大數據分析在電力規劃中的應用

岳昕

摘要： 現代化建設不斷推進的趨勢下，我國對于電力資源的需求量大幅提升，只有保障電力輸送的安全性和穩定性，才能夠為經濟增長奠定基礎，增強電力企業的競爭實力。電力信息技術的應用，極大地促進了我國電力系統的完善，能夠使電力行業朝著自動化和智能化方向發展。為了推動電力信息技術的進一步革新，需要對大數據和電力信息技術的融合進行深入探索，充分發揮大數據的價值與優勢，促進我國電力行業的繁榮發展。加強對電力生產各個環節數據信息的獲取與分析，能夠實現電力服務體系的不斷優化。

關鍵詞： 多變量數據；規劃建設；電力規劃

引言：隨著采集系統支撐業務增多，多部門共享交叉變得復雜化，產生的數據總量以高復合增長率快速膨脹。面對爆發式增長的多領域能源大數據，傳統的數據分析方式和方法無法支撐快速增長的支撐業務需求。文中基于采集系統數據，不斷探索新領域，詳細闡述了基于采集系統的電力大數據在線損治理、大氣污染防治、煤改電工程、負荷預測等領域的應用成果，并在能源互聯網、智慧用能服務以及智能運維搶修等方面的大數據應用前景進行了探索。

1 大數據的基本概念及關鍵技術

無法通過普通軟件工具進行信息數據的管理和數據集合，通常稱為大數據。在企業制定長遠發展戰略的過程中，大數據起著至關重要的作用，大數據的特點是大量、多樣且傳播速度快。在海量數據中提取有效信息，并進行分析與處理，是實現大數據利用效率提升的重要途徑。在現代化電網建設過程中，社會對于數據收集、整理和分析能力的要求逐步提升，只有通過大數據技術與電力信息技術的結合，才能完善電力行業的發展模式，促進電力企業長遠發展。數據分析技術包括機器學習和數據挖掘等，應用于電力信息技術中能夠實現電網安全在線分析、線路運行狀態分析和間歇性電源發電預測等功能，能夠提升電力數據分析精確性。數據管理技術包括數據抽取技術、數據融合技術、數據庫技術等。數據處理技術包括流處理技術、分布式計算機技術和內存計算機技術，能夠滿足電力行業對電力數據處理的要求。

2 氣溫·電量（負荷）預測法

本文利用相關性分析找出各種因素對負荷與電量的影響程度，根據分析結果找出與負荷和電量有關聯的變量，然后通過因子分析，對多個變量進行降維處理，以盡可能減少變量個數。通過對氣溫數據（包含最高氣溫、最低氣溫和平均氣溫）、月份、電網負荷、電量數據曲線的觀察，發現數據之間存在著一定的關聯關系，并隨著時間的變化呈現出一定的周期性規律，因此依據最高氣溫、最低氣溫、平均氣溫和月份等變量，重點分析負荷和電量的變化。最后通過建立預測模型，實現對電力需求的預測。

（1）氣溫、負荷、電量的相關性分析。首先對整體數據進行描述性統計分析，以了解待分析數據的總體情況，包括各數據的均值、范圍、標準差等信息。日最大負荷與日電量兩個變量跟最高氣溫、最低氣溫和平均氣溫這3個變量的關聯程度較大，相關性顯著，尤其跟日最高氣溫的相關性最為顯著，日最大負荷、日電量與空氣質量指數、月份相關性較弱，可以認為基本不相關。因此，為減少計算量，在后面的分析中去除空氣質量指數變量數據，保留每日氣溫數據，同時保留月份數據。

（2）氣溫、負荷、電量因子分析。對最大負荷、日電量與當日的最高氣溫、最低氣溫、平均氣溫的4個變量進行因子分析，根據各自與負荷（電量）的相關程度抽取出對負荷（電量）有影響的成分，組成1組或1個能夠等效于上述4個變量的新的變量數據。事實上，因子個數小于原有變量的個數才是因子分析的目的，所以不可能提取全部特征根。第2列列出了按指定提取條件（這里為特征根大于1）提取特征根時的公因子。可以看到，與最大負荷（日電量）有關聯的3個氣溫變量的絕大部分信息（大于95.8%）可被因子解釋，這些變量信息丟失較少，而與最大負荷（日電量）關聯不大的月份變量僅提取了7.3%的成分。因此，本次因子提取的總體效果理想。

