大數據技術在電網運營管理中的應用

謝智 劉建戈 張鵬宇 李茂 邵劍飛 馬曉彤 姜蒙娜 李錦狄

摘要：在智能電網飛速發展背景下，各類信息管理系統層出不窮，為電力企業積累了海量數據信息。如何充分發揮信息價值，為電力部門服務已成為主要課題。在此背景下，大數據技術應運而生。該技術可對數據信息的內在價值進行深入挖掘，提高數據服務能力，為電力企業的運營管理提供強大的技術支持。

關鍵詞：大數據技術;電網運營;管理

智能電網的迅猛發展，各類電網設施越來越先進，計算機信息技術的合理運用，使得電力企業積累大量數據信息，為了保證電力數據信息得到高效利用，做好電力運營數據信息管理工作特別重要。鑒于此，本文重點研究電力運營管理當中大數據分析技術的核心運用。

1大數據分析核心技術

1.1關聯分析技術

數據挖掘，早期應用在超市銷售數據信息分析工作之中，所以，在大數據挖掘領域中，做好關聯分析工作特別重要。A-priori關聯算法、FP-growth算法應用較多，最近幾年來，出現了很多的新型算法，A-priori關聯算法、FP-growth也得到有效改進。

1.2統計分析技術

在數據管理分析工作當中，統計分析技術較為常見，此項技術屬于基礎分析技術之一。相關人員通過收集并整理電力數據信息，能夠更加直觀地找到數據信息之間內在聯系，經過精確的計算之后，確定最終的統計數據新信息，從而為電力企業的運營管理提供優質服務。電力大數據具有體量大的特點，將大數據分析技術應用到電力信息管理工作之中，可顯著提升智能電網建設水平，推動我國電力行業的可持續發展。電力數據的類型比較多，為了保證大數據分析技術得到良好運用，要求相關部門根據電力數據信息的特點，做好分類工作，提高電力數據處理速率，保證電力數據得到高效處理。

1.3聚類分析技術

最近幾年中，聚類分析技術應用領域不斷擴大，研究人員結合現有的聚類分析算法，研發出更多新型的聚類分析算法，例如，基于數據信息分析的劃分方法與聚類分析方法等。為了更好地滿足數據信息聚類分析需求，相關人員要妥善解決聚類問題，可以根據不同類型的數據信息，采用合理的數據聚類分析技術。

2大數據技術在電網運營管理中的應用場景

2.1用戶信用分析

部分電力用戶存在惡意欠費情況，導致電力企業每年都需要投入大量人力物力進行催繳，掌握用戶的信用情況可對不同信用等級的用戶采取針對性措施，對于存在欠費情況以及即將欠費的用戶可進行提前通知，最大限度地減輕企業承受的經濟損失。通過對用戶用電量、金額、欠費次數、時長及竊電等情況進行分析，確定用戶的信用類型，構建用戶信用評價模型，對不同信用情況的用戶等級進行判斷，并確保評價結果的公平公正。

2.2用戶用電行為分析

現如今，用戶在電網方面的需求越發多元，如何對用戶行為進行準確分析、了解不同用戶間的需求差異十分關鍵。這對于制定針對性服務策略來說具有重大意義，對智能電網建設也具有極大助力。通過對用戶基礎信息、繳費情況、投訴情況及現行用電政策等數據進行挖掘，全面掌握用戶的投訴、報裝及繳費等行為，從而準確掌握用戶在電能方面的實際需求，并為其提供差異化的服務，為用戶帶來更加舒適貼心的用電體驗。

2.3用電量分析

為了滿足精度要求，根據以往電量與未來電量間的關系對將來某一時間段內用戶的用電量進行預測。通過合理預測用電量，可保障人們正常的生產生活用電需求，節約企業運行成本，促進電網的健康高效運行，為社會帶來更多經濟效益。電量預測的核心是時間周期性函數，對電量產生影響的因素眾多，包括經濟、地區、職業及政策等，一些因素具有確定性，還有些因素無法確定。

