摘要：大数据是指对规模巨大、来源复杂的数据进行高速捕捉发现和处理分析，用合理有效的方法提取数据中的价值的技术体系。智能电网作为大数据应用的重要领域之一，以其先进的设备技术、先进的控制方法以及先进的决策支持系统技术，实现电网的安全可靠、经济高效的目标，满足当代用户对电能质量的各方面需求。
关键词：数据背景；智能电网；前景；应用
一、我国电网发展现状
近年来，随着经济增长的速度越来越快，电力消费的水平也越来越高，我国经济增长与电力消费之间的关系越来越受到广泛关注。随着用电量的大幅度上升，电力能否正常供应则成为至关重要的问题。针对我国电力供应的现状问题，电力公司采用峰谷分时电价进行调控以解决电力使用不均衡的状况。然而从近年来电力消耗的情况来看，仅使用削峰填谷措施进行调控显然不能满足我国电力高能耗的现状，目前电力能源的消耗依旧呈现高峰低谷的态势。基于传统削峰填谷的模式在大数据背景下动态监控电力，使电力公司在能够动态监控电力使用状况的同时，可以实时将电力使用状况和电价等数据准确地反馈给用电方，以便用电方根据情况调整自己的用电行为，确保电力能源的稳定使用，缓解电力公司的供电压力。
二、智能电网中的大数据
与传统电网相比，智能电网具有更高的智能化水平，而实现智能化的前提是能够实时获取海量数据并做出快速分析处理。智能电网中，大数据产生于电力系统的每一个环节中：①电力供应商端：随着现代数据化建设发展，大量的生产数据被保存，这些数据不仅对电力供应商生产运行，优化电力生产策略、故障诊断等方面有着重要的意义，而且能及时准确掌握分布式能源的设备及运行状态。②输变电侧：目前，我国已有几百座数字化变电站投入运行使用，一天能收集上亿的数据点，数据量以GB为单位。在输变电设备状态监测中，海量的数据被收集、监测，通过对数据的深度挖掘，异常数据为故障检测、状态检修的重要依据。③用户端：为了能够准确地获取用户的用电数据，电力供应商在用户端部署安装了智能电表，电力供应商每隔5分钟就能读取一次实时用电信息。海量的电力数据的收集，从而构成了智能电网中的大数据，通过对这些海量数据的观察以及定性和定量分析，电力供应商能及时地对用户端的用电模式进行调整，从而做到削峰填谷，节能减排，优化人们生活，为广大用户提供更优质、安全、可靠的服务。
三、智能电网大数据的相关应用
（一）实时电价
电力定价方式有许多种，其中包括：固定电价、分时电价、阶梯电价、自适应电价和实时电价等。良好的电价机制需要用户根据电网的运行状态和自身的用电需求灵活地调整用电时间和用电数量，实现减少支出。从社会角度来看，良好的电价机制可以有效地缓解电力供需不平衡，将污染与温室气体排放降低到最小程度，从而增加社会综合效益。在各种定价机制中，最理想电价机制应该是实时电价。实时电价(real-timepricing)的概念最早由Schweppe于上世纪80年代提出，实时电价是指电力销售过程中某一瞬间发生的费用，体现电价随时间变化而变化的特点。在实时电价实施过程中，电力供应商根据智能电表所读取的供需信息，实时制定电价来引导用户减少高峰时间段用电，激励用户低谷时段用电，从而达到削峰填谷的目的。早期的实时电价也被称之为动态电价，包括分时定价，尖峰定价等(殷树刚(2009)，Bu(2011)，Giuliano(2015)[12-14]).这种实时电价实际上也包括在较长时段上的价格变化，例如按白天与夜晚，冬季与夏季等划分时段，每个时段制定不同的电力价格。这种意义下的实时电价相关研究有较长的历史，取得了一系列有意义的研究成果。
期刊文章分类查询,尽在期刊图书馆根据几个小时前甚至一天前的用电数据，对下一阶段电价进行预测，以用于实际电价的制定，在给定的时间段内向用户提供实时电价。
