（国网山东省电力公司巨野县供电公司 山东菏泽 274900）
摘要：对于在智能配电网中有效地应用大数据的问题，主要针对智能配电网大数据所具有的特征以及现状进行分析，同时好将数据关系网之间具有的关系进行梳理，重点叙述了在智能配电网中，大数据的应用过程中所关系到解析大数据、处理大数据以及存储大数据等相关的主要技术。本文探析了智能配电网大数据应用技术及前景
关键词：智能配电网；大数据；应用技术；前景
0.引言
根据相关的技术研究结果显示，全球范围内很多生物、石油、电力以及商业等具有密集型数据的行业，更加重视挖掘这个行业之间的数据中所含有的价值，同时还着力于将行业竞争力以及其自身的整体水平提高，主要集中在电力领域。另外，对收集到的智能电网外部以及内部的大数据进行管理，管理的模式主要是战略性管理模式以及系统性管理模式，这样的管理模式能够提供给运行电网运行过程很多样式的反馈环节，更加有效地促进有运行以及规划电网系统的规划以及加强措施实施。
1.智能配电网大数据
1.1智能配电网大数据的特征
智能配电网大数据所具有的一次特征主要体现在：生成快速、结构多样、粒度精细、关系复杂、以及来源广泛，在凸显出一次特征之后，显现出来的就是二次特征，主要体现在处理困难、信息丰富以及体量巨大。对于智能配电网大数据的来源，可以来自智能电表，还可以来自于配电设备，甚至来源于电动汽车的GPS；智能配电网大数据会根据其复杂化的数据生产方式以及差异化的数据源表现出来的个体、种类以及行业也会有所不同。发展与应用通信技术以及量测都能够让传输以及采集大规模的用电信息达到分钟级别，这样精细的数据可以提供给研究为用户个性化用电特征基础。
1.2智能配电网大数据现状
在不断提高智能配电网互动化、自动化、水平信息化以及与相互融合与渗透物联网的过程中，大量的数据也会产生于电力企业量测体系的内部积累，例如：故障抢修数据、监测数据、设备检测、GIS数据、调度运行数据以及用户用电数据等。在对体系进行量测以外，电力企业进行了大量运营数据的积累，例如：电力市场数据、企业管理数据以及客户服务数据等。所以在电力企业内部数据之外，依然存在很多外部潜在的数据源，例如：公共服务部门数据库、移动设备的GPS以及互联网等这些外源数据源提供的大数据有着利用以及挖掘的作用[1]。
2.智能配电网大数据应用技术
2.1大数据存储及处理技术
根据处理以及存储大数据之间存在的相互关系研究，可以将其分成主要的两种处理以及存储技术：第一种技术就是批处理，第二种技术就是流处理。一方面，批处理的主要技术方法就是将存在的问题进行分解处理，并不是把数据推向计算，而是把计算推向数据，通常情况下这种技术常常会被应用在业务数据量比较繁杂庞大、没有很高要求、配电网规划的方面。另外一方面，流处理最主要的应用技术就是流计算技术，这种技术方法更加适合将其应用在实时性要求非常高的配电网业务中，例如：设备在线监测、电源与负荷联合调度以及多源异构数据在线评估等[2]。
期刊文章分类查询,尽在期刊图书馆
2.2大数据解析技术
在大数据解析技术中，主要的技术方法就是解读以及分析数据。分析大数据，主要是借助对很多种的类型的数据进行研究分析，研究的目的就是将其中有效的信息、未知的相互关系以及其中隐藏的模式探究出来的过程[3]。在解读大数据的时候，由于其具有自身的解析能力，所以解读大数据可以看作是分析大数据方法中比较特殊的一种分析方法。
2.3数据可视化。
通常情况下，数据可视化技术应用的过程中主要是整理存在于每个数据库中的数据项，然后将整理出来的数据进行数据图像的构建，观察数据也是从各个维度进行，这样能够更加深入以及全面地对数据进行了解和分析[4]。宏观展现以及集中管理数据可以从逻辑、空间以及时间上进行，这样就可以获得简单化的多维数据立方体视图。
3.数据在智能配电网中的应用前景
在智能配电网中，大数据有着非常广阔以及具有非常好的发展应用前景。下文重点对协同调度、用电预测与智能配电网网架发展趋势的规划、优化分析，以及智能用电与网络降损方面进行探析。
3.1智能用电与网络降损
用户之所以会出现不一样的用电行为，主要是其节电策略、用电理念以及负荷特性存在较大差异，另外，电动汽车分布式电源等研发的全新接入的设备也会持续加快发展这样的多样化形式。更加全面地了解多样化的用电行为，可以给予用户更加合理的经济用电方案[5]。
3.2网架发展趋势分析与优化规划
在之前规划配电网网架的过程中，常常会出现不扯度的数据或者是数据源分析，导致很多不确定优化网架因素出现，这样就促使实际状况和理论之间存在很多的差异。处于大数据的氛围中，不断引入时变、多类型以及海量的基础数据，就能够将不确定的优化网架的因素减少。
3.3用电预测与协同调度
对于在运行以及规划智能配电网的过程中，用电预测的精准结果起着十分重要的作用以及具有非常积极额意义。借助深入了解用户的用电行为特征行为分析，来建立现代化的大数据的自适应用电预测模型，这样就能够的检测结果就会更具有细粒度以及更具高精度，同时还有助于实现负荷以及电源协同调度。
4.结语
综上所述，数据处理技术中的云计算以及流计算等，可以提供给大数据更多的技术支持和平台，同时还能够由随机矩阵理论复杂系统理论等提供其更加合理的理论指导。在整个理论支持以及技术指导的过程中，可以更好地保障信息共享以及顺利地进行着每个过程中的工作，这样做的目的就是为了处理好智能配电网大数据。智能配电网大数据涵盖着非常多的技术知识以及理论体系，不仅仅是数据本身，其和数据科学以及大数据处理技术互不统属，体现在基本理论框架中的每个模块中。
参考文献
[1]张铁峰,苑津莎.建设智能配电网是供电企业应对挑战的有效方案[C].全国供用电管理自动化学术交流暨供用电管理自动化学科组年会.2014，129(22):2064-2065.
[2]崔大明,李超,侯庆雷.面向智能电网应用的电力大数据关键技术研究[J].数字通信世界,2013，115(11)：102-103.
[3]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,2014，213(06)：254-256.
[4]彭小圣,邓迪元,程时杰,等.面向智能电网应用的电力大数据关键技术[J].中国电机工程学报,2014，27(25)：192-202.
[5]郝雁翔,胡旭锋,李书琰,等.现代智能电网的大数据应用现状及问题处理技术探析[J].军民两用技术与产品,2015，108(10)：113-115.
[6]徐高翔,黄勇达,赵卓.云计算大数据处理技术在智能电网中分析与应用[J].科技与企业,2014，293(28):314-365.
论文作者:姚元金,欧成西,闫以军
论文发表刊物:《电力设备》2016年第22期
论文发表时间:2017/1/18
标签：数据论文; 智能论文; 网大论文; 技术论文; 电网论文; 网架论文; 过程中论文; 《电力设备》2016年第22期论文;