基于态势感知驱动的配电网投资决策体系架构设计探讨

谢 涛，石雪梅，钟成元

(1.国网安徽省电力有限公司, 合肥 230022；2. 国网安徽省电力有限公司经济技术研究院，合肥 230071；3. 国网安徽省电力有限公司安庆供电公司，安徽 安庆 246003)

2013年3月中国电机工程学会信息化专委会发布了《中国电力大数据发展白皮书》，掀起了电力大数据的研究热潮。电力大数据主要产生于电力工业的发、输、变、配、用各环节中。电网公司的调度控制、营销用电量与用电负荷、用户侧分布式新能源接入和电力需求侧管理、配电网络规划、建设运维图片、监理现场录像等多源异构数据都是电力大数据的基本组成。其中，配电网是直接面向用户的重要基础网络，电力大数据在配电网领域的应用具有非常明显的价值。近年来，国内外关于电力大数据在配网领域的应用研究工作集中主要集中在两个层面：一是关于应用方向[1]、前景分析[2]和技术展望[3]的研究，重在梳理和预判大数据在配电网领域的发展脉络，视角宏观，综合性强；二是面向具体业务应用场景的研究，包括配电网大数据与配用电领域业务需求分析相结合的研究[4]，与负荷预测相结合的研究[5]、与重要用户供电安全相结合研究[6]，与电力系统仿真计算相结合的研究[7]以及与配电网规划和投资相结合的研究等方面。

目前，与大数据方法相适应的新型电网规划体系有待建立[8]。大数据与配电网规划相结合的研究多集中在数据处理、分析、存储和平台建设等技术问题上：如面向地市供电公司智能电网规划的数据融合技术[9]、面向一体化配电网规划设计平台的数据集成技术[10]、大数据存储架构设计[11]以及大数据统一支撑平台体系与构架设计[12]方面；而大数据与配电网投资相结合的研究并不多见。

大数据的重要价值在于对人类决策活动水平的革命性提升。城市配电网规划和投资决策既是配电网领域的典型业务场景，也是提升配电网精益化管理水平的关键环节。要实现该环节决策从传统方式向大数据方式的转变，不仅需要大数据关键技术的支持，更需要建立与大数据驱动的决策方式相适应、构成完备、运转协调的配电网规划投资决策体系；目前，该方面的研究鲜有报道。

本文基于大数据驱动的配电网规划投资决策模式变化和类型特点的分析基础，将态势感知作为配网投资决策的驱动元素，根据配电网自身的特点，构建态势多维“元”感知模型；提出基于大数据图谱的配网数据管理模式，并以此为基础，提出基于态势感知驱动的配电网规划投资决策体系架构。

1 态势感知在配电网规划投资决策中的作用

1.1 态势感知概念的提出

早在20世纪80年代，美国空军就提出了态势感知(Situation Awareness，简称SA)的概念。90年代，态势感知的概念开始被逐渐被接受并随着网络的兴起而升级为“网络态势感知(Cyberspace Situation Awareness)”是指大规模网络环境中对能够引起网络态势发生变化的安全要素进行获取、理解、显示以及最近发展趋势的顺延性预测，而最终的目的是要进行决策与行动。态势感知覆盖感知(感觉)、理解和预测三个层次。

基于以上基本概念的延伸，本文将态势感知延伸应用于配电网投资决策中，即对配电网规划设计及投资环境发生变化的主要驱动要素提前感知、理解和预测并对最终的投资规模进行决策。

而按照信息萃取复杂程度的不同，可将态势感知分为“元感知”和“综合感知”两个层次。“元感知”是多维度获取“信息元”， 在“元感知”的基础上，以预测、预警、评估和洞察为基本内容开展的高级分析称之为综合态势感知。以上两类感知必须依赖于大数据技术。

1.2 传统的配电网决策模式

通常意义上的配电网规划决策主要是对配电网发展的规模、结构、速度等方面做出全面系统的规划与设计，规划的最终决策主体是政府电力主管部门。配电网投资决策则是以配电网规划和设计为基础，对各规划水平年的具体项目的安排，针对不同的供电分区，供电能力要求、可靠性要求与安全性要求、不同设备水平、项目建设时序、项目数量等测算不同地区各年度投资规模。

