国网甘肃省电力公司张掖供电公司
摘要：随着当前我国电力系统的不断发展，相应配电网也越来越复杂，给配电网的设计以及运维管理工作提出了更高的要求，因此，为有效解决智能配电网在工作过程中产生海量数据的存储、处理问题，大数据技术也开始广泛的进入人们的视野中，。本文重点围绕当前大数据技术在配电网中的具体应用进行了简要分析论述.
关键词：大数据;配电网;应用研究
0引言
近年来，随着我国社会经济的不断发展，电力系统越来越复杂，用电量也越来越高，因此，需要确保相应配电网的能力，在实际运行中满足较强的需求。但是在现阶段配电网具体规划以及运行管理中，现有模式已经很难满足越来越复杂的多方面需求，容易形成较为明显的隐患偏差，需要确保其更为高效准确。基于此，大数据技术的应用具有较强的应用价值，借助于大数据技术可以实现较为理想的配电网优化控制，从而应对较大的挑战。
1、大数据的特征在主动配电网中的作用
1.1大数据在主动配电网中的作用
设备及分布式电源状况数据、网络运行状态拓扑数据、配电网运行情况检测数据是主动配电网的三大数据类型;其中，天气状况、日照情况、气温状态、风速等天气情况都能直接影响分布式电源的出力。另外的，用户的用电信息和电动汽车的使用情况等电网内部用户信息状态也能影响分布式电源的出力。
1.2大数据的特征在主动配电网中的作用
庞大的数据353个智能的用户用电表信息搜集点分布在5个小区内，由国家电网信通公司负责管理。每天隔15分钟就要收集一次电流、电压、频率等1.2个数据参数，收集信息总量可以达到34GB每天;多类型数据。数据包含电流、电压、频率、电动汽车用户行为等用电信息。无论从结构化还是非结构化的数据结构分析，还是从分布式电源预测信息分析，主动电网数据的结构复杂、数据种类多而杂;低量的价值密度。也就是可用数据占总数据的比值很低。从监控电网状态数据来分析，检测变压器和电源的大批量数据中只有一小片段能够检测出设备的非正常使用状态;从电动汽车充放电以及行使情况数据来看，能反应起使用行为特征的信息数据所占比例很小，快速的信息变化。电网的拓扑数据和电量信息由于收到分布式电源出力和负荷波动不稳定的影响，存储的难度变得十分巨大。主动配电网状态的不稳定以及数据变化的频繁需要我们研究相关的策略来应对这一情况。
2、大数据处理技术及在主动配电网中的应用挑战
2.1数据的储存管理技术
Hadoop的非关系型数据库，其基于Hadoop的技术扩展和封装，围绕Hadoop衍生出相关的大数据技术，应对传统关系型数据库较难处理的数据和场景，例如针对非结构化数据的存储和计算等，充分利用Hadoop开源的优势，在企业分析应用层面上则利用配合MPP架构高效的分布是计算模式和大规模数据库并行处理数据的新型数据库集群，这种储存技术拥有高潮的扩展性能，应用比较广泛。
2.2数据分析技术
数据分析技术包括数据挖掘机器学习等人工智能技术，典型的如聚类、人工神经网络、支持向量机、粗糙集理论、决策树等技术。这些技术在电网安全分析、能源预测、设施线路运行状态分析等都有较系统的研究和应用。如电力系统负荷预测问题，通常需要对规模很大的历史数据集进行聚类，以筛选相似日训练模型。还有在变压器故障诊断方面，也有学者利用支持向量机模型结合状态监测数据，得出可靠的故障诊断结果。所以对于这些新出现的问题，还需要采取新型的数据分析方法来应对这些问题。
2.3数据处理技术
具有分布式文件系统和MapＲeduce技术的云计算技术在海量数据需要存储和分析的今天，能够胜任目前的数据处理技术。相比于传统的数据管理技术，云计算技术拥有强大的数据计算能力和数据并行处理的能力。
期刊文章分类查询,尽在期刊图书馆MapＲeduce能够提高网络节点的稳定性，它能周期性的管理好每个节点的工作最新状态;而分布式文件系统成本低廉，不需要昂贵的设备支持。它能够进行超大数据集的处理和满足高吞吐量的要求。
2.4数据展现技术