（二）负荷预测
在智能电网中，电力负荷是一个随机变量，通过智能电表进行采样记录下来的集合是一个时间序列，用这个序列对电力负荷变化的规律进行分析并对未来负荷做出预测。电力负荷预测对于电力调度，可靠性分析和发电机维护计划至关重要，是一个复杂的非线性问题，通常有天气，城市地理位置，社会和经济等因素。近年来有关数据挖掘的相关技术被应用于电力负荷预测，并取得了许多的研究成果，其中利用灰色模型分析法处理原始发电序列，用新序列来建立灰色模型预测未来值，再进行反变换得到原序列的发电需求；使用神经网络算法对长期高峰负荷和平均负荷进行预测，通过数据中应用预处理技术和调整控制参数可以提高精度；使用回归方法分析寻找发电量序列与其影响因素之间的因果关系，并建立回归模型进行电力预测；针对电力用户侧大数据展开了研究，分析了用户侧大数据的特点，提出了一个大数据分析平台，并在此平台上开发了基于Hadoop的电力用户侧大数据并行负荷预测原型系统；基于湖北省发电量数据使用自回归求和滑动平均模型预测其趋势项和周期项，并提出了乘积模型。
（三）故障识别
随着电力系统日益重要，输电线路和变电站发生故障危害社会经济增长，影响人们的日常生活。因此，电力系统的安全稳定运行不仅十分重要，其本身也是一个实时动态系统，所以实时监测其运行状态是十分有必要的。利用大数据技术，配合故障投诉系统，利用聚类划分、异常点检测、深度学习等技术，建立新型配电网故障管理系统，可以更好地对设备进行故障检测与诊断，保证系统的安全稳定运行，提高电网的优质、可靠性。目前国内已有许多学者利用大数据挖掘技术对电力系统故障诊断进行分类研究：通过分析系统中异常数据的电流与波形，为供技术人员更准确、快速处理比对、分析,确定电网故障区提供依据；使用支持向量机（SVM）和人工神经网络（ANN）的方法来检测和诊断智能电网故障；使用生成空间-时间特征和隐马尔可夫模型（HMM）来检测识别智能电网故障，并引入Granger因果关系来研究智能电网中所有公交车故障影响因果分析。
（四）关联应用
关联规则分析是指挖掘出变量之间的关联性和依存性，例如，用电量与电价之间的关联性等。对关联性规则的数据挖掘，对电力供应商具有重要价值。将关联分析引入电力营销和负荷管理，可以为电力供应商制定合理的售电策略提供数据分析；在城市输配电规划中，为城市用电量与GDP、中心性级别、其后类型等因素潜在关系提供依据；关联分析技术在智能电网监视告警系统中的重要性，并论述了关联事件分析引擎的工作原理以及关联分析引擎应实现的各项功能。
四、结论
随着智能电网的信息化，通过对海量数据深度挖掘，实现对输变电设备的实时监控，实时获取发电和负荷信息，以达到优化能源结构，实现多种能源供给互补的目的；其不仅能有效地提高能源利用率，增强电网的稳定性、可靠性、灵活性；还实现电力供应商与用户的双向互动，打破了传统的电力服务模式，为用户提高更加优质、便捷的服务。能源互联网是智能电网的进一步深化和发展，以数据为核心的综合能源管理模式，以大数据为支撑下的能源互联，是一场智能体系的改革。
参考文献
[1]陈淘,刘利兵.大数据技术在智能电网中应用[J].物联网技术,2016(4):54-57.
[2]宋亚奇,周国亮,朱永利.智能电网大数据处理技术现状与挑战[J].电网技术,2013,37(4):927-935.
[3]程颖,李德盛.基于大数据的电力信息技术发展探讨[J].科学时代,2014,24:429-431.
论文作者:陈勇,秦兴邦,李月月
论文发表刊物:《电力设备》2018年第6期
论文发表时间:2018/7/5
标签：电价论文; 电力论文; 电网论文; 数据论文; 智能论文; 实时论文; 负荷论文; 《电力设备》2018年第6期论文;