大數據技術在智能配電網狀態監測中的應用

崔林

摘 要：在電力設備運行的時候會產生許多的數據，云平臺以及大數據分析會使得電力問題的分析、電力設備檢修、電力裝置信息系統的檢測有完備的技術支持，并且結果的分析是比較可靠以及具體的，有利于信息檢測。

關鍵詞：大數據技術;智能配電網;狀態監測;應用

1 智能配電網的特點

智能配電網融入了現代科技技術，與傳統的配電網有一定的區別，其中比較突出的特點有三個。第一個：自助管理特點。智能配電網中加強了用戶端和控制端之間的互動程度，用戶日常使用電力時，可以隨時了解供電的情況，如有問題，也能夠及時的得到解決，保證供電情況，提升了用戶對電能的體驗感。第二個：可視化特征。電能與其他能源有很大的區別，在接收和配送的過程都存在很多不確定的因素，因此很容易出現配電失敗的現象，而很多用戶對配電專業知識的了解程度普遍不高，所以很難發現具體造成配電失敗的原因。但是智能配電網利用大數據技術、自動化技術，以及優化配電網設備裝置來實現可視化管理，用戶可以更加直觀的了解到供電的信息，加強對電能的管理。第三個：自動化。傳統配電網出現單相接地故障后，很容以造成兩點甚至多點接地短路，破壞了系統的安全運行，影響了用戶電力的使用情況，為了恢復配電情況，配電網需要采用逐條線路拉閘停電的方法來找出出現故障的線路，然后在安排工作人員到現場沿著整條線路找出具體的故障位置，然后才能采取措施，恢復配電情況。整個過程中由人力確定故障位置時所消耗時間較長，很大程度上影響了用戶的使用情況。而智能配電網自身具備自動化功能，當出現單相接地故障時，能夠自動快速、準確的確定故障分支，并進一步確定故障點，工作人員可直接達到故障點進行維修，就可恢復供電。

2 智能配電網大數據分析

智能配電網的迅速發展，各種監控系統以及高級量測體系在智能配電網中大規模的部署產生了大量的數據。進一步的挖掘這些數據的重要價值對于智能配電網的發展具有非常重要的意義。這樣的一種現狀也間接表征著大數據在智能配電網中應用十分廣泛，而且在將分析出的大數據進行融合之后，不僅可以滿足智能配電網的整體業務的需求，同時可以使智能配電網的應用場景更加的廣泛。

2.1狀態監測

智能配電網在處于正常運行配電的狀態下，配電網節點運行數據所構建的高維時空狀態監測矩陣的行間差別度較為弱小，各個網絡節點在高維時空中的狀態是相同的、集聚的。因此，這種相同、集散的狀態顯示在監測裝置上不會有特殊節點的出現。換言之，在智能配電網正常運行的狀態下，其各個網絡節點的運行狀態是不會有差異出現的。

2.2故障處理

在狀態監測裝置監測出故障后，并且明確了故障發生的位置，要進行進一步的故障處理，以確保智能配電網系統能夠正常發揮作用。

3 狀態監測與故障處理方法

在這里值得一提的是，在現行的智能配電網大數據分析系統中，很多狀態監測與故障處理方法是與數據的處理分不開的。在智能配電網中，如果出現故障運行的狀況，首先會通過多維的尺度分析以及離群節點監測等方式表征出來，進而進行故障部位的定位，在定位后才會進行故障處理命令的下達。下達命令后，測控一體化終端會進行一系列的參數量測，其中主要包括數據的預處理、數據的融合，再通過數據的可視化分析將智能配電網的故障通過各網絡節點的狀態趨勢展示出來，最后進行故障處理。

3.1數據預處理

數據預處理方法主要包括網絡關聯矩陣構建、特征量的選取以及數據的區域拆分處理。通過上述三種處理手段，將傳感設備上傳的原始數據進行第一次篩選和預處理以使數據量減少，并且生成智能配電網大數據狀態監測和故障處理的初始特征量矩陣。

3.1.1網絡關聯矩陣構建

在明確網絡關聯矩陣是一種拓撲結構之后，首先，在構建網絡關聯矩陣的過程中應將智能配電網的測控一體化作為網絡終端進行節點編號。然后，在對應節點之間的區域進行編號，形成一個拓撲結構。最后，根據在拓撲結構中節點與對應區域內的關聯值，完成網絡關聯矩陣的構建。

3.1.2特征量的選取

在智能配電網中出現故障時，可能是單相、兩相、三相短路接地或是兩相相間短路，這就要求我們在判斷故障類型的時候需要注意各種故障類型的基本特征量。

其中，單相接地故障是智能配電網出現故障次數最多的，其檢測難度也較大。因此在檢測的過程中，為保證進行故障識別的效率與可靠性，我們在進行特征量的選取的過程中必須結合智能配電網的不同特征量數據間的融合度、以及智能配電網和狀態監測裝置的實際情況。

在特征量的選取過程中必須保證電氣的特征量在三相電流、負序與零序電流之中。更需要注意的是，在進行特征量類型辨識的過程中，必須以多個特征量數據融合而成的高維時空狀態監測矩陣為基礎，否則在辨識故障的特征量時仍可能誤差。

3.1.3數據的區域拆分處理

盡管我們要進行智能配電網狀態監測以及故障處理，但是其在大部分的時間都是正常運行的，因此在狀態監測裝置中顯示的大部分都是正常的數據。另外，盡管配電網在處于故障狀態下的網絡節點狀態與正常的網絡節點狀態并不一樣，但是離散的程度并不是太過明顯，因此在狀態監測裝置中反映的差異程度也不是太過明顯，這就給數據的辨識和區分帶來了很大的挑戰。

為了更好區別正常數據與故障數據，我們需要將由狀態監測裝置反饋的數據進行區域拆分處理，這樣做的目的是增強正常網絡節點與故障節點的離散度（差異度）。

3.2數據融合

在完成數據預處理之后就要對第一步處理的數據進行融合。首先要將高維空間中不同的單時段單電氣特征量的狀態監測矩陣融合成一個單時段多電氣特征量的狀態監測矩陣;此后，將該矩陣在時間序列上進一步擴充，最終生成一個高維時空狀態監測矩陣。

3.3 數據的可視化分析

在完成數據融合后，需通過數據可視化分析方式，對單時段多電氣特征量狀態檢測矩陣的多維尺度算法，進行系統明確。值得注意的是，在該處理方法開展前，需確保節點與區域對應關系不變，只有這樣才能確保在低維顯示設備中顯示高維數據。在分析工作完成后，需進一步融合各類數據，除了要以離群點，對時空狀態監測矩陣進行系統監測之外，還應在線辨別智能電網運行狀態。如果要全面實現多維尺度算法，需確保節點與區域相對應關系保持不變。

綜上所述，智能電網是未來電網研究和發展的主要方向。對配電網設備進行狀態監測，是確保設備安全可靠的運行關鍵所在。

參考文獻：

[1]大數據技術在智能電網中應用 [J]. 王向前，嵇存娟. 通訊世界. 2017（01）A786B203-22C5-4AC6-9B33-07188F088EB4