試論營配調貫通的"低電壓"大數據挖掘與精準定位

王海軍 李汶隆

摘 要：從智能電網的測量功能和獲取點信息的能力中獲取智能電網，并高效地處理由此獲得的數據，以監控用戶頁面擁塞，及時解決電源線供電問題。數據還可以作為網絡臨時改造的基礎，以提高供給質量。本文重點介紹了“低壓”數據挖掘和通過提供營地實現的準確定位。如果用戶端出現低壓問題，如果不及時采取措施，可能會導致嚴重問題。信息技術的應用主要是智能供電，不僅可以遠程運行，而且還可以自動收集和分析信息，獲得用戶功耗的準確信息。此外，智能手機還可以用作監控功能，準確識別電源問題并及時解決。這不僅保證了電源的質量，而且提高了經濟性。

關鍵詞：低電壓;大數據;應用

引言：中國的電力工業在近幾十年間飛速發展，隨著智能化電力系統的不斷建設，大量的信息數據在電力生產、營銷、服務的流程中產生，每項業務都會積累大量的歷史數據。管理人員每天都要花費大量的時間和精力去分析處理這些數據，而在龐大的數據面前，其運維和管理方法對電力生產、決策的支撐不免有些不足和乏力，造成這樣的問題主要為以下二種原因：一是因為采用傳統的方法對現產生的大數據進行處理，不僅效率低，而且結果并沒有代表性，若從龐大的數據中提取有效的數據進行處理，其結果是使得管理者不能做出更全面的決策;另一原因是現管理信息系統只重視業務流程的處理環節，使得企業生產和決策對大數據的依賴得不到滿足。就電力系統而言，未來電力工業生產和管理都與電力大數據緊緊相關，因此，電力系統中需要采用大數據技術來解決當前各個業務中增長的數據所帶來的問題。

1電壓監測現狀分析

智能電網穩定發展的背景下，電壓監測需求增加，電壓檢測數據量迅速增加。考慮到當今智能電網的復雜性，當今的電壓監控結構已不再能夠滿足公司的需求，而且存在局限性。（1）電網、智能電網、制造工藝的改革和電壓質量監控的穩步提高，導致數據處理和監控數據量不斷增加，雖然不斷發展，但不能完全滿足當前的實際需要。（2）電壓質量監控系統的性能與數據存儲性能、計算能力和分析能力有關，增加電壓需要軟件平臺體系結構和擴展能力。但是，目前的軟件平臺體系結構不符合實際要求，硬件性能需要改進。（3）數據集成平臺已無法滿足當今智能電網數據增長的需求。這對廣東省智能電網的發展狀況尤為關注。傳統數據整合平臺中無法提供的新技術和智能算法，對于滿足電磁質量政策要求至關重要，例如電源質量監控和故障檢測、位置確定等。面對這些問題和情況，科學引入大型數據技術，以支持電壓監測的發展，滿足電壓監測分析的實際要求是很重要的。

2低電壓”問題

其一，“低電壓”問題不能有效處理的一個重要原因是由于不能提前監測“低電壓”。采用當前的信息系統，對于用戶側的電壓不能有效測量，不能獲得準確可靠的數據信息，所以，當發現“低電壓”的問題的時候往往是用戶投訴之后才發現的，需要工作人員到現場實，然后才能具有針對性地解決。這種被動解決問題的方法必然會影響電能供應質量。其二，工作人員對于用戶“低電壓”的問題不能有效掌握，這其中所存在的管理問題是不容忽視的。比如，當出現三相負荷不平衡的時候，就會發現主要是由于設備原因導致的，而且設備原因也是有很多種，比如，出現超半徑的問題，超過規定容量的問題等等，各種原因的性質不同，延續的時間也不同，有的原因是瞬時的，有的原因受到氣候環境的影響，有的原因可以長時間存在，有的原因則是長期性的。如果單相電壓不超過160V，就是進入到“低電壓”狀態，如果對于管理方式沒有做出調整，依然采用傳統的技術手段，對于這種現象就很難掌握。其三，“低電壓”的發生存在動態性。當出現“低電壓”問題的時候，對臺區做出調整，可是，如果用戶使用的用電設備數量增多，已經超過了供電能力，就會重現“低電壓”問題。所以，對于這種現象的整治要跟進，但是，如果沒有采取創新技術，對于這個問題就很難徹底解決。

