智能配電網大數據應用技術與前景分析

劉 亮，周 鋒，馮 婉，張 明，劉 偉

（長沙學院，湖南 長沙 410003）

0 引 言

國內外對大數據在智能配電網中的應用研究缺少實際應用指導。本文梳理智能配電網大數據理論技術，分析大數據在智能配電網中的應用前景。

1 智能配電網大數據概述

隨著智能配電網信息化和互動化水平的提高，電力企業量測體系內部積累大量數據，如設備檢測數據等。電力企業積累大量運營數據，內部數據外有許多潛在外部數據源，如移動設備GPS等大數據可挖掘利用。可將智能配電網大數據分為電力企業運營數據、量測與外部數據。3類數據共同服務于智能配電網運行發展，如用戶用電情況變化影響電網建設規模，為電力企業制定合理營銷策略提供參考。

目前對智能配電網數據利用集中于電力企業量測數據，對其蘊含價值未得到系統開發應用。今后電動汽車快速發展將為智能電網大數據資源注入更多數據流。智能配電網大數據一次特征包括來源廣泛、粒度精細以及生成快速等，其二次特征是信息豐富和體量巨大等。智能配電網大數據可能來自智能電表，不同用電行業體數據源具有差異化數據生產方式。通信技術發展使得大規模用電信息采集可以達到分鐘級別[1]。現代電力企業服務質量提升，非結構化數據如客戶服務系統語音數據等大規模持續涌入。傳統數據處理技術難以應對龐大的數據集合，需要尋求符合智能配電網的大數據應用技術。智能配電網部分數據關系網示意如圖1所示。

圖1 智能配電網部分數據關系網示意圖

從復雜系統中得到的大數據反映的是孤立的數據集，但將反映相互關系鏈接整合的是網絡。網絡整體特征隱藏在數據網絡中，需要深入分析數據網絡，一些網絡參數可能刻畫大數據背后網絡的共性。智能配電網中部分數據包含來自電力企業及社會的數據，以混雜難以準確描述的方式推動配電網的運行[2]。電網規劃以用電預測等數據為基礎，電網問題造成停電客戶投訴等影響電網規劃。將智能配電網大數據視為復雜系統，以用電預測數據等二次數據為中間變量。

目標數據集具有直接應用價值，由于存在關系多重嵌套，數據集自身存在諸多隨機性，使得數據集與目標集隱形數據價值鏈不明晰。通過將數據與關系進行解耦，變隱藏的關聯為直接關聯，形成連接一次輸入與目標輸出數據驅動型顯性數據價值鏈，提高輸出結果的準確性。

2 面向智能配電網的大數據應用技術

2.1 大數據關鍵應用技術

從大數據存儲與處理關系角度出發，處理技術分為流與批處理。流處理適用于配電網中對實時性要求較高的業務，如電源與負荷聯合調度等，批處理有狀態的流處理，適合對實時性要求不高的業務[3]。針對智能配電網測點多，部分數據實效性等特點，需要對大數據存儲系統自優化，分布式流處理系統異構節點高效協同信息技術等進行研究。智能配電網是不斷發展的系統工程，將各方面數據集中管控難以保證其可靠性，融合分布式文件系統及數據庫等云計算，可作為大數據基礎平臺為在智能配電網中應用服務。

大數據解析包括對數據分析解讀，通過研究巨量數據發現，隱藏模式及有用信息過程中每個數據集為子系統，可能產生超出原子系統數據簡單相加得到新信息，數據系統有了質的提升。為使大數據分析結果契合應用，需要解讀大數據。深層次剖析大數據自身及分析過程，由于在解讀中伴隨著數據分析，可視為特殊大數據分析方法。目前領域普適知識挖掘，數據可視化等技術可用于智能配電網[4]。領域普適知識挖掘通過大數據呈現普適現象與驗證評估及理論分析→仿真模擬→發現普適現象的范式相互匹配，探索大數據層面普適規律，其應用優勢是負有洞察性。智能配電網規劃中存在較強的規律，但尚未上升到理論層面直觀展現，利用普適知識挖掘技術挖掘智能配電網大數據，可以幫助配電網規劃人員提高對配電網系統的感知度。