数据展现技术具体体现为可视化技术、历史流展示技术、空间信息流展示技术等。具体是指电网状态实时监视、互动屏幕与互动地图、变电站三维展示与虚拟现实等技术。数据可视化是可视化技术在非空间数据领域的应用，可以增强数据呈现效果，让用户以直观交互的方式实现对数据的观察和浏览，从而发现数据中隐藏的特征、关系和模式，在其他领域中可视化技术的应用已经相当成熟，它主要被用来分析数量庞大的数据情况。而在主动电网里，可视化数据展现技术还没有得以实现。其中由于数据的不稳定性和种类多而杂的特点提高了可视化的难度。
3、大数据处理技术在主动配电网中的应用方向
3.1主动配电网能量优化调度方面的应用
数据分析的难度取决于数据调度的来源性。要想提高数据储存的效率和容量，我们得面对在主动配电网中信息的繁杂性和不兼容性。由于信息存在于不同的部门和业务中，给雷平台的数据格式有着明显的差异。无论从结构和共享性、上下级的融合性上来说，信息的调度整合都比较困难。而大数据处理平台能够将不同结构数据源进行提取和整合，这样就有效的提高了电网系存储的容量和有效性。针对能量调度在主动配电网的情况下双向流动情况严重导致优化约束的难度增加。传统的数据挖掘算法，比如说粒子群的算法就不能解决实际的主动配电网的问题。而我们利用机器学习等数据挖掘算法能够减少能量调度的参与量，从而将约束条件降低达到优化主动配电网的目的。
3.2应用在主动配电网的状态分析评估方法
主动配电网的运行情况有几类关键的信息采集，其中包括电动汽车的特殊负荷时空分布特征、设备运行状况检测、短期负荷情况预测、分布式电源出力情况预测。其中，关联规则聚类系统继承了关联的分类、决策树等挖掘方法，是我们可以应对分布式电源出力的分析来关联出各类的气象数据和周围地域相异气象站的特征情况。挖掘分布式电源出力的情况不是稳定的，它的概率情况随着分布式电源出力的变化而改变。由于主动配电网中用户能量双向流动的特点，绝大部分用户安装了智能电表，积累了海量的用采信息。基于现有海量用采数据，采用大数据聚类分析方法对用户负荷按照稳定模式、波动模式、随机变化模式等进行分类，其次运用关联分析技术构建天气、日期等影响因素与负荷的关联关系，最后利用回归决策树分析方法，建立基于知识学习和规则挖掘的智能预测系统，用以提升短期负荷预测精度。
3.3主动配电网保护控制方面的应用
主动配电网系统的稳定性和安全性需要得以保护。在配电网中数据的大规模介入和双向流通导致了配电网的随机性，并且配电网的运行方式和拓扑结构随着主动运行和管理要求的多样性也呈现出方式和结构的灵活性。主动配电网中保护测量信息具有多源、多时间尺度的特点，因此，配网保护量测数据的自动关联与统一描述方法将是一个重要的研究方向。同时，多源多时间尺度数据的有效利用需要结合不同任务需求(如保护定值调整、快速故障诊断)，兼顾多种数据分析任务的准确性与时效性。在故障特征分析方面，需要对海量、多源的历史故障录波数据进行深入挖掘，分析不同场景下主动配电网的关键故障特征，进而研究基于故障信息反馈的配网保护控制方案。
4、结语
主动配电网的未来发展趋势是朝着更加强大的数据分析、更加直观实时的数据观察的智能化道路发展。电力领域的大数据技术稳定性、经济型和发展性都得到了很大的提高，但是在数据的及时性和保护方面仍然有很大的提升空间。
参考文献
[1]董朝阳，赵俊华，文福拴，薛禹胜•从智能电网到能源互联网:基本概念与研究框架[J]电力系统自动化，2014（01）
[2]智能配电网大数据应用需求和场景分析研究[J]电力系统装备化，2017（06）
[3]刘科研，盛万兴，张东霞，贾东梨，胡丽娟，•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(02)
论文作者:胡晓祥
论文发表刊物:《基层建设》2019年第11期
论文发表时间:2019/9/2
标签：数据论文; 技术论文; 主动论文; 配电网论文; 分布式论文; 情况论文; 电网论文; 《基层建设》2019年第11期论文;