3電壓監測數據平臺應用實證及關鍵技術

3.1系統關鍵技術

電網節能監控系統在數據采集過程中通常連接多個系統，從而在整個系統平臺上產生大量數據。為了更好地處理更大的數據量，引入了并行計算基數和分布式存儲技術，用于數據分析和存儲。為了對低壓電網進行詳細分析，還引入了符合智能電網實際需求的大型數據挖掘和指標預測技術。

3.2數據分析技術

采用數據分析技術使電力系統能夠分析大量信息，對技術信息進行更有針對性的分析，并在計算過程中作出科學依據的決策。要提高網絡化企業的競爭力和成本效益，這一戰略的有效性對于經濟高效的管理至關重要。據說，德國目前在數據分析方面處于極高水平，最大限度地利用太陽能，使用戶能夠連接電網的其他部分，從而帶來經濟實惠的新高度。

3.3分布式存儲技術

當今的電網分布廣泛，具有多種功能，可產生大量數據，橋接傳統的集中數據存儲應用，限制數據處理，導致數據存儲可靠性和完整性較差。這種傳統的集中式數據存儲方法需要在服務器之間進行大量數據交換，這可能會導致大量網絡資源。存儲智能網格數據的一種方法是這種分布式數據存儲技術的研究和問題領域。分布式存儲利用網絡中不同存儲設備之間的存儲容量，建立虛擬連接，創建高容量存儲池，將大量數據分布到不同節點，并利用科學存儲策略將存儲數據連接到整個存儲。高效、安全地處理海量數據，監控分布式存儲技術電網。

3.4計算技術

對于大型數據分析，必須首先對數據進行分類，以便高效地處理大量數據。與傳統計算方法相比，手動計算既繁瑣又勞動密集型，而且在相同條件下數據分析效率非常低。這會將分類的數據輸入到相應的文件中，從而改進對數據的訪問，提高效率，并大大改進創建并行數據庫時的數據。

3.5并行計算

使用群集、分布式處理、任務調度等策略統一數據收集管理。存儲計算技術，用于存儲由不同類型的服務和節點訪問的參數數據，以將大多數組織對歷史數據庫的訪問轉移到內存中，減輕數據庫壓力并提高性能。高效的多計算機計算和并行多線程計算可實現實時高效的電壓監控。

結束語：通過上面的研究可以明確，用戶側“低電壓”點覆蓋面非常廣泛，而且會產生嚴重的后果，而且還存在不能提前檢測的問題，不能準確定位。對于這樣的問題，就需要應用信息技術，特別是處于營配調貫通的情況下，更需要采取科學有效的解決方案，以做到有效監測，準確定位。

參考文獻：

[1]王亞君，孫希闊，趙麗新.大數據技術在配電網低電壓監測中的應用研究[J].電子制作，2018（22）：91-92.

[2]龔廷志，鄭才強，鄭學勤.用大數據監測分析農網改造升級項目建設效果[J].農村電工，2018，26（11）：40-41.

[3]潘建宏，劉凌宇，苑立民，張凱.大數據思維驅動供電優質服務[J].中國新通信，2018，20（13）：209.

[4]毛新朋，侯恩振，汪流括.基于計量自動化系統打造電能質量大數據分析平臺[C]，2018：91-97.

[5]彭春柳，陳躍輝，朱吉然，郭文明.基于配電網大數據平臺的低電壓監測及預警系統的開發與應用[J].湖南電力，2018，38（02）：5-8.

（國網武威供電公司城區供電分公司 ?甘肅 ?武威 ?733000）