智能配电网大数据技术应用与分析

国网青海省电力公司黄化供电公司 李占英

智能配电网大数据技术应用与分析

国网青海省电力公司黄化供电公司 李占英

通过将大数据技术应用到智能配电网中，不仅可以提高数据采集、数据整理、数据分析等工作效率，而且还能够让用户得到更加精准且优质的电力服务。本文针对智能配电网大数据技术的应用场景与应用前景展开了分析，以期能够带来有价值的参考意见。

智能配电网；大数据；技术应用

0 前言

通过对我国现阶段的大数据技术应用现状进行了解后可知，大数据技术已经逐渐被应用到了生物、医学、商业、石油以及电力等各个领域中，并且深入挖掘出了很多有价值的优秀信息数据，让越来越多的现代企业都成为了大数据技术的支持践行者，在行业中占据了更多的市场份额。对于电力行业来说，在大数据技术的支持下，智能电网时代的到来让数据的收集与整理工作变得更加轻松，同时还可以进一步强化电网反馈环节的实际作用，大幅度提高电网规划的科学性、电网运行的可靠性、高效性。

1 配电网大数据的来源与特点

智能配电网大数据中包含着十分丰富且多元化的数据源信息，截止到目前为止，我国绝大多数的地市都设置了多个配电管理系统，其中主要包括调度自动化、电网气象信息、配电自动化、电能质量检测、地理信息、用电信息采集、用电负荷控制、营销业务管理以及ERP系统等等（详见表1）。

上文中所提及的这些数据源覆盖了营销管理、调度以及运检等多个领域，从数据源的类型角度来分析，智能配电网大数据中所包含的数据源类型十分丰富且全面，可以支持用电变电站、配电开关站、电能质量以及用户数据等多项信息的收集与应用。

2 智能配电网大数据的应用场景

2.1 用电行为分析

智能配电网大数据的主要应用场景是对客户的用电行为展开全方位的分析，深入掌握用户的用电习惯，挖掘出客户产生用电行为的真实原因。首先，针对所搜集到的用电数据实施聚合管理模式，科学化应用数据收集、数据存储以及数据处理技术来将用户的用电数据整合到一起，同时还要充分考虑到客户所形成的服务性数据，其中包括当前地区的人口数量、地理条件以及天气环境等等，争取将所有数据都汇集到一起，分析出各个数据之间所存在的内在关联性。其次，要从客户的用电行为中分析并总结出客户的用电规律，例如用电负荷、用电电量以及用电费用等等，在此基础之上结合当地的电价标准来设计出综合化的用电系统模型，从多个不同的专业视角着手，运用好现有的数据信息，并将同用户用电行为相类似的数据信息综合到一起，进一步强化对客户用电行为的理解。

2.2 用电负荷预测

针对用户的用电负荷进行预测在整个智能配电网的大数据技术应用管理中起到了十分重要的作用。用电负荷预测是整个智能配电网的用电调度计划、配电市场的交易管理以及智能配电网规划方案制定的重要基础条件。与此同时，用电负荷预测还对智能配电网的正常运作与整体规划决策的制定提供了重要的数据支持。可以丝毫不夸张的说，用电负荷预测将直接关乎到智能配电网的正常运作与安全运行，一方面能够对智能配电网内部的所有安全配置点进行合理化调整，另一方面还可以保证配电目标网架整体结构的完整性。由此可见，在针对智能配电网大数据技术的应用场景展开分析的过程当中，相关研究学者可以采用预先建立负荷预测模型的方式来达到提高负荷预测精准度的作用。需要注意的是，由于电负荷的变化本身具有着周期性特点，并且这种周期性特点又会受到相关数据变化的直接影响，因此会导致用电负荷的预测结果存在一定的误差。在智能配电网大数据的应用背景下，配电电源的种类形式将变得更加多元化，电力企业也可以同用户之间展开密切的交流互动，尽可能的提高负荷预测的精准度。

表1 典型配电系统数据源

掌握负荷变化规律是提升负荷预测结果精准性的主要方式，负荷数据作为一项重要的基础保证来说主要可以被分为实时性负荷数据与历史性负荷数据两种。其中，实时性负荷数据所指的即为电力系统内部电量负荷的实际数值，而历史性负荷数据所指的即为电力系统内部电量负荷的历史数值，主要被应用到对电力负荷变化趋势的研究上，从而更好的掌握用户负荷的需求量以及相应的负荷变化特征。

除此之外，地区内由天气变化所产生的数据同样也会对用户的用电行为带来一定的影响，在用电负荷预测的管理工作当中，管理者还必须要充分考虑到由天气变化所产生的数据，其中包括气压、湿度、温度、风力以及降雨量等等，同时针对天气数据与负荷预测结果来进行比对研究。除去上文中所提及的天气数据以外，区域内的人口数量与市场经济变化数据也会对负荷预测的结果带来间接影响。由于负荷数据的预测对象有所不同，因此可以将其分为系统负荷预测、母线负荷预测以及空间负荷预测这几种类型，如果从预测时间的角度来分析，那么则可以将其分为短期负荷预测、中期负荷预测以及长期负荷预测这三种。通常情况下，智能配电网大数据技术的应用场景会根据数据信息来构建出多种类型的模型，最多应用的要数大数据分析与大数据预测两种方法，结合预测结果来对智能配电网中的大数据负荷来展开预算管理。

