大數據技術在配電網低電壓監測的應用研究

廖頌文

廣東電網有限責任公司江門鶴山供電局 廣東 江門 529000

電壓合格率是衡量配電網運行質量的一個關鍵指標，為實現對這一重要運行數據的準確掌握，需要在配電網之中建設完善的低電壓監測平臺。大數據技術的快速發展為配電網低壓臺區監測平臺的建設提供了有力的技術支撐，借助大數據技術進行配電網低壓臺區中的低電壓情況進行排查、監測、預測，有助于配電網的運行維護人員及時、高效的發現低壓臺區中存在的電壓異常情況，對于提升配電網的運行安全、客戶服務、規劃質量具有非常重要的意義。

低壓配電網在運行的過程中出現低電壓的原因主要有三個：一是配電線路和臺區布點、設計與用電負荷發展不符；二是線路重過載以及三相負荷未達到合理的平衡；三是低壓臺區功率因素過低，無功補償不足。在配電網中采用大數據技術進行低電壓的監測，不僅能夠對配電網中的異常情況進行分析和定位，而且能夠建立高效的診斷模型，優化整改和投資決策，有效的提升低壓臺區電壓質量。

1 配電網發展與低電壓監測現狀分析

當前社會經濟快速發展，電動汽車、電池儲能、光伏發電、分布式能源等新技術應用增加了低壓配電網的不確定性，面對當前配電網越趨復雜化、多樣性的運行特點，采用傳統技術構建的電壓監測系統已經無法滿足生產、營銷、規劃等重要業務開展的需要。

配電網的低電壓情況點多面廣，現階段各供電企業正在大力推進智能電網的建設，對配電網低壓臺區電壓進行準確監測的需求也在逐步的提高，與此相對應的是，電壓監測的相關數據也在迅速的增加。

在智能電網建設過程中，特別是隨著低壓集抄等數字化技術的普及，供電企業在配電網低壓臺區線路中設置了大量的數據收集以及電壓監測點，每個時點的電壓和負載、功率因數、持續時間、所屬相別、供電區域等多個維度的數據，這使配電網系統在運行過程中產生并收集的電子數據呈幾何級增長，若負責后臺數據處理的系統軟件平臺無法有效實現對這些數據處理、分析，將不能夠滿足智能電網建設對配電網低電壓監測應用的需要。

配電網中臺區低壓監測點增多，形成的大量數據不僅僅給數據的處理帶來技術上的挑戰，也對數據的存儲帶來巨大的考驗，需要對軟件結構以及硬件設施同時進行有效改造。

智能電網在建設過程中除了在配電網低壓臺區設置更多的電壓監測點，更重要的是構建統一的數據集成平臺，傳統的配電網低電壓監測存在生產、營銷、計量、資產等多個業務系統共同管理，數據接口不統一的情況，采用全新的大數據技術將會使電壓監測模塊有效的集成到智能電網的的統一數據處理平臺中。

傳統的配電網電壓監測系統只能發現電壓異常的情況但無法對出現異常的位置進行準確的定位，進而導致后續的排查、處理工作存在諸多不便，大數據技術的引入，使全新的電壓監測模塊能夠進行智能化計算并定位異常位置、分析原因，進而有效的提升工作效率。

面對當前階段配電網電壓監測系統存在的各類問題，推廣大數據技術，進行軟、硬件的同步升級，能夠有效的改進低電壓監測和處理的措施，進而推動我國智能電網的建設和發展。

2 大數據技術在低電壓監測中的應用展望

現階段實現配電網低電壓監測的技術是計量自動化系統、電能質量監測平臺、運行技術支持平臺，在此基礎上引入全新的大數據技術進行優化升級，對配電網低壓臺區的電壓情況進行實時的監測、統計、分析、整治，展望帶來以下五個方面的新功能。

一是配電網電壓監測系統能夠實現在電氣接線圖軟件上實時展示各監測點電壓的變化，并以此為基礎對采集的數據進行分析進而生成電壓變化曲線圖，以可視化的監測形式呈現出來。

二是借助大數據能夠對不同時段、不同類型的電壓監測數據分別進行統計分析，形成量化計算結果，精確定位低電壓位置和發生時段，極大的提升了數據的利用效率。

三是大數據技術能夠對低壓臺區中電壓發生變化的表象進行深入的分析，通過融合配電網低壓臺區電壓、電流、供電半徑等運行數據、資產地理信息系統、客戶用電信息和行為采集分析等，以梳理配電網中存在異常的特殊區段和重點用戶，為及時、準確排查原因奠定基礎，顯著增強對電壓監測數據的挖掘能力。