數據可視化技術思想是將數據庫數據作為單個單元表構成數據圖像，對數據進行深入觀察分析，從邏輯等維度集中管理數據，得到簡易多維數據立方體視圖，在時間空間交叉點嵌入層次化數據列表，實現對數據的精準把握。通過數據可視化技術可為智能配電網提供更好的服務，包括給出完整電網數據集全貌、對數據進行降維以及向業務部門提供有價值的信息等。放大用戶相關興趣點，選擇用戶關注的浮動電價，細化展示用戶能耗等級等內容，態勢預估具有不確定性變化點，如網架擴展態勢展現等。數據可視化是數據分析工具，能只體現智能配電網大數據應用方式。

數據驅動決策分為基于大數據分析的決策、數據驅動無模型決策以及以數據驅動為主的決策。第一類是利用精準的數據分析結果做出決策，第二類是不含決策系統的數據模型，針對大規模重復進行的行為做出決策，第三類決策方式特點是不全采用原來的模型，借助與模型匹配做出決策[5]。電網規劃采用第一類決策方式，大數據可帶來更精確的空間負荷預測數據和分布式電源接入數據等。采用現有規劃模型可給出更優的電網規劃方案，如利用捕獲到的大數據進行數據建模，對大數據進行解析中同步修正網架優化模型，可能得到適應性強的電網規劃方案。

過程數據挖掘指在建立事件數據與處理模型的聯系，傳統業務流程管理是模型驅動，面向數據分析技術聚焦于簡單的分類和回歸等問題，通過過程數據挖掘技術可將事件數據與端到端業務處理聯系。隨著大量相關事件記錄，反映人群行為特征的期望線確定更為可行，將其升華為規范化模型。對于事件數據中偏離模式化軌跡行為，需分析其出現原因，將偏離行為重新納入模式化軌跡中。通過與規范化模型的一致性檢測，過程挖掘技術在引導用戶錯峰用電和異常用電行為檢測等方面發揮重要作用。

2.2 大數據應用的飛機型理論框架

為在智能電網中應用大數據，提出如圖2所示的面向智能配電網的飛機型大數據理論框架。大數據分析利用中，大數據平臺為其提供技術支撐。大數據挖掘與價值鏈基于大數據的實際分析，組成大數據理論框架的主干[6]。數據科學是推動大數據發展的力量，包括研究數據的變化形式與規律，可利用隨機矩陣理論對大數據建模，以發現其中隱藏的規律。融合流計算等多種技術的大數據平臺研究重點是推動數據存儲技術進步。

圖2 大數據的飛機型理論框架

大數據平臺是支撐大數據應用汽車運行的公路。大數據挖掘技術從大規模數據流中挖掘數據間的隱藏關系，繪制精確數據關系強度網絡。大數據往往表現為孤立數據集分散鏈接，整合反映關系的鏈接才能得到充滿數據流的關系網絡。大數據關系網可為數據驅動決策提供依據，數據驅動決策對應飛機型理論框架調節作用的尾翼。云計算等數據處理技術為大數據挖掘提供平臺，隨機矩陣理論等為其提供理論指導。信息共享是各階段順利進行的保證，智能配電網大數據涵蓋相應的理論體系，體現于飛機型理論框架各模塊中。

3 智能配電網建設中大數據應用的問題

近年來，我國配電網建設改造行動計劃等背景下，智能配電網發展焦點轉向如何實現大規模配電資產的科學精益控制。我國智能電網小區試點日趨完善，形成配電網所需數據庫基礎，大數據處理分析技術應深入應用其中。我國電力發展中有很多電力網損耗在電力運輸中，當前技術水平下發電效率僅達到50%，出現發電未用情況。

