基于大数据分析的差异化投资增量配电网的效益预测方法

王彬　王莹　魏联滨　李楠　李朝阳

摘 要：配電网的效益具有差异性，为了提高配电网的效益预测水平，提出了基于大数据分析的差异化投资增量的配电网效益预测方法。建立了差异化投资增量配电网效益评价的指标分析模型，采用大数据分析方法进行差异化投资增量配电网效益分析。结合特征空间重构技术进行差异化投资增量配电网效益的分布式特征序列重组，提取差异化投资增量配电网效益分布特征量。采用关联规则挖掘方法对分布特征量进行效益优先性评价，利用模糊相关检测方法进行配电网效益分布大数据的抗干扰处理。对提取的差异化投资增量配电网效益分布特征量采用神经网络学习方法进行配电网的效益预测，构建效益分布的差异化因子，实现基于大数据分析的差异化投资增量配电网的效益预测。仿真测试结果表明，采用该方法进行差异化投资下的增量配电网效益预测准确性与灵敏度较高，可靠性较好。

关键词：大数据分析;差异化投资;增量配电网;效益预测

中图分类号：TM73;F272      文献标识码：A

Benefit Prediction of differential Investment Incremental

Distribution Network Based on Big Data Analysis

WANG Bin1， WANG Ying1，WEI Lian-bin1，LI Nan2，LI Zhao-yang1

（ 1. Development Planning Department，State Grid Tianjin Electric Power Company Limited，Tianjin 300000，China;

2. Chengnan Power Supply Branch， State Grid Tianjin Electric Power Company Limited，Tianjin 300000，China）

Abstract：In order to improve the efficiency prediction level of distribution network， this paper proposes a method of distribution network efficiency prediction based on big data analysis and differential investment increment， and establishes the index analysis model of the benefit evaluation of the differential investment incremental distribution network， analyzes the benefit of the differential investment incremental distribution network by using the big data analysis method， recombines the distributed characteristic sequence of the benefit of the differential investment incremental distribution network by combining the characteristic space reconstruction technology， extracts the distribution characteristic quantity of the benefit of the differential investment incremental distribution network， and uses the association rule mining method The distribution characteristic quantity is used for benefit priority evaluation， the fuzzy correlation detection method is used for anti-interference processing of big data of distribution network benefit distribution， the neural network learning method is used for benefit prediction of distribution network for the extracted differential investment increment distribution network benefit distribution characteristic quantity， the differential factor of benefit distribution is constructed， and the differential investment increment based on big data analysis is realized Benefit prediction of distribution network. The simulation test results show that the accuracy， sensitivity and reliability of the incremental distribution network benefit prediction based on this method are high.

Key words：big data analysis; differentiation investment; incremental distribution network; benefit prediction

随着高压输电和配电网建设的不断推进，对增量配电网的建设投资要求越来越大，在差异化投资规模下，需要进行增量配电网的投资效益分析和预测，建立增量配电网的投资效益预测模型，对差异化投资增量配电网的效益预测进行设计，结合差异化投资下增量配电网效益大数据分析和统计分析方法，进行差异化投资下的配电网输出效益评价，采用统计分析方法进行配电网的输出效益特征分析，研究差异化投资增量配电网效益的优化预测方法，在提高增量配电网效益优化能力方面具有重要意义[1]，通过构建效益评价模型，调整投资结构和规模，提高投资的效益。提出了基于大数据分析下差异化投资增量的配电网效益预测方法，首先建立差异化投资增量配电网效益评价的指标分析模型，然后在大数据分析模型下实现差异化投资增量配电网的效益预测，最后进行仿真测试分析。

1 配电网效益预测的大数据分布和特征

分析

1.1 配电网效益评价的指标分析

为了实现基于大数据分析的差异化投资增量配电网的效益预测，需要首先建立差异化投资增量配电网效益评价的指标分析模型，采用大数据分析方法进行差异化投资增量配电网效益分析，增量配电网效益评价的组合结构模型如图1所示。

