摘要: 随着时间的发展，大数据技术逐步从雏形走向成熟，并与越来越多的行业融合，为这些行业的发展做出技术贡献，对于电力行业也是如此。智能配电网的智能化很大程度上来自于大数据的应用。大数据帮助电力公司通过有效数据分析，不断优化电力服务质量，满足客户的实际用电需求。本文通过分析目前大数据技术在智能配电网中最常见的几种应用方式，讨论如何将大数据技术进一步、更好地应用在智能配电网方面，对相关实践进行理论上的指引。
关键词: 智能配电网；大数据；前景研究
引言
在信息技术中, 大数据是指使用软件收集大量而广泛的数据继续分析。常用的数据获取手段有爬虫技术、云技术、可视化技术等等。通过这些技术，能够运用现有数据并加以合理分析，形成数据库和高效数据处理程序，处理那些传统数据搜索工具不能够处理的复杂数据结构。这一特征让那些传统意义上不能进行分析的复杂数据也能够通过大数据分析技术实现自身的价值。而电力系统正需要这种强大的分析能力来处理系统内的多种数据。以系统内馈线方面的数据为例，馈线搭建范围和层级随着城市规划变得越来越复杂，普通的分析技术并不能在繁杂的数据中发现有价值的规律和信息，这时候能够重度挖掘数据价值的大数据技术将帮助电力企业实现这些数据的价值，帮助提升企业的整体竞争力。因此，能否正确使用大数据技术将成为电力企业竞争过程中的重要影响因子，需要行业内的相关企业都提高重视。
一．智能配电网大数据的应用技术与方法
1.大数据解析技术
在大数据技术的帮助下，一些传统技术不同解析的数据也能够被合理利用，这也是大数据技术的显著优势之一。大数据技术通过搜集各个方面的数据，仔细寻找众多数据中千丝万缕的联系，将一些间接的关系、隐藏的模式和可能被忽略的有效信息都能够被可视化，产生新的生产价值。在智能配电网领域中，一些电能表等细小部件的反馈数据，如果用传统技术只能进行数据搜集和简单整理但是大数据技术下的电能表数据可以和其他数据进行融合交流。
2.大数据处理与存储技术
通过分析大数据处理和存储的内在连通性, 可以将该技术分为批处理和流处理两种类型的技术。 在流处理过程中, 常见的一种是实时高配电网中的流技术, 包括在线监测和在线评估多源异构数据。批处理的主要思想是对问题进行分类, 并采取步骤解决。这会将过去从数据分析更改到进程分析, 将其计算到数据模型。在配电网规划业务中, 采用批量处理技术, 将让需要处理的数据量过大,并且实时性低。 智能配电网部分数据之间具有关联性和时效性，操作方式变化快、测量点多。想要实现这些优势，必须让数据清洗技术分析技术、多维索引检索技术、 数据压缩技术和数据存储系统的自由化等相关技术作为一个动态系统工程。智能配电网通过集中管理大量数据来保证数据的可伸缩性、可靠性或可行性。随着智能配电网系统的发展, 添加云计算技术比如数据分布处理系统、文件平衡系统等, 可以提供技术支持和基本平台, 从而充分发挥数据的巨大作用。
3.数据驱动决策方法
依据大数据作用程度对数据驱动决策方法进行分类， 主要分为以下3 类，首先是以数据驱动为主，模型为辅的决策，它的最大特征是不完全采用、不抛弃原有的模型，通过模型和数据的相互启发与匹配，采取渐进方式完成决策制定。其次时候数据驱动无模型决策，它指的是一种数学模型，其中还隐含决策系统，这种决策方式，主要是对规律性强、规模大且重复进行的行为进行决策。最后是以大数据分析为主的决策，指的是基于以往方法或模型，对大量数据进行分析，依据分析结果进行决策。
期刊文章分类查询,尽在期刊图书馆
三．大数据在智能配电网中应用的前景分析
1.降低网络损耗，实现智能用电