因此，传统的配网投资决策要素主要是供电分区、供电能力所要求的设备规模、供电安全性所要求的设备水平以及该地区总投资规模控制下的建设先后顺序等。这样的决策下的投资结果在配网发展初期比较简单高效，但是随着智能服务型配网的发展要求的进一步提高，这种传统的配网投资决策方式已经不能适应精益化投资管理的要求。

因此，本文提出基于态势感知的配网投资决策设想，设定多途径决策驱动要素，从结构、用户和设备三个层级设定感知层次。建立由元感知和综合感知驱动的配网投资决策体系架构。

2 配电网态势感知多维元模型构建

将配电网态势感知的单元分为“功能分区”、“网格地块”、“供电台区”等不同层次，基于各个省不同的地区控制性详细规划主要以用地性质不同的地块(网格地块)为基本单元，因此，本文选择“网格地块”作为配电网态势感知的单元，构建面向配电网投资决策的态势感知多维信息元模型。

2.1 模型与指标定义

配电网多维信息元模型是指以“网格地块”为基本单元，将配网大数据信息划分为“结构元”、“用户元”、“设备元”和“环境元”等多个维度，以实现对配网投资发展态势的感知。

其中，结构元是指配电网中某供电区域电压等级不可再划分的最小模块化网络结构单位。例如：单辐射、双辐射、单链等。一个网格地块一般包含以上多个电压等级的配网结构元。用户元是指网格地块上用户组成的团体，该团体有自身的负荷特性和用电特征，团体内部的用户拥有不同的负荷特性。环境元是指网格地块所处自然、气候、经济和社会等环境的总称。设备元是指网格地块上的各类配电设备的总称。

2.2 态势感知元的维度设计

设立感知元的清晰维度，有利于从配网基础大数据中提取支持投资决策的有效信息，因此必须根据配网大数据源情况，设计决定投资建设需求的量化感知维度。

图1为结构元感知维度设计；图2为用户元感知维度设计；图3为环境元感知维度设计；图4为设备元感知维度设计。

图1 结构元感知维度

图2 用户元感知维度

图3 环境元感知维度

图4 设备元感知维度

2.3 配电网投资态势综合感知

配电网投资态势综合感知驱动主要实现预测、预警、评估、甄别分析等4个层面信息的提取：

(1)预测分析。是指对规划水平年的特定地区的相关用电指标进行预测。配电网规划设计和投资决策的基础是用电预测，规划与投资决策必须根据本地区电力、电量及负荷密度、负荷特性结构等的预测结果开展网架布局与设备选择，包括以及供电安全性经济性与可靠性统筹兼顾。

(2)预警分析。对于配电网实际运行中重点监测的状态信息设定安全稳定标准。

预警是指在一定时间或空间上对配网实际运行状态信息超过事先确定的标准的警示。

(3)评估分析。借助数学模型和分析方法，建立评价体系，对影响配电网安全稳定运行的关键状态进行评价。

(4)甄别分析。运用大数据技术对于配网两类或多类态势信息之间的相关性或因果联系进行分析甄别。

3 在配网投资决策态势感知中的应用

3.1 支持态势感知驱动的大数据技术类别

配电网投资决策态势感知需要用到的大数据分析技术主要有统计分析技术、数据挖掘技术以及可视化技术，具体见表1。

表1 支持态势感知的大数据分析技术

3.2 支持态势感知驱动的数据管理模式

运用大数据图谱进行配网数据管理是进行态势感知驱动的决策结构的关键。大数据图谱是面向决策情景的多源异构数据融合的重要导引。建立大数据图谱管理决策体系，可以有效提高大数据在态势感知信息提取与分析的效率。大数据图谱是指基于特定的决策情景模式实现对所需大数据锚定融合的策略，关键点包括：决策情景模式选定，数据锚定方式选择，多源异构数据融合方式确定等。

在建立大数据图谱时需要配套数据存储和数据处理两项相关技术。云计算技术以其计算速度的优越性可作为配网投资决策态势感知驱动体系提供底层技术支持。基于Hadoop集群构建配电网投资决策的大数据处理架构，Hadoop集群核心是HDFS和MapReduce技术。HDFS为海量数据提供存储支持；MapReduce为数据计算提供模型支持。通过 sqoop 完成数据抽取。这样，既可将关系型数据库中的数据与Hadoop的HDFS中的数据进行相互导入，可在Hadoop(Hive)与传统的数据库间进行数据交互与传递。

4 态势感知驱动的配电网规划投资决策体系架构设计

大数据驱动的配电网规划投资决策体系总体架构，如图5所示。

图5 配电网规划投资决策体系架构

5 结语

本文将计算机网络态势感知理念引入配电网投资决策领域，从感知维度和感知元设计等角度提出了态势感知的要素，面向大数据分析技术提出了支持态势感知的大数据图谱数据管理模式，基于以上关键技术设计了配电网规划投资决策体系架构。下一步将在本文所设计的结构基础上选取典型地区开展投资决策模拟与验证。

参考文献：

[1] 张沛，吴潇雨，和敬涵.大数据技术在主动配电网中的应用综述[J].电力建设,2015,36(1):52-59.

