載率進行編碼，其中，紅色代表負載率超過80%，黃色為30%~80%之間，綠色為低于30%。

(2) 電力設備狀態可視化。電力線路、變電站及其他電力設備的工作狀態均需合理地進行表述。電力線路存在停電、設備毀壞等異?，F象，如何對其進行可視化是研究的關鍵。借鑒其他設備中經常使用信號燈來表征運行狀態，若信號燈呈綠色表示設備工作正常，而紅色表示異常。而在電力負載圖中使用灰色表示某電力線路處于停電狀態。

(3) 統計數據可視化。為了更全面地對電力系統進行分析，需要對電力線路和變電站在一段時間內的統計數據進行可視化，是非常有意義的。統計數據包括：變電站在一年內的重載天數、一天內的重載次數及某供電線路在一段時間內的負載率變化情況等。電力系統中的某些變化和某些數據具有周期性，因此研究數據的周期性是非常必要的。環形圖是進行周期性規律探索的一種非常好的可視化方式，本文在基本的環形圖上進行了改進，以適合電力數據周期性規律的分析。

4 模擬效果評估

通過3個案例驗證可視化模擬效果的有效性和實用性。本文軟件采用B/S架構，以JSP頁面的形式展示，其中可視化視圖使用D3.js繪制。使用Oracle數據庫存儲電力數據，并結合Hadoop云平臺存儲技術。

4.1 某區域供電情況分析

圖3為2017 年合肥某區域的供電情況。在電子地圖的基礎上，結合電力系統的地理位置信息，展示了變電站及下屬供電線路負載情況，并使用顏色對不同的負載率進行編碼。年最大負載率小于0.3的為綠色；超過0.8的為紅色；處于0.3~0.8之間的為黃色。圖中共有3座變電站，其中，220 kV級和110 kV 2座變電站處于高負載率的狀態，局部供電線路因負載較高呈現紅色線路較多，說明當前該區域的供電情況較為緊張。持續高負載可能導致某些電力故障的發生，需要采取改進措施如給某電力線路加開關或將某電力設備連接到其他的線路上分擔用電壓力，以保障電力系統的正常運轉。

合肥另一區域的供電情況模擬效果如圖4所示。圖中顯示該區域黃色和綠色線路較多，說明該區域的供電狀況良好，不存在負載過高的現象。管理人員可以考慮將高負載率線路連接到該區域的線路下，從而緩解高負載區域的供電壓力。

圖3 合肥市某區供電情況

圖4 合肥市某區供電情況

4.2 某區域客戶分布情況

圖5為合肥市某地區的客戶分布渲染情況。圖中電力客戶分為3類，依次為容量新增客戶、存量客戶、分布式光伏客戶。容量新增客戶指的是最近向供電管理部門申請報裝且申請流程還在進行中的高壓客戶；存量客戶是已經申請并完成投產的高壓客戶；分布式光伏客戶是擁有分布式光伏電源的客戶。圖中亮青色表示容量新增客戶，黃色為存量客戶，藍色為分布式光伏。在電子地圖的基礎上，結合電力客戶的地理位置信息，將電力客戶分布情況繪制在地圖上。圖中使用圓形半徑表征電力客戶的運行容量情況，運行容量越大，圓形的半徑就越大。其中較大的黃色圓圈表示的用戶運行容量在 10萬千伏安以上；中等藍色的圓圈表示用戶運行容量為幾千千伏安；最小的青色圓圈代表運行容量更小，管理人員可以點擊圓圈查看具體的用電信息。圖中右上角的黃圈顯示某有限公司的合同容量較大，其運行狀況影響著區域的供電穩定性，是管理人員重點關注的對象。

圖5 某區域客戶分布情況

4.3 某區域變電站的統計數據可視化

電力系統的統計數據非常重要且具有某種周期性。通過使用扇形圖和環形圖對合肥市某地區的變電站負載情況進行可視化。本方法具有一定的可擴展性，如可同時分析多個變電站在某天內的重載情況，以及某個變電站在多天內的重載情況。

圖6是變電站的負載情況。圖中圓環的一周代表一天24 h，由內到外的圓環代表多個或一個變電站在一周內每天的負載情況。使用顏色對變電站負載率進行編碼，其中紅色表示處于重載情況；黃色為正常；綠色為負載較低情況。其中，圖6(a)從內到外的7個圓環為某變電站在一周內7天的負載變化情況；圖6(b)從內到外的3個圓環代表3個變電站在某天內的負載情況。觀察圖6(a)可知，該變電站一周內高負載集中于早8點至晚8點，屬正常高峰用電時段。觀察圖6(b)可知，如果選一年中該區域負載率最大的一天，可以發現由圈內到圈外第1個變電站重載的時刻較多，且重載的影響大。第3個變電站一天內基本處于低負載狀態，對于年最大重載的影響較小。因此，本方法用來分析電力數據中的周期性和變電站負載率對比是非常實用且有效的。

圖6 變電站負載情況

4.4 評估效果

可視化的目標不僅僅是供電信息的呈現，也為用戶提供了直觀分析的手段。為了進一步驗證本文可視分析方法的有效性和實用性，特邀請了5位電力專家、5位園區經理和20位具有電力系統背景的本科生和研究生參與了評估。首先進行簡單的背景介紹和系統講解，并以合肥市園區電力數據為輸入，分別給出反映該區總體供電態勢的供電狀況態勢圖、用戶分布圖以及變電站數據統計視圖，然后讓用戶自由探索3種視圖，并完成調查問卷上的問題。

