摘要：大数据是“未来的新石油”,大数据是待挖掘的“金矿”。为了迎接大数据的到来,促进供用电事业的运营和维护,提高供电服务的质量和成本效益,更好地为电力用户和社会服务,开展在配电网中应用大数据的研究具有重要意义。
关键词：配电网；大数据；措施；结构化数据
一、电力企业中的大数据源
电力企业内部的大数据源包括物理电网(例如发电、输电、变电、配电、调度等环节)运维、供电营销服务(例如用电服务以及用户互动、服务地区社会经济等)和电力企业运营(例如企业内部人财物管理与决策以及服务政府、社会等),结构化数据即行数据,是可以用二维表结构来实现逻辑表达的数据,数据模型为二维矩形。在配电网中,结构化数据来源包括配电自动化、生产管理系统、调度自动化系统、用电信息采集、负荷控制系统、营销业务应用系统、ERP系统等,以及负荷监测系统、电能质量监测系统、地区社会经济数据中以事务为代表的数据等。
开始阶段,由于信息通信技术及其他技术的局限,配电网中的数据主要以结构化的数据为主,伴随少量的半结构化数据和极少量非结构化数据。伴随着社交网络、移动计算/互联网和传感器/网等新的渠道和技术的不断涌现和应用,尤其是在线监测系统、地理信息系统、95598客服系统等,涵盖音频、图片、视频、模拟信号等,属于半结构化数据或/和非结构化数据,其数据采集速率提高的同时,数据种类也增多。
非结构化数据起点最低而增长最快(相对而言是时间的立方关系),半结构化数据起点较低而增长较快(相对而言是时间的平方关系),相比而言,结构化数据起点最高而增长最慢(相对而言是时间的一次关系)。配电网中三种数据类型(结构化、半结构化和非结构化)的体量变化趋势的示意性预测,从中可推测,也许仅需3~5a的时间,在配电网中,半结构化数据和非结构化数据的体量总和将超过结构化数据的体量;未来的五年内,非结构数据量将会超过数据总量的50%。
二、大数据在智能配电网中的应用前景
大数据在智能配电网中具有广阔的应用前景。本文侧重于从用电预测与协同调度、智能配电网网架发展趋势分析与优化规划,以及智能用电与网络降损这几个方面进行分析。
（一）用电预测与协同调度
精准的用电预测结果对于智能配电网的规划和运行具有积极意义。通过对用户的用电行为特征进行分析并建立基于大数据的自适应用电预测模型,有可能得到更高精度、更细粒度的预测结果,这也有利于电源与负荷协同调度的实现。
1、用电量宏观变化趋势预测。通过分析用户用电数据与其它数据之间的因果关系和相关关系,对用电量变化趋势进行预测。如研究节假日人口迁徙轨迹及特征、雾霾等恶劣天气发生频度,以及宏观经济指标等数据与用户用电量之间的关系,并将这些抽象关系进行量化表征,最终利用基于关系的自适应用电预测模型实现对用电量宏观变化趋势的整体把握与感知。
2、局部用电量精细化预测。对于局部空间或部分逻辑分类中不同的用户个体或用户群组,采用差异化的建模方法,建立有较强针对性的用电预测模型库,将用户用电特性进行多维度分解,对于不同用户在不同维度下采用不同模型进行精细化预测,提高用电预测的精度。
期刊文章分类查询,尽在期刊图书馆
（二）网架发展趋势分析与优化规划
在传统的配电网网架规划中,由于数据源或数据分析不足,网架优化面临许多的不确定性,理论上优化的结果往往与实际之间存在较大差异。在大数据环境下,海量、多类型、时变基础数据的引入,可以减少网架优化的不确定性。但是模型中对应边界条件以及参数的变化,可能使得优化陷入组合爆炸的泥潭,造成优化速度缓慢或求解困难,这就需要对传统的优化方法进行改进。
1、城市电网网架发展趋势分析。在时空四维空间中,智能配电网并非是静止和孤立的,相反,其发展趋势具有高度复杂的动态性和关联性,随着中国城市化进程的加速,这些特性将更为明显。结合对现有网架的态势感知,将用电预测结果、城市综合体发展趋势以及用户用电行为特征等与网架结构数据结合起来开展并行聚类与关联分析,可以获得更准确的网架扩展趋势分析的可视化结果。
2、面向用户需求的网架规划。在传统的配电网网架规划中,多以电网供电可靠性或建设及运行的经济性作为优化目标,对于用户的特定需求考虑较少。在大数据环境下,面对用户差异化的需求开展聚类分析,并以用户需求作为主要优化目标进行电网规划,有利于提高供电企业的服务水平和用户满意度。
（三）智能用电与网络降损
不同用户的负荷特性、用电理念和节电策略之间存在较大差异,导致了用户用电行为模式的多样性,分布式电源以及电动汽车等新型设备的接入也将加速这种多样性的发展。了解用电行为模式的多样性有助于从用户的角度为其量身订制经济合理的用电方案。此外,电能在分配和使用过程中其损耗呈现明显的时空分布特性,可以借助智能配电网大数据分析结果获得精确感知。
1、个性化用电方案订制。通过对电价和用户用电行为模式等数据进行关联分析,获取用户对于电价等激励机制的敏感度,在同时考虑分布式电源接入及运行策略对于用户用电行为方式影响的条件下,建立包含分布式发电与用户用电峰谷分时电价在内的联合优化模型。在此模型基础上,结合用户能效水平和用电行为特征等数据为用户订制智能化用电方案,挖掘节电潜力,降低用户购电成本,提高配电网削峰填谷的能力。
2、电动出租汽车与配电网联合运行。结合电动出租汽车GPS和电池电量数据、乘客手机GPS和历史搜索数据、道路拥堵数据、配电网运行数据以及充电站分布数据等,对乘客用车行为进行预测,并为出租车制订行车路线和充放电规划等运行方案,同时有配合地开展智能配电网调度,实现出租车和配电网的信息实时共享以及电能的“线上”与“路上”联合传输。
参考文献：
[1]周刚,王玥,艾芊,谢善益,肖斐.大数据下中压线路安全评估系统架构设计与场景应用[J].电器与能效管理技术,2018(09):60-66.
[2]彭春柳,陈跃辉,朱吉然,郭文明.基于配电网大数据平台的低电压监测及预警系统的开发与应用[J].湖南电力,2018,38(02):5-8.
[3]董知周,陈显辉,吴海峰,李浩松,许中平,康泰峰,王婷,李宁.基于大数据的配电网抢修工单分析与预测研究[J].供用电,2018,35(04):60-67.
[4]肖明伟,朱邦国,李佩,杨乐新,谢茜子.基于大数据的配电网规划系统开发与应用[J].安徽电力,2018,35(01):47-48+66.
[5]杨凤生,熊波,蔡广林,杨琦岑.基于数据分析的配电网故障数据特征变量提取[J].电力大数据,2018,21(03):22-26.
论文作者:闫光太,李祯
论文发表刊物:《电力设备》2018年第17期
论文发表时间:2018/11/12
标签：数据论文; 用户论文; 结构化论文; 网架论文; 配电网论文; 用电量论文; 网中论文; 《电力设备》2018年第17期论文;