ZHANG Pei, WU Xiaoyu, HE Jinghan. Review on Big Data Technology Applied in Active Distribution Network[J].Electric Power Construction,2015,36(1):52-59.

[2]赵腾,张焰,张东霞. 智能配电网大数据应用技术与前景分析[J]. 电网技术,2014,38(12):3305-3312.

ZHAO Teng, ZHANG Yan, ZHANG Dongxia. Application Technology of Big Data in Smart Distribution Grid and Its Prospect Analysis[J]. Power System Technology,2014,38(12):3305-3312.

[3]刘科研,盛万兴,张东霞,等. 智能配电网大数据应用需求和场景分析研究[J]. 中国电机工程学报,2015(2):287-293.

LIU Keyan, SHENG Wanxing, ZHANG Dongxia, et al. Big Data Application Requirements and Scenario Analysis in Smart Distribution Network [J]. Proceedings of the CSEE，2015(2)：287-293．

[4]王继业,季知祥,史梦洁,等. 智能配用电大数据需求分析与应用研究[J]. 中国电机工程学报,2015(6):1829-1836.

WANG Jiye, JI Zhixiang, SHI Mengjie, et al. Scenario Analysis and Application Research on Big Data in Smart Power Distribution and Consumption Systems [J]. Proceedings of the CSEE，2015(6)：1829-1836．

[5]王德文,孙志伟. 电力用户侧大数据分析与并行负荷预测[J]. 中国电机工程学报,2015(3):527-537.

WANG Dewen, SUN Zhiwei. Big Data Analysis and Parallel Load Forecasting of Electric Power User Side[J].Proceedings of the CSEE,2015(3):527-537.

[6]丁坚勇,周凯,田世明,等. 基于大数据技术的重要用户供电安全分析[J]. 电网技术,2016(8):2491-2495.

DING Jianyong, ZHOU Kai, TIAN Shiming, et al. BigData Technology Based Important User Power Supply Security Analysis[J]. Power System Technology, 2016(8)：2491-2495.

[7]黄彦浩,于之虹,谢昶,等. 电力大数据技术与电力系统仿真计算结合问题研究[J]. 中国电机工程学报,2015(1):13-22.

HUANG Yanhao, YU Zhihong, XIE Chang, et al. Study on the Application of Electric Power Big Data Technology in Power System Simulation[J]. Proceedings of the CSEE,2015(1):13-22.

[8]赵春晖,姜大为,崔灿,等. 大数据时代下的新型电网规划体系[J]. 电力建设,2014,35(10):17-20.

ZHAO Chunhui, JIANG Dawei, CUI Can, et al. New Power Grid Planning System in Big-Data Era[J]. Electric Power Construction,2014,35(10):17-20.

[9]孙峰,钱啸,曾建梁,等. 基于大数据理念的地市供电公司智能电网规划数据融合研究[J]. 华东电力,2014,42(11):2411-2414.

SUN Feng, QIAN Xiao, ZENG Jianliang, et al. Smart Grid Planning Data Fusion of Local Power Supply Companies Based on Big Data Concept[J].East China Electric Power,2014,42(11):2411-2414.

[10]宋毅,薛振宇,滕林,等. 面向一体化配电网规划设计平台的数据集成技术研究及应用[J]. 电网技术,2016(7):2199-2207.

[11]葛磊蛟,王守相,瞿海妮. 智能配用电大数据存储架构设计[J]. 电力自动化设备,2016,36(6):194-202.

GE Leijiao, WANG Shouxiang, QU Haini. Design of storage framework for big data of SPDU[J]. Electric Power Automation Equipment, 2016,36(6):194-202.

[12]刘巍,黄曌,李鹏,等. 面向智能配电网的大数据统一支撑平台体系与构架[J]. 电工技术学报,2014(S1):486-491.