圖1為因子分析的碎石圖，第1個因子的特征值很高（3左右），對解釋原有變量的貢獻最大；第1個以后的因子特征根都較小，取值都小于1，說明它們對解釋原有變量的貢獻很小，稱為可被忽略的“高山腳下的碎石”，因此可以提取第1個因子作為所有因子的代表。因子分析完成后，數據末尾自動生成了1個公因子變量（FAC1_1），將其命名為“D”變量（影響電力負荷和電量的變量）。回歸分析。經分析，得到決定電力負荷和電量的單一變量（D），接著需要利用回歸分析找出最大負荷與D、日電量與D的變化關系。下面分別選取最大負荷和日電量為因變量，選取D為自變量，對最大負荷與D、日電量與D的變化曲線進行估計分析。可以發現，各個對最大負荷與D、日電量與D的變化曲線估計模型中，三次曲線的可決系數R2和F統計量均為最大，所以采用三次曲線對日最大負荷（Y1）-D和日電量（Y2）-D曲線進行估計，三次曲線參數估算值結果可得出日最大負荷（Y1）-D、日電量（Y2）-D的變化關系式為：

Y1=406.805-14.515×D+86.059×D2+31.601×D3

Y2=7302.648-192.856×D+1593.18×D2+586.04×D3

可以看出，曲線表達式基本上的最大負荷和日電量值大致擬合。

4 大數據背景下電力信息技術的發展策略

4.1 完善電力信息技術體系

在電力行業發展過程中，只有建立完善的電力信息技術體系，才能為生產經營和管理工作提供技術保障，促進電力系統的優化升級，為我國社會生產生活用電提供更加優質的服務。因此，應該借助于大數據的優勢，不斷完善電力信息技術體系。首先，借助大數據技術中的數據分析功能，對現階段電力信息技術中的問題進行深入研究。通過不同技術數據信息的對比與分析，明確不同技術的優點和不足，進而促進電力信息技術的革新。其次，實現大數據與電力信息技術的互補。在現階段電力信息技術的實際應用過程中，依舊存在很多限制性因素導致技術優勢發揮不夠明顯。因此需要應用大數據實現技術互補，通過技術模型的構建，制定技術應用問題的針對性解決方案。最后，利用大數據實現資源共享。在當前電力信息技術的應用過程中，資源共享面臨著一定的困難，而借助于大數據和電力信息數據庫的建立，能夠提升信息獲取、存儲、傳遞與分享的效率，減輕電力人員的工作壓力。

4.2 強化電網預警功能

在電力系統運行過程中，預警功能的設置能夠幫助巡檢人員及時發現存在的問題，避免運行故障導致的電力事故，進而保障人員的生命財產安全和企業經濟效益。因此，需要借助于大數據的相關框架，不斷完善電網的預警功能，幫助工作人員實時動態掌握電網運行參數，建立預案處理機制和相關預警模式。通過對電網運行狀況進行參數化處理，借助于數據分析的功能，能夠實現電網運行狀況的預測分析，從而降低故障發生的概率。同時也是不斷提升電網監管水平的重要途徑。

結語：電力信息技術在電力系統中的應用，能夠滿足當下社會的用電需求，切實提升電力系統運行的安全性和可靠性，為供電服務質量的提升奠定基礎。尤其是在當前大數據背景下，實現電力信息技術和大數據的結合，能夠增強電力信息技術的應用效果，解決技術發展中遇到的瓶頸問題。因此，應該根據不同地區的電力發展狀況，建立完善的管控體系，不斷完善數據庫、設計框架和運行機制，為電網的智能化建設提供保障。

參考文獻

[1]楊漾，張詩軍，陳豐，李遠寧，張世良.電力大數據平臺建設及實時線損異常檢測應用[J].現代計算機（專業版），2016（36）：8-14.

[2]樓鳳丹，裴旭斌，王志強，紀德良.基于云計算及大數據技術的電力搜索引擎技術研究[J].電網與清潔能源，2016，32（12）：86-92+99.

[3]舒永芳.大數據時代下數據挖掘技術在電力企業中的應用研究[J].低碳世界，2016（36）：102.

[4]應澤貴.電力公司大數據分析平臺項目的構建方案[J].科技創新導報，2015，12（33）：15-17.

[5]歐陽曙光.智能配電網大數據應用需求和場景分析研究[J].科技創新導報，2015，12（31）：11-12.