符佳宏

【摘 要】隨著“互聯(lián)網+”時代的到來，各行各業(yè)都在利用大數據來進行分析。其中，智能電網和大數據的關系也日益密切。為了能夠建立起完善、穩(wěn)定的智能電網，就需要我們正確、合理、高效地使用大數據。本文闡述了智能電網大數據的特點，以及一些相應的數據采集辦法，如流式數據采集、數據庫采集、文件采集等，同時給介紹了一部分較成熟的數據挖掘辦法。同時，提出了大數據在智能電網中的一些應用前景。

【關鍵詞】智能電網，大數據，數據采集，數據挖掘，分布式，智能電網大數據應用

引言：

最近幾年，隨著全球氣候變暖和石能源的日益緊張，世界各國為了建立穩(wěn)定且高效的供電系統(tǒng)，都開展了建設智能電網的工作。在中國，智能電網主要是以特高壓電網為骨干網架、各電壓等級電網共同協(xié)調運行的電網為根本，同時，利用各種信息處理技術，結合大數據挖掘與分析，構建一個以信息化、數字化、智能化的供電系統(tǒng)。該供電系統(tǒng)包括發(fā)電、輸電、變電、配電、用電及調度等諸多環(huán)節(jié)。為了能夠保障該系統(tǒng)穩(wěn)定、安全、環(huán)保、自愈運行的基礎通過智能電表對整個電網實時數據的采集、存儲、傳輸、分析和決策。

隨著電網智能化的日益發(fā)展，這就要求電力部門在發(fā)電、輸電、變電、配電、用電及調度這幾個重要的環(huán)節(jié)部署能夠進行數據采集的智能電表及進行數據分析的智能管理系統(tǒng)。

“智能電網”一詞之所以備受世界矚目，主要原因是當年奧巴馬在競選總統(tǒng)時，把“智能電網”這一戰(zhàn)略作為重要的施政綱領提出，并于2009年2月決定給發(fā)展智能電網提供110億美元的預算支持。兩年之后，大數據的概念被提出。于是電力部門的管理者看準了這個時代新風向，于2013年由中國電機工程學會信息化專委會發(fā)布了《中國電力大數據發(fā)展白皮書》。從此，智能電網和大數據的融合便成為了大家關注的焦點。

一、智能電網大數據及特點

大數據通常要求滿足以下特征：多樣性（variety）、速度快（velocity）、體量大（volume）、價值大（value），這4個特征簡稱為“4V”。隨著智能電表的普及，現(xiàn)在我們已經能過獲得到體量極大的數據，但是這些數據還面臨這價值不高、更新速度較慢、分類混亂等問題。這就要求我們能夠很好地利用統(tǒng)計上的方法，對這些數據進行分類、挖掘。發(fā)現(xiàn)其中潛在的價值。

二、智能電網的大數據處理方法

（一）數據采集

因為智能電網的數據具有數據體量大、數據種類繁多、數據關聯(lián)性較低等特點，這就要求我們在數據的采集階段要有針對性地進行采集。為了后續(xù)分析處理工作的開展，我們要根據不同的數據類型選擇不同的采集方法?，F(xiàn)階段智能電網數據的采集主要有一下三種：

（1）流式數據采集

這種辦法主要采集供電系統(tǒng)內的設備監(jiān)控日志、采集報文等數據，來進行分布式的采集、聚合以及傳輸。

（2）數據庫采集

這種辦法主要將關系型數據庫內的有關聯(lián)的數據抽取到分布式的存儲系統(tǒng)當中。

（3）文件采集

這種辦法主要是對數字錄音帶、純文本形式存儲表格數據等文件，先進行標準化之后，將文件接入分析系統(tǒng)。

三、智能電網的大數據分析方法

數據的分析與挖掘是對收集來的數據進行處理的最關鍵性的工作，由于智能電表采集來的數據種類繁多，且變化速度快，因此對數據的快速分類和標準化是必要的，否則處理的數據將失去時效性。因為以上特點，以前通常使用的分析大數據的方法很難再適用，這就要求我們適用改進的分析方法來對數據進行挖掘。目前使用較多的分析方法有：主成分分析法、K均值聚類法、C均值聚類算法、分類決策樹算法、深度學習算法、Spark-FCM算法等。