2.3 电网运行评估

通过将大数据技术在智能配电网中的应用价值充分的发挥出来，能够针对配电网的安全性展开全方位的评估工作，从而对电网的发电频率、各个环节点的电压水平、各个主要线路的负荷水平进行精准化的评估管理。评估人员需要重点考虑到智能配电网中的供电容载比，尽可能的提高各个线路之间的负荷转移能力，一旦出现供电量不足的情况，应当立即将电量负荷调整到良好的状态中，在第一时间制定出甩负荷管理方案。此外，在针对智能配电网的可靠性展开评估管理的过程当中，评估人员还要充分考虑到配电网在运营过程当中所遇到的各方影响因素，积极改进负荷点中所存在的故障率，争取将电力系统的停电频率下降到可控的范围内，调整好电压波动的同时有效解决电压闪变现象，保证大数据技术在智能配电网中的高效应用。

3 大数据技术在智能配电网中的应用前景

3.1 用电预测与协同调度

通过上文中的介绍可知，精准的用电预测结果将会对智能配电网的正常规划与运行带来积极影响，通过针对用户的用电行为特征展开分析预测，能够制定出同大数据技术应用高度匹配的用电预测模型，从而得出更加精准的预测结果。

3.1.1 用电量宏观变化趋势预测

经过大量的分析预测结果可知，能够对用户用电数据带来影响的元素有很多，并且这些数据之间大多存在着因果关系与相关关系，有利于对用户的用电量变化趋势展开准确分析和预测。例如，工作人员可以通过研究节假日人口的迁徙轨迹、迁徙特点、雾霾天气的出现频率等因素，来衡量出这些指标数据同用户用电量之间所存在的关系，同时将这些抽象关系进行量化处理，最终得出负荷地域标准的用电预测模型。

3.1.2 局部用电量精细化预测

工作人员通过针对局部空间或部分个体用户、群组用户的用电行为展开分析，利用差异化建模方法就能够构建出有针对性的用电预测模型库，同时针对用户的用电特点展开多维度的分解操作，以此来得出不同用户在不同纬度、不同模型中的用电量预测结果，在现有的基础之上提高用电预测的精细度。

3.1.3 电源与负荷协同调度

工作人员通过对分布式电源发电与用户用电量来进行预测，将预测结果同配电网错峰资源聚类、错峰影响要素关联度来展开比对分析，将抽象化的错峰潜力进行量化表现，以此来探究出不同种类电源与负荷的优化组合方案，从而顺利完成电源与负荷之间的协同调度工作。

3.2 优化网架规划方案，准确分析发展趋势

从时空思维的角度来着手分析，智能配电网并不是静止不变且孤立存在的。换言之，智能配电网的主要发展优势即为它具有着极强的关联性与动态性特点，但由于这两种性质比较复杂，因此需要相关人员慎重对待并慎重考虑。随着我国城市建设速度的不断加快，智能配电网的优势特征也逐渐被显现出来，通过准确感知现阶段的网架态势，对城市的用电趋势、用电行为以及用电特点来进行分析，那么将会得出更加贴合实际的预算结果。

将用户的用电需求设为网架规划的制定目标将会取得更好的应用效果。在过去的网架规划方案中，主要是以电网运行、提高电网建设经济型与可靠性为工作重心，并没有全面且深入的考虑到用户的实际用电需求。在大数据技术的支持下，工作人员可以应用举例分析法来对不同用户的不同用电需求展开分析，在此基础之上来制定出可行性更高的电网规划方案，大幅度提高电力服务水平与用户的满意度。

针对电动汽车接入与分布式电源等因素展开全方位的分析研究后，工作者要借助于大数据技术中的相关信息来优化数据驱动网架的规划方案。例如通过应用网架结构数据来开展关联与聚类分析，以此来保证分类分层数据模型的顺利构建，有效提高网架优化率。

3.3 降低损耗

为了能够让用户在第一时间了解到电价的变化以及自身的用电数量，工作人员要采用关联分析法来对用户的用电数据进行整理分析，以此来保证数据的完整性与准确性，同时还要积极引入并应用最新的运行机制，例如分布式电源运营与分布式电源接入，尽快构建出联合优化模型。在此基础之上，工作人员需要参照用于以往的用电习惯来分析出他的用电特点，从而得出大多数用户所存在的共性用电行为，在综合考虑相关数据的同时制定出更加智能化且人性化的用电管理方案，通过此种方式不仅可以有效减少用户的用电成本，而且还能够缓解配电网的运行压力。

[1]孟祥军，季如祥，杨威．智能电网大数据平台及其关键技术研究[J]．供用电，2015,32（8）：19-24．

[2]李志良．大数据在智能电网中技术应用体系和路线图[J]．企业技术开发月刊，2015，32（20）：109-110．

[3]彭小盛，邓迪媛，程世杰，等．面向智能电网应用的电力大数据关键技术[J]．中国电机工程学报，2016（3）：503-505．

[4]马忠．面向智能电网应用的电力大数据关键技术研究[J]．水能经济，2016（10）：64．