目前，我國智能電網建設中存在配電網自動化覆蓋率較低、信息交互與應用以及有關標準執行力度弱等問題，配網架構不平衡，西部經濟不發達地區網架結構薄弱，城市電網與農村差距明顯。近年來電力行業頒布系列關于配電網建設標準，但貫徹執行力度較小。我國配電網范圍廣闊，相比配電系統已建成自動化配電覆蓋區域比例較小，對配電自動化產生影響。針對某些地區總線間的信息交互，管理職責方面定位效果模糊，出現無人維護總線現象。總線信息交互業務應用較少，配網圖模異常造成信息交互總線使用效率低。智能配電大數據基于云計算平臺，客戶等是數據來源，用戶信息泄露不利于國家安全。

我國電力系統中端配電網環節，通過分析用電需求進行電力調度，隨著我國經濟的發展，社會用電需求發生變化。使用電力數據采集系統采集頻率低，不能滿足電力系統對數據采集的要求。傳統電力數據采集系統使用中由于通信網絡影響造成數據上傳失敗，無法構建數據庫。當下我國電力技術水平較高，但配電網大數據應用較少。過去生產環節是我國電網建設主要任務，近幾年配電網中裝設數據采集設備得到充實，但由于缺乏統一規范標準管理配網數據為數據使用帶來困難。

4 大數據在智能配電網中的應用前景

大數據在智能配電網中具有廣闊的應用前景，本文從智能配電網網架發展趨勢分析，精準的用電預測結果對智能配電網規劃具有積極意義。通過建立自適應用電預測模型，可能得到更細粒度的預測結果。通過分析用戶用電數據關系預測用電量變化趨勢，如研究霧霾等惡劣天氣發生頻度，將抽象關系量化表征，利用自適應用電預測模型實把握用電宏觀變化趨勢。基于分布式電源發電預測結果，通過錯峰影響要素關聯度分析探究不同電源優化組合方法，完成電源與負荷的協同調度。對與不空間中不同用戶個體，采用差異化建模方法，將用戶用電特性多維度分解，采用不同模型進行精細化預測。

傳統配電網網架規劃中，網架優化面臨許多不確定性，大數據環境下多類型數據引入可減少網架優化不確定性[7]。模型中對應邊界條件使得優化出現組合爆炸，需要對傳統優化方法改進。四維空間中智能配電網并非孤立，其發展趨勢具有復雜動態性，結合對現有網架態勢感知，將城市綜合體發展趨勢結合開展并行聚類，可獲得準確網架擴展趨勢，分析可視化結果[8]。傳統配電網網架規劃中對用戶特定需求考慮較少，面對用戶差異化需求開展聚類分析，有利于提高供電企業服務水平[9]。考慮分布式電源及利用基于大數據用電預測等多方面信息，構建分層分類數據關聯模型，研究網架快速優化算法。

不同用戶負荷特性與節電策略存在較大差異，導致用戶用電行為模式多樣性，新型設備接入加速多樣性的發展[10]。電能在分配使用中損耗呈時空分布特性，通過對電價與用戶用電行為模式等數據關聯分析，建立用戶用電峰谷分時電價聯合優化模型。結合用戶能效水平為用戶訂制智能化用電方案，降低用戶購電成本。結合電動出租汽車GPS數據、歷史搜索數據以及配電網運行數據等，對乘客用車行為預測，配合開展行車路線等運行方案，實現出租車與配電網信息實時共享。挖掘用戶用電行為模式等多種因素的關聯關系，精確識別高損耗線路，建立數據關聯模型，指導調整電網運行方式，降低配電網運行成本。

5 結 論

本文從數據抽取與清洗、數據解析與應用等角度出發，提出大數據在智能電網中的應用線路圖。大數據應用模板從數據中挖掘更大價值，通過大數據在智能配電網中應用研究，可以提升智能配電網運行水平。未來智能配電網中數據流與業務流共同承擔，通過研究大數據理論，將電力企業內外部資源應用于智能配電網規劃，此外應用中針對各項業務數據模型構建等問題有待深入研究。