尤其對于深度學習算法，我們可以通過建模來完成特征選擇、參數選擇、模型集成等多個流程。在聚類分析中，我們可以由聚類、關聯(lián)、回歸、分類這4個部分來進行數據的挖掘。

四、大數據在智能電網中的應用

（一）配電設備負載估算及重過載預警

現(xiàn)狀和需求：

在我國的電網系統(tǒng)中，城鄉(xiāng)結合部部分配電變壓器重過載問題致使供電“卡脖子”、低電壓、頻繁斷電等問題。電力部門發(fā)現(xiàn)可以在被點變壓器重過載現(xiàn)象頻發(fā)的臺區(qū)安裝智能電表，通過智能電表采集和監(jiān)測配電設備上的用電負荷量，由此來判斷該配電設備是否處于重過載狀態(tài)。

應用前景：

未來可以根據智能電表采集來的數據，通過分析其中用戶的用電負荷，通過大數據流處理技術，實時計算出每一個終端的用電負荷量。同時，根據電網中的數據，計算出當前時間段下，處于重過載狀態(tài)運行的配電設備以及正常狀態(tài)下運行的配電設備。再結合電網系統(tǒng)中相應的GIS系統(tǒng)，便能精確定位出處于重過載狀態(tài)下運行的配電設備的具體位置。

（二）線損計算與分析

現(xiàn)狀和需求：

在智能電表普及之前，電力部門通常都是安排人員對用戶就行抄表，這樣統(tǒng)計上來的數據不僅時效性底，而且大致相關部門不能對用戶的實時負荷情況進行預測，這樣電力部門就不能對輸電時產生的線損進行計算和處理，因此線損一直較大。此外，因為不能實時得知客戶的用電負荷，所以不能及時地發(fā)現(xiàn)竊電、漏電等行為，由此更增加了線損電量。這也是我國輸配電線損率一直高過其他各國的重要原因。

應用前景：

利用分布式存儲技術，搭建一個實時更新，電網和用戶端互聯(lián)互通的數據管理系統(tǒng)，在這個系統(tǒng)中，我們要能夠對智能電表統(tǒng)計的數據進行查詢、各參數相互之間的對比及數據異常時的報警。同時也能為相關部門在分析線損、漏電警報及竊點預警提供源數據。

利用分布式計算技術，將地區(qū)按行政等級分別來進行相應的實時線損管理與控制，同時根據不同地區(qū)，不同種類的電網配置分別進行實際線損與理論線損的對比及分析，根據統(tǒng)計的數據，運用數據挖掘，找到更好降低線損的方法。

五、結論

在大數據的時代下，隨著智能電表的普及，未來的電網的數據將會呈現(xiàn)幾何倍數地增長，大數據的分析能夠給人們對事物的全新的認識，與處理問題更好的辦法，而智能電網大數據的不斷發(fā)展一定會推動智能電網的快速發(fā)展，為我們建造智慧城市提供極大的幫助。

【參考文獻】

[1]Electric Power Research Institute. Improving electric power system situational awareness： data analytics for utilities [R].Palo Alto， California： Electric Power Research Institute， 2015.

[2]費思源.大數據技術在配電網中的應用綜述[J].中國電機工程學報，2018，38（01）：85-96+345.

[3]張根周.大數據在智能電網領域的應用[J].電網與清潔能源，2016，32（06）：114-117.

[4]趙雪松，謝蓓敏.智能電網大數據技術發(fā)展研究[J].電子世界，2017（23）：93-94.

[5]孟祥君，季知祥，楊祎.智能電網大數據平臺及其關鍵技術研究[J].供用電，2015，32（08）：19-24.

[6]王欽，蔣懷光，文福拴，梅天華.智能電網中大數據的概念、技術與挑戰(zhàn)[J].電力建設，2016，37（12）：1-10.