2.4設備運行狀態分析

大數據技術可對設備運行狀態進行評估，根據評估結果進行物資采購、設備規劃設計、退役報廢及故障判斷等多項管理工作，且設備評估還可為設備安全穩定運行提供充足的技術支持。通過定期對設備運行情況進行分析，可對巡視記錄、運行記錄、帶電檢測及缺陷故障等多種數據進行挖掘，從而獲取到不同操作形式下標準數值，在多種故障和缺陷基礎上對數據進行關聯，對設備的運行狀態進行有效監測和控制。

2.5停電影響分析

當發生停電事故后，為了在較短的時間內恢復供電，降低停電對用戶產生的不良影響，可充分發揮大數據技術的作用，對停電產生的不良影響進行分析，并以分析為參照制定現場處理方案。通過對GIS信息、用電信息采集及調度信息等進行挖掘和整合，從停電時間、用戶、范圍與損失多個方面著手，構建停電影響評價體系，在較短的時間內快速計算出停電產生的各種影響，使電網企業能夠準確了解停電嚴重度，并采取積極有效的措施預防停電擴張。

3大數據技術在電網運營管理中的具體應用

3.1科學構建負荷預測框架

為了保證電力負荷預測更加合理，相關管理人員可從以下幾方面入手：第一，利用大數據分析技術，構建完善的數據分析與處理的平臺，該平臺的良好構建，可顯著提高電力負荷預測的準確性。第二，加強數據分析，將大量數據信息上傳到數據分析處理平臺中，并結合電力負荷分布情況，找到影響電力負荷穩定增長的因素，并進行科學處理。對于電力企業中的相關管理人員來講，在挖掘電力數據信息之前，要將不同區域的電力負荷數據進行分類，找到不同用電地區用戶的用電規律，并運用大數據分析中的聚類分析方法，確定用戶負荷類型，開展關聯性分析，在區域用電結構的基礎之上，準確預測用戶的用電負荷。數據分析與處理的平臺在運行的過程當中，相關人員還要構建數據庫服務器與ETL服務器。電力系統當中的ETL，其邏輯流程可以分解為兩階段，從源表逐漸到ODS層，再從ODS層逐漸過渡到DW層。上述兩個階段要認真遵守串行順序，前面的階段數據加載完畢后，方可開始后面數據的加載，結合電力數據的傳輸流程得知，相關人員需要對煤層ETL程序進行架構設計，并制定完善的系統運行計劃。

3.2負荷數據聚類分析

通過對電力數據信息進行聚類分析，可以保證電力數據信息更加準確，電力企業中的相關人員可以采用K均值聚類分析方法進行分析，此方法的應用原理比較簡單，針對給定的數據信息進行分類，總共分成K類，并對各項數據信息進行細化分析，進一步提高電力負荷預測的合理性[4]。由于數字化時代的到來，電力系統在穩定運行的同時，會生成大量的數據信息，要想進一步提升電力系統的運行效率，要求電力企業中的有關工作人員，針對各項電力數據信息進行科學分析。而大數據分析技術的良好運用，有效降低電力數據分析難度，減少錯誤電力數據信息的出現。為了更好地提升電力系統工作效率，可以適當降低系統的延時性，增強電力系統可靠性。如果電力數據在短時間內急劇增多，會對電力信息數據工作產生一定影響，因此，相關人員需要合理運用大數據分析技術，在保證電力系統安全、穩定運行的基礎上，提高智能電網的建設水平。通過對電力負荷數據進行聚類分析，可以顯著提高電力運營管理效率。

4結語

在電網企業轉型和發展的過程中，大數據技術的應用十分必要，可幫助企業尋找最佳方式對用戶的用電量、用電行為進行精準預測，使整體運營管理效率得到顯著提升。

參考文獻

[1]張 沛，吳瀟雨，和敬涵.大數據技術在主動配電網中的應用綜述[J].電力建設，2015，（1）：52-59.

[2]趙 瑩，代 飛.大數據技術在電網運營管理中的應用研究[J].電子技術與軟件工程，2018，（5）：194-195.

[3]莫顯耀.大數據技術在電力系統的應用探討[J].數字通信世界，2018，160（4）：190.