本文使用5等級李克特量表進行評估，請用戶對5個問題進行滿意度評分。其中5分表示非常滿意，4分為滿意，3分為中立，2分為不滿意，1分表示非常不滿意。問題描述如下：

問題1：視圖是否整潔、美觀；

問題2：視圖能否清晰地展現區域內的供電負載情況、用戶分布情況以及數據統計情況；

問題3：視圖是否有良好的交互性；

問題4：視圖是否通俗易讀；

問題5：視圖是否方便電力部門開發人員進行后續開發。

圖7為30位參與者對3種視圖的調查評分。結果顯示，大部分參與者對本文可視化視圖結果的美觀性、實用性和交互性表示滿意，對易讀性表示非常滿意，對再開發性表示滿意的人數也超過了半數。

圖7 用戶體驗調查

可見，本文可視化方法在實用性、易讀性、交互性和實用性都取得了較好的評分，但在進行再開發時還具有一定的難度。

5 總結和展望

本文面向電力數據提出了一種基于圖的電力數據可視化方法，幫助用戶分析電力系統運行狀態及電力客戶分布情況?？梢暦治鼋Y果及用戶評價進一步驗證了本文可視分析方法的有效性和實用性。其優點表現為：

(1) 使用本文方法進行電力數據建模與可視化，可以在一定程度上減少計算復雜度，提高程序渲染效率。

(2) 針對供電線路中的某些交叉區域進行優化和重新調整，可以有效地減少視覺混亂現象，方便用戶進行交互和探索操作。

本文方法存在的不足：

(1) 隨著電力線路和關鍵電力系統設備數據的增加，建模及可視化所需的時間也隨之增長，如何提高時間復雜度是未來的工作重點之一。

(2) 本文主要關注電力線路的負載率，未考慮更多的電力數據，如電壓幅值、分布式電源等。

在后續研究將致力于城市電力數據的可視化，特別關注多角度、多方位、美觀的城市電力數據可視分析方法。

[1] DRAPER G M, LIVNAT Y, RIESENFELD R F. A survey of radial methods for information visualization [J]. IEEE Transactions on Visualization and Computer Graphics, 2009, 15(5): 759-776.

[2] DU Y, MA C, WU C, et al. A visual analytics approach for station-based air quality data [J]. Sensors, 2017, 17(1): 30.

[3] CHO M, KIM B, BAE H J, et al. Stroscope: Multi-scale visualization of irregularly measured time-series data [J]. IEEE Transactions on Visualization and Computer Graphics, 2014, 20(5): 808-21.

[4] SANFTMANN H, WEISKOPF D. 3D scatterplot navigation [J]. IEEE Transactions on Visualization and Computer Graphics, 2012, 18(11): 1969-1978.

[5] 戚陸越, 吳升. 時間序列數據可視化研究綜述[J]. 微型機與應用, 2015, 34(12): 7-10.

[6] GEGNER K M, OVERBYE T J, SHETYE K S, et al. Visualization of power system wide-area, time varying information [C]//Power and Energy Conference at Illinois (PECI). New York: IEEE Press, 2016: 1-4.

[7] DUTTA S, OVERBYE T J. Information processing and visualization of power system wide area time varying data [C]//Computational Intelligence Applications In Smart Grid (CIASG). New York: IEEE Press, 2013: 6-12.

[8] LI B, LIU W Y, XING J, et al. The opengl-based visualization of power system flow and alarm [C]//Power and Energy Engineering Conference (APPEEC). New York: IEEE Press, 2012: 1-4.

[9] ANDRIENKO G L, ANDRIENKO N V, DYKES J, et al. Geovisualization of dynamics, movement and change: Key issues and developing approaches in visualization research [J]. Information Visualization, 2008, 7(3): 173-180.

[10] NUSRAT S, KOBOUROV S. The state of the art in cartograms [J]. Computer Graphics Forum, 2016, 35(3): 619-642.

[11] MA Y, LIN T, CAO Z, et al. Mobility viewer: An eulerian approach for studying urban crowd flow [J]. IEEE Transactions on Intelligent Transportation Systems, 2016, 17(9): 2627-2636.

[12] WANG Z, YE T, LU M, et al. Visual exploration of sparse traffic trajectory data [J]. IEEE Transactions on Visualization and Computer Graphics, 2014, 20(12): 1813-1822.

[13] SUN G, LIANG R, QU H, et al. Embedding spatio-temporal information into maps by route-zooming [J]. IEEE Transactions on Visualization and Computer Graphics, 2017, 23(5): 1506-1519.

A Graph-Based Method for Visual Analysis of Power Data

LI Wen-fang1,2, CHENG Xin3，LU Qiang2,3

(1. State Grid Hefei Electric Power Supply Company, Hefei Anhui 230022, China; 2. Hefei Engineering Research Center of Electric Power Data Application, Hefei Anhui 230031, China; 3.VCC Division, School of Computer and Information, Hefei University of Technology, Hefei Anhui 230601, China)

Applying visual analysis technology to the power system can effectively solve the massive power data analysis and display problems caused by the development of the power system, thereby assisting the power sector in making decisions. Based on the city power data, a graph-based power data visual analysis method is proposed. Firstly, the urban power supply data is preprocessed, then the urban power supply network is modeled. Finally, according to the visualization principle, different visualization methods are designed for the visualization and analysis of multiple power data in the urban power supply network. Based on the case study of power data in a certain area of Hefei City, it is shown that this method can effectively reflect the operating status of power systems and the distribution of power customers in a certain area.

power data; visual analysis; graph; urban power supply network

TP 391

10.11996/JG.j.2095-302X.2019010124

A

2095-302X(2019)01-0124-07

2018-07-03；

2018-07-17

國家自然科學基金項目(61472115)；安徽省自然科學基金項目(1708085MF158)；國家留學基金項目(201706695044)

李文芳(1971-)，女，安徽合肥人，學士，高級經濟師。主要研究方向為電力市場等。E-mail：fhook@126.com