淺析大數據技術在配電網運行管理中的發展與運用

金志強

【摘要】為了適應日益增長的電力需求，解決配電網點多、設備多、管理難度大、配電網信息實時性低等問題，本文系統梳理了國際、國內配電網發展現狀，以及數據挖掘與分析處理技術在配電網的應用研究情況，將大數據挖掘應用引入配電網日常管理，利用大數據分析，提前發現未來病態設備，推進配電網設備向在線化、透明化、智能化發展，將配電網由“修得快”向“不停電”轉變，提升優質服務水平，并希望能對今后相關研究實踐工作提供一定的參考價值。

【關鍵詞】配電網 大數據應用 電網運行管理

中圖分類號：TM73 文獻標志碼：A

基于數據的知識發掘是企業為提高經營管理水平，促進企業轉型升級的重要的支撐。隨著大數據、云計算、物聯網、移動互聯技術的不斷發展，電力行業信息系統中蘊含的數據量越來越多，對其的價值發掘利用也日趨深入。數據挖掘技術為數據的知識發現提供了技術支持，實現了數據—信息一知識一智慧的轉變。通過發掘公司信息系統的數據，在公司的配電網管理產生重要作用，對線損管理、配網規劃、配網運維、需求側管理等方面產生明顯的經濟效益。

一、大數據處理技術在配電網運行管理中的應用方向

（一）主動配電網能量優化調度方面的應用

從數據分析層面上看，目前電網中各信息系統大多是基于本業務、本部門的需求，存在不同的平臺、應用系統和數據格式，導致信息與資源分散，異構性嚴重。而大數據處理平臺能夠實現多源異構數據的存儲和提取，并能大大提高數據存儲容量，這將有效提高主動配電網能量調度系統的數據存儲效率。

（二）主動配電網保護控制方面的應用

靈活多變的用電負荷與規模化接入的分布式電源產生了大量的量測信息，同時先進的量測技術與通信技術也使配網能夠實現更為全面、實時的狀態監測。因而，應有效利用日益增長的海量配網信息以應對主動配電網運行控制對保護所提出的新要求與新挑戰。分析配網保護多設備間信息共享策略，以多節點及其相關區域冗余信息為基礎的多信息保護與控制方法將是未來的重要研究方向。主動配電網中保護測量信息具有多源、多時間尺度的特點，因此，配網保護量測數據的自動關聯與統一描述方法將是一個重要的研究方向。

（三）應用在主動配電網的狀態分析評估方法

主動配電網的運行情況有幾類關鍵的信息采集，其中包括電動汽車的特殊負荷時空分布特征、設備運行狀況檢測、短期負荷情況預測、分布式電源出力情況預測。其中，關聯規則聚類系統繼承了關聯的分類、決策樹等挖掘方法，是可以應對分布式電源出力的分析來關聯出各類的氣象數據和周圍地域相異氣象站的特征情況。挖掘分布式電源出力的情況不是穩定的，它的概率情況隨著分布式電源出力的變化而改變。用戶的智能電表將大量的用電信息傳送到主動配電網中，數據的流通可以達到雙向的效果。隨機變化模式、數據波動模式和穩定模式在當前的主動配電網中成為了分析用戶負荷情況的三大模式，可以將智能電表中海量的數據用聚類分析的方法收集并提取。負荷與日期和天氣構建的關聯情況可以用關聯分析技術來分類；短期負荷的檢測精度可以用規則挖掘的智能預測系統來提高。

（四）主動配電網需求側管理方面的應用

需求側管理能夠維持配電網中供用電平衡，從而提高DG的滲透率，而DG滲透率的提高又能夠降低負荷的峰值，從而延緩配電網的升級。另外，主動配電網中的電動汽車以及擁有分布式發電單元的用戶都是調度中心可以調控的對象，是主動配電網需求側管理的重要研究對象。在主動配電網運行的過程中，這些研究對象都積累了大量的運行信息，例如用戶智能表計信息，電動汽車充放電規律信息等。對這些信息的有效數據挖掘，將促進需求側管理策略的制定更為合理有效。同時，電動汽車放電電價補償，分布式能源用戶電價補償等政策的制定也依賴于用戶行為心理分析的結果，這些信息的利用也是大數據在需求側管理方面應用的重要方向。