为了帮助电力企业了解电费和用电量、电网耗损之间的相关变化, 通过开发个性化的电源方案为基础的客户服务为导向的概念, 并分析数据相关的分析, 使匹配数据更准确和准确, 在引入分布式电源操作和接入等新的运行机制的同时, 构建了一种协同优化模型。 在此模型的基础上, 参考用户使用电的习惯, 除了总结每个用户存在的特点外, 由于大多数用户对电气行为的一般使用, 我们将全面研究能效水平等因素及相关的联合用户数据 通过制定和开发一种人性化的智能化客户力量计划, 优化了电力资源, 使其能够在一定程度上有效地减少, 从而缓解分布式网络的峰值压力。比如，在对配电网和电动出租车联合运行方式进行调查分析的基础上, 对电动出租车的行为进行了预测，了解峰值和估值。在智能配电网的情况下, 可以实现调度、分销网络信息和出租车信息的共享, 实现联合运输. 减少网络帧结构的网络丢失。 配电网的损耗与电网结构、功耗方式等因素有关，这一相关性可以通过数据可视化体现, 从而帮助确定线路损耗、高区和线路的时间和空间分布特征。同时, 建立了网络损耗数据模型, 调整了电网的运行方式, 指导电力企业降低了配电系统的运行成本。
2.优化网架规划，分析发展趋势
在空间时间思维方面, 智能配电网出现之前网架系统本身是是静态的。而开发智能配电网的优点在于具有较强的关联性和动态性。这两种类型的属性比较复杂。 在我国城市化结构的背景下, 这些特性的表现非常明显。通过感知电网的当前状态, 可以在数据和网格结构中结合城市的功耗、行为特征和预测结果, 获得更现实的趋势的预算结果。为了针对用户需求建立网络框架规划, 需要充分考虑用户的实际需求, 主要是在电网运行、建设经济、供电可靠性等方面。 基于大数据背景, 采用聚类分析方法, 根据用户的实际需要, 对不同用户的需求进行分析, 提升网格规划、客户满意度和动力的发展, 提升公司整体服务水平。 优化规划数据驱动。 在全面考察各类信息，甚至电动汽车的接入和分散能力后, 对区域内的用电特性和功耗预测, 并利用桁架数据构造结构化、关联性和聚类分析, 建立分类的分层数据模型。 保证了网络框架系统的科学性和合理性。
3.有效预估用电量，完成协同调度
预测耗电量的变化需要先分析用户的功率数据与数据之间的相关性以及因果关系，从而来预测用电量的变化. 例如, 在研究假日人口运动的特点与路径、恶劣天气的频率和用电量的关系时，首先要对所有相关因素进行量化, 然后以抽象的特征，利用自适应预测模型预测了电力消费的发展趋势。估计局部功耗部分的逻辑分类是, 局部空间用户群以及个人用户, 一般采用差分建模技术, 建立了模型库可以使用多维分解的方法。为了提高预测的准确性, 通常将很多具体分析包括到其中，比如电气特性分析、不同用户的量纲分析、细化预测内容。 调度负荷和功率协调。 在对故障峰值因子和聚类分析进行相关分析的基础上, 利用用户的功率预测结果和分布式发电技术, 研究了调度资源故障峰值的可能性, 并给出了各种负载和供电的最优组合方法和原理。定量评价与功率，实现自动分配和故障峰值资源的分层，优化分配协调负荷调度。
四.结束语
综上所述，对智能配电网大数据应用技术充分考虑用户需求，为用户提供针对性的需求，实现了用户与电力企业的有效沟通。在智能配电网运行和规划中，应用大量的电力企业外部和内部数据资料，有利于形成数据驱动型智能配电网。智能配电网大数据的应用前景良好，并且能促进用电预测精确度提升。
参考文献：
[1]赵腾，张焰，张东霞. 智能配电网大数据应用技术与前景分析[J] . 电网技术， 2014， 38 （12） : 3305-3312.
[2]刘科研，盛万兴，张东霞等. 智能配电网大数据应用需求和场景分析研究 [J] .中国电机工程学报， 2015， 35（2）: 287-293
[3]李杨.智能电网大数据处理技术应用现状及困境探讨[J].硅谷，2014，（14）: 91.
论文作者:花蕊
论文发表刊物:《电力设备》2017年第29期
论文发表时间:2018/3/9
标签：数据论文; 技术论文; 智能论文; 配电网论文; 用户论文; 网大论文; 电网论文; 《电力设备》2017年第29期论文;