智能配电网大数据应用技术与前景分析

刘 亮，周 锋，冯 婉，张 明，刘 伟

（长沙学院，湖南 长沙 410003）

0 引 言

国内外对大数据在智能配电网中的应用研究缺少实际应用指导。本文梳理智能配电网大数据理论技术，分析大数据在智能配电网中的应用前景。

1 智能配电网大数据概述

随着智能配电网信息化和互动化水平的提高，电力企业量测体系内部积累大量数据，如设备检测数据等。电力企业积累大量运营数据，内部数据外有许多潜在外部数据源，如移动设备GPS等大数据可挖掘利用。可将智能配电网大数据分为电力企业运营数据、量测与外部数据。3类数据共同服务于智能配电网运行发展，如用户用电情况变化影响电网建设规模，为电力企业制定合理营销策略提供参考。

目前对智能配电网数据利用集中于电力企业量测数据，对其蕴含价值未得到系统开发应用。今后电动汽车快速发展将为智能电网大数据资源注入更多数据流。智能配电网大数据一次特征包括来源广泛、粒度精细以及生成快速等，其二次特征是信息丰富和体量巨大等。智能配电网大数据可能来自智能电表，不同用电行业体数据源具有差异化数据生产方式。通信技术发展使得大规模用电信息采集可以达到分钟级别[1]。现代电力企业服务质量提升，非结构化数据如客户服务系统语音数据等大规模持续涌入。传统数据处理技术难以应对庞大的数据集合，需要寻求符合智能配电网的大数据应用技术。智能配电网部分数据关系网示意如图1所示。

图1 智能配电网部分数据关系网示意图

从复杂系统中得到的大数据反映的是孤立的数据集，但将反映相互关系链接整合的是网络。网络整体特征隐藏在数据网络中，需要深入分析数据网络，一些网络参数可能刻画大数据背后网络的共性。智能配电网中部分数据包含来自电力企业及社会的数据，以混杂难以准确描述的方式推动配电网的运行[2]。电网规划以用电预测等数据为基础，电网问题造成停电客户投诉等影响电网规划。将智能配电网大数据视为复杂系统，以用电预测数据等二次数据为中间变量。

目标数据集具有直接应用价值，由于存在关系多重嵌套，数据集自身存在诸多随机性，使得数据集与目标集隐形数据价值链不明晰。通过将数据与关系进行解耦，变隐藏的关联为直接关联，形成连接一次输入与目标输出数据驱动型显性数据价值链，提高输出结果的准确性。

2 面向智能配电网的大数据应用技术

2.1 大数据关键应用技术

从大数据存储与处理关系角度出发，处理技术分为流与批处理。流处理适用于配电网中对实时性要求较高的业务，如电源与负荷联合调度等，批处理有状态的流处理，适合对实时性要求不高的业务[3]。针对智能配电网测点多，部分数据实效性等特点，需要对大数据存储系统自优化，分布式流处理系统异构节点高效协同信息技术等进行研究。智能配电网是不断发展的系统工程，将各方面数据集中管控难以保证其可靠性，融合分布式文件系统及数据库等云计算，可作为大数据基础平台为在智能配电网中应用服务。

大数据解析包括对数据分析解读，通过研究巨量数据发现，隐藏模式及有用信息过程中每个数据集为子系统，可能产生超出原子系统数据简单相加得到新信息，数据系统有了质的提升。为使大数据分析结果契合应用，需要解读大数据。深层次剖析大数据自身及分析过程，由于在解读中伴随着数据分析，可视为特殊大数据分析方法。目前领域普适知识挖掘，数据可视化等技术可用于智能配电网[4]。领域普适知识挖掘通过大数据呈现普适现象与验证评估及理论分析→仿真模拟→发现普适现象的范式相互匹配，探索大数据层面普适规律，其应用优势是负有洞察性。智能配电网规划中存在较强的规律，但尚未上升到理论层面直观展现，利用普适知识挖掘技术挖掘智能配电网大数据，可以帮助配电网规划人员提高对配电网系统的感知度。

数据可视化技术思想是将数据库数据作为单个单元表构成数据图像，对数据进行深入观察分析，从逻辑等维度集中管理数据，得到简易多维数据立方体视图，在时间空间交叉点嵌入层次化数据列表，实现对数据的精准把握。通过数据可视化技术可为智能配电网提供更好的服务，包括给出完整电网数据集全貌、对数据进行降维以及向业务部门提供有价值的信息等。放大用户相关兴趣点，选择用户关注的浮动电价，细化展示用户能耗等级等内容，态势预估具有不确定性变化点，如网架扩展态势展现等。数据可视化是数据分析工具，能只体现智能配电网大数据应用方式。

数据驱动决策分为基于大数据分析的决策、数据驱动无模型决策以及以数据驱动为主的决策。第一类是利用精准的数据分析结果做出决策，第二类是不含决策系统的数据模型，针对大规模重复进行的行为做出决策，第三类决策方式特点是不全采用原来的模型，借助与模型匹配做出决策[5]。电网规划采用第一类决策方式，大数据可带来更精确的空间负荷预测数据和分布式电源接入数据等。采用现有规划模型可给出更优的电网规划方案，如利用捕获到的大数据进行数据建模，对大数据进行解析中同步修正网架优化模型，可能得到适应性强的电网规划方案。

过程数据挖掘指在建立事件数据与处理模型的联系，传统业务流程管理是模型驱动，面向数据分析技术聚焦于简单的分类和回归等问题，通过过程数据挖掘技术可将事件数据与端到端业务处理联系。随着大量相关事件记录，反映人群行为特征的期望线确定更为可行，将其升华为规范化模型。对于事件数据中偏离模式化轨迹行为，需分析其出现原因，将偏离行为重新纳入模式化轨迹中。通过与规范化模型的一致性检测，过程挖掘技术在引导用户错峰用电和异常用电行为检测等方面发挥重要作用。