3 仿真测试分析

为了验证所提方法在实现差异化投资下配电网效益预测中的应用性能，结合Matlab进行仿真测试，在SPSS统计分析软件下进行效益评价的统计分析，使用Simulink工具搭建处理平台，处理器CPU为lntel（R） Core（TM）i7-7700 CPU@3.60 GHz，操作系统为CentOS6.6，内存128 G。为了测试输出量化特征效果，采集到电力物联网（http：∥shupeidian.bjx.com.cn/）的相关数据，将上述数据进行差异化投资增量配电网效益分析，得到大数据样本分布集如图3所示。

以图3的数据为输入数据，提取差异化投资增量配电网效益分布特征量，采用关联规则挖掘方法进行效益优先性评价，得到效益评价输出特征集如图4所示。

分析图4得知，考虑到受配電网资产净值与保底增量的影响，最终效益曲线波动较大，因此在差异化投资区间内采用本研究所提方法能有效实现差异化投资增量的配电网效益预测，具体预测结果如图5所示。

由图5可知，配电网效益在排除配电网资产净值与保底增量的影响后的最终效益符合差异量化特征投资区间限制，说明所提方法进行配电网投资效益预测的准确度较高。

为了分析差异化投资增量模型相关参数的灵敏度，对配电网投资总金额和基本配电价之间的关系电网公司增量配电网后的投资效益进行分析，将所提方法与文献[4]与文献[5]方法对比，在考虑输配电价约束的情况下求取最优累积收益值的变化曲线。如图6所示。

配电网累计收益随着输配电价的增长而增长，当政府对输配电价的管控放松时，电网的投资活动加大，累计收益也增加，相反的政府严格约束输配电价时，则累计收益增速导致投资收益下降。由上图所可知，所提方法配电网累计收益曲线基础收益与上涨幅度皆高于文献[4]与文献[5]的收益曲线，说明所提方法可有效预测差异化投资增量配电网收益。

4 结 论

建立增量配电网的投资效益预测模型，进行对差异化投资增量配电网的效益预测。提出了基于大数据分析下差异化投资增量的配电网效益预测方法。采用统计回归分析方法进行配电网投资效益的模糊度构造，采用自适应寻优模式进行分布式特征序列重组，提取差异化投资增量配电网效益分

布特征量，对提取的差异化投资增量配电网效益分布特征量采用神经网络学习方法进行配电网的效益预测，实现基于大数据分析的差异化投资增量配电网的效益预测。分析得知，本研究所提方法进行差异化投资增量配电网效益预测的准确度与灵敏度较高。

参考文献

[1] 王佼，刘艳春.应用灰关联分析的PSO-SVR工程造价预测模型[J].华侨大学学报（自然科学版），2016，37（6）：708-713.

[2] 齐霞，王绵斌，张妍，等.高维小样本条件下的变电工程造价预测研究[J].湘潭大学自然科学学报，2016，38（4）：112-115.

[3] 闫磊，姜安印，冯治库.科技型中小企业投资价值的生命周期特征及融资匹配分析[J].当代经济科学，2016，（3）：114-123.

[4] 靳玉英， 贾松波. 杠杆率监管的引入对商业银行资产结构的影响研究[J]. 国际金融研究， 2016， 350（6）： 52-60.

[5] 周成城，赵晔.电网建设与电网企业效益关系的研究——以我国X电网公司为例[J].华北电力大学学报（社会科学版），2013，（3）：29-33.

[6] 徐炜，肖智.内部控制对企业财务风险影响的非线性特征——理论推演与实证检验[J].现代财经（天津财经大学学报），2019，39（3）：68-82.

[7] EGEA-ALVAREZ A， FEKRIASL S，HASSAN F，et al. Advanced vector control for voltage source converters connected to weak grids[J].IEEE Transactions on Power Systems，2015，30（6）：3072-3081.

[8] BELLINI A， FILIPPETTI F， TASSONI C， et al. Advances in diagnostic techniques for induction machines[J]. IEEE Transactions on Industrial Electronics， 2008， 55（12）：4109-4126.

[9] YU Y， WANG Z Y， XU D G. Speed and current sensors fault detection and isolation based on adaptive observers for induction motor drivers[J]. Journal of Power Electronics， 2014， 5（14）：967-979.

[10]罗红英， 屈英， 俞元洪. 具有正负系数的二阶中立型时滞Emden-Fowler方程的振动准则[J]. 应用数学学报， 2017， 40（5）： 667-675.