二、大數據技術在配電網運行管理中應用場景拓展

（一）國內對配電網的資產管理主要停留在概念層面。對量大面廣的配電設備，基本上則以經驗為主，采取相對粗放的定性評估，且尚未從配電網整體角度輔以定量評價的方法，建立高效、經濟的管理體系。近年來，雖然我國電網資產管理研究有從基于設備評估到基于網絡健康狀態評估方面發展的趨勢，但并未形成完整理論體系。

（二）實現配電資產全壽命周期管理依賴于對各類配電設備乃至整個配電網健康狀態的定量評估。目前已有的定量評價模型（例如針對單體設備的EA（Arrhenius equation）公式和針對配電網絡的扣分法），僅為簡單的健康狀態評價指標（例如僅考慮老化因素）或簡單量化分析的方法，且評價指標多從設備本體以及網絡結構等因素出發，對于自然環境等外力因素考慮較少，因而缺乏更為合理、準確、全面的配電設備及網絡的健康狀態評價方法和更深入的信息規律挖掘研究。

（三）實現配電資產全壽命周期管理需要大量數據做支撐，然而由于電力系統的特殊性，難以直接利用獲取的配電數據、網絡在線監測數據與離線檢測數據。同時，對于各種監測數據的篩選和辨識相對較低，缺乏有針對性的數據處理方法。

（四）我國配電網資產管理知識（例如一線專家根據某類型變壓器測量數據所給出的診斷結論）可傳承性不佳。對各類配電設備的管理，一線專家經過多年摸索，擁有很多寶貴經驗。然而作為個體的總結，在已有的配電資產管理體系中，往往難以得到繼承與復用；因此，如何將抽象的經驗具體化、符號化，實現知識的存儲與繼承，是我國配電網資產管理中存在的一個前瞻l生問題，也是一項具有挑戰性的研究工作。

（五）國內變配電設備在信息的監測、存儲與共享研究方面取得了較大的進展，并研發了針對變壓器、斷路器等設備的狀態監測與故障診斷機制，但仍面臨很多突出問題：狀態監測還處于分散監測階段，與計算機監控系統相互獨立，電力控制中心與各個變電站之間、狀態監測系統與其他系統之間數據信息共享模型與通信接口高度異構，難以充分利用不同的信息進行設備的狀態評估；另外，變配電的監測管理依靠簡單的視頻監控，且在線監測技術缺乏相應的技術和管理標準，部分在線監測裝置壽命短、運行不穩定、測試效果差，對設備狀態進行分析需要耗費大量的時間和精力，且變配電設備的基本數據保存分散，難以查找，容易丟失。這些問題的解決是大數據技術在配電網中應用的前提。我國配電網規模大、設備眾多，所以數據量非常可觀，但也存在諸多挑戰：從時間、空間標識的角度來看，配電網數據具有分散性；從測量工況復雜的角度來看，數據具有模糊性；此外數據還具有冗余性、高維性等特征；即使合理地利用智能終端實現了數據的獲取，各種監測數據的篩選與辨識仍然存在困難——解決數據的可信性問題正是大數據工作的核心部分之一。合理利用智能終端實現設備和網絡運行數據以及其他外部環境數據可獲取，大數據技術（人工智能、群體智能、深度學習、機器學習等）基于獲取的豐富海量的數據能進一步分析設備個體運行狀態（找出反映設備健康狀態的關鍵特征量，從而降低數據維度，提高效率），判斷設備是否還能正常工作或者建立設備和網絡整體的正常工作區間（大數據實現狀態估計），同時結合專家經驗修正相關模型，實現經驗分析和數據分析相結合，傳承資產管理中的專家知識，提高模型的可解釋性和泛化能力。

三、結語

總而言之，配電網的未來發展趨勢是朝著更加強大的數據分析、更加直觀實時的數據觀察的智能化道路發展。電力領域的大數據技術穩定性得到了很大的提高，但是在數據的及時性和保護方面仍然有很大的提升空間。作為相關人員，應該不斷地進行摸索研究，并提升自己的專業技術水平，更好地促進我國電力事業的發展。