2.2 大数据应用的飞机型理论框架

为在智能电网中应用大数据，提出如图2所示的面向智能配电网的飞机型大数据理论框架。大数据分析利用中，大数据平台为其提供技术支撑。大数据挖掘与价值链基于大数据的实际分析，组成大数据理论框架的主干[6]。数据科学是推动大数据发展的力量，包括研究数据的变化形式与规律，可利用随机矩阵理论对大数据建模，以发现其中隐藏的规律。融合流计算等多种技术的大数据平台研究重点是推动数据存储技术进步。

图2 大数据的飞机型理论框架

大数据平台是支撑大数据应用汽车运行的公路。大数据挖掘技术从大规模数据流中挖掘数据间的隐藏关系，绘制精确数据关系强度网络。大数据往往表现为孤立数据集分散链接，整合反映关系的链接才能得到充满数据流的关系网络。大数据关系网可为数据驱动决策提供依据，数据驱动决策对应飞机型理论框架调节作用的尾翼。云计算等数据处理技术为大数据挖掘提供平台，随机矩阵理论等为其提供理论指导。信息共享是各阶段顺利进行的保证，智能配电网大数据涵盖相应的理论体系，体现于飞机型理论框架各模块中。

3 智能配电网建设中大数据应用的问题

近年来，我国配电网建设改造行动计划等背景下，智能配电网发展焦点转向如何实现大规模配电资产的科学精益控制。我国智能电网小区试点日趋完善，形成配电网所需数据库基础，大数据处理分析技术应深入应用其中。我国电力发展中有很多电力网损耗在电力运输中，当前技术水平下发电效率仅达到50%，出现发电未用情况。

目前，我国智能电网建设中存在配电网自动化覆盖率较低、信息交互与应用以及有关标准执行力度弱等问题，配网架构不平衡，西部经济不发达地区网架结构薄弱，城市电网与农村差距明显。近年来电力行业颁布系列关于配电网建设标准，但贯彻执行力度较小。我国配电网范围广阔，相比配电系统已建成自动化配电覆盖区域比例较小，对配电自动化产生影响。针对某些地区总线间的信息交互，管理职责方面定位效果模糊，出现无人维护总线现象。总线信息交互业务应用较少，配网图模异常造成信息交互总线使用效率低。智能配电大数据基于云计算平台，客户等是数据来源，用户信息泄露不利于国家安全。

我国电力系统中端配电网环节，通过分析用电需求进行电力调度，随着我国经济的发展，社会用电需求发生变化。使用电力数据采集系统采集频率低，不能满足电力系统对数据采集的要求。传统电力数据采集系统使用中由于通信网络影响造成数据上传失败，无法构建数据库。当下我国电力技术水平较高，但配电网大数据应用较少。过去生产环节是我国电网建设主要任务，近几年配电网中装设数据采集设备得到充实，但由于缺乏统一规范标准管理配网数据为数据使用带来困难。

4 大数据在智能配电网中的应用前景

大数据在智能配电网中具有广阔的应用前景，本文从智能配电网网架发展趋势分析，精准的用电预测结果对智能配电网规划具有积极意义。通过建立自适应用电预测模型，可能得到更细粒度的预测结果。通过分析用户用电数据关系预测用电量变化趋势，如研究雾霾等恶劣天气发生频度，将抽象关系量化表征，利用自适应用电预测模型实把握用电宏观变化趋势。基于分布式电源发电预测结果，通过错峰影响要素关联度分析探究不同电源优化组合方法，完成电源与负荷的协同调度。对与不空间中不同用户个体，采用差异化建模方法，将用户用电特性多维度分解，采用不同模型进行精细化预测。

传统配电网网架规划中，网架优化面临许多不确定性，大数据环境下多类型数据引入可减少网架优化不确定性[7]。模型中对应边界条件使得优化出现组合爆炸，需要对传统优化方法改进。四维空间中智能配电网并非孤立，其发展趋势具有复杂动态性，结合对现有网架态势感知，将城市综合体发展趋势结合开展并行聚类，可获得准确网架扩展趋势，分析可视化结果[8]。传统配电网网架规划中对用户特定需求考虑较少，面对用户差异化需求开展聚类分析，有利于提高供电企业服务水平[9]。考虑分布式电源及利用基于大数据用电预测等多方面信息，构建分层分类数据关联模型，研究网架快速优化算法。

不同用户负荷特性与节电策略存在较大差异，导致用户用电行为模式多样性，新型设备接入加速多样性的发展[10]。电能在分配使用中损耗呈时空分布特性，通过对电价与用户用电行为模式等数据关联分析，建立用户用电峰谷分时电价联合优化模型。结合用户能效水平为用户订制智能化用电方案，降低用户购电成本。结合电动出租汽车GPS数据、历史搜索数据以及配电网运行数据等，对乘客用车行为预测，配合开展行车路线等运行方案，实现出租车与配电网信息实时共享。挖掘用户用电行为模式等多种因素的关联关系，精确识别高损耗线路，建立数据关联模型，指导调整电网运行方式，降低配电网运行成本。

5 结 论

本文从数据抽取与清洗、数据解析与应用等角度出发，提出大数据在智能电网中的应用线路图。大数据应用模板从数据中挖掘更大价值，通过大数据在智能配电网中应用研究，可以提升智能配电网运行水平。未来智能配电网中数据流与业务流共同承担，通过研究大数据理论，将电力企业内外部资源应用于智能配电网规划，此外应用中针对各项业务数据模型构建等问题有待深入研究。