四是能夠根據配電網中預先設定的電壓監測規則和數據預警值，結合電壓監測的實時現狀和歷史數據進行多維度預測和交互分析，及時進行低電壓分級警告，以達到預防和提前介入的效果，完善閉環處理機制，從而提升配電網的運行質量和安全性。

五是在配電網電壓監測系統之中采用大數據技術，能夠實現對各類電壓監測數據的智能分析和應用，能夠科學分析原因和發展趨勢，使低電壓整改工作達到防治結合的效果。根據大數據分析結果確定變壓器調檔、負荷調整、線路改造、新增布點等解決低電壓的方案，取代了傳統消缺方式的滯后性和隨意性，為生產運行、供電方案制定、規劃建設等業務提供支撐。

3 低電壓監測大數據平臺開發架構及關鍵技術

3.1 開發架構 企業級大數據平臺系統開發架構可采用J2EE的三層結構體系，即表現層、業務邏輯層、數據訪問層。該結構體系對配電網中低電壓監測的數據邏輯和業務邏輯進行有效分類，進而有效提升這一數據平臺在工作過程之中的并行操作性能和網絡計算能力，整體上有效的提升了系統的綜合性能。系統在實踐中體現出良好的可擴展性和安全性，整體上具有維護成本低，維護便利以及開發難度低等多個方面的優點。將J2EE應用服務作為整個運行平臺的中間層，再以組件的形式將實現低電壓監測所需的各個模塊部署到硬件匹配的應用服務器之中，實現對電壓監測的軟硬件有效支持，系統功能布置的科學合理。

3.2 關鍵技術 大數據技術在配電網低電壓監測應用，需要多個業務系統對接進而實現自身所獲取數據的傳輸和共享，這導致了整個平臺在運行過程中會產生大量的數據，為保證整個系統對大量數據的存儲和分析能力應該積極的引入分布式存儲技術和內存計算技術。此外，為進一步增強系統對數據的應用和分析能力應該引入數據挖掘技術和指標預測技術等，以此來全面滿足低電壓監測的實際需要具體如下：

一是分布式存儲技術。配電網低電壓監測平臺乃至智能電網在建設過程中需要使用大量的信息采集設備，系統產生大量的數據需存儲。傳統的數據存儲方式在應用時會出現一定的交叉現象，對數據的處理速度存在一定的限制，無法保證數據存儲的可靠性和實時性；此外，傳統的數據存儲技術在應用時需要在服務器之間進行大量的信息傳輸，影響了軟件系統的響應速度，面對這一狀況采用分布式數據存儲是有效的解決方案。

分布式存儲將系統之中產生的各種類型的信息存儲在網絡之中的各個存儲設備之中，借助虛擬連接的方式形成了一個可以容納大量數據的存儲池，有效的解決了配電網之中電壓監測數據量龐大的問題。此外分布式存儲將數據存儲在網絡之中的各個節點，有效的提升了系統在調用數據時的響應速度。

二是內存計算技術。在配電網低電壓監測平臺構建過程之中采用分布式集群處理，對系統之中進行的各項任務進行統一調度，實現對數據的統一管理。應用內存計算技術，將各類常用的服務和數據駐留在內存之中進而實現將對數據庫的訪問轉化為對內存的訪問，有效的減輕了系統之中數據庫的訪問壓力，提升系統的數據處理能力和響應速度，實現對大數據系統中相關電壓監測信息的實時、高效處理。

三是數據挖掘技術。當大數據技術在配電網低電壓監測之中應用時，將會產生大量多維度的數據，傳統的數據分析方式無法有效的挖掘出這些數據之中蘊含的大量的具有較高價值的信息，因此應該在系統中引入大數據挖掘技術，從監測數據之中挖掘臺區電壓質量的各項運行指標、基礎數據、用戶信息、外部因素等并有效整合，為低電壓整治正確決策和配電網的優化升級提供科學依據。

四是指標預測技術。指標預測是大數據中的核心技術，通過對電壓監測不同時間點中關于生產、營銷、計量、資產等不同專業、多維度數據的整合，進行建模及分析預測，旨在摸清這些混合數據中的精細結構以及變化軌跡，實現對臺區電壓運行趨勢的科學預測，提前掌握臺區低電壓并采取措施。