大数据在配电系统的应用黄庆阳

大数据在配电系统的应用黄庆阳

黄庆阳

（广西电网有限责任公司南宁供电局广西南宁530000）

摘要：随着智能电网的发展，配电系统部署了众多的监控和管理系统，每时每刻都在产生大量的数据；如何应用这些数据，提高配电系统的智能化水平，既是机遇也是挑战。文章首先分析配电系统大数据的特点。

关键词：配电系统；大数据；应用；智能配用电

引言

基于配用电数据融合基础上的大数据应用研究，既是电力大数据研究的重点也是起点。配电系统具有地域分布广、设备种类多、网络连接多样、运行方式多变等特点。随着分布式能源、电动汽车的发展，用户系统的接入，配电系统的日益开放，外部因素如天气、社会经济政策、用户行为等对配电网这一物理系统的规划和运行产生的影响已变得不可忽视，使之面临更大的不确定性。用传统的物理建模分析方法，难以完全满足要求。

1配电系统大数据特点

1.1数据来源

配电网部署了众多的信息系统，包括配电管理系统、配电自动化系统、电能质量监测系统、电压和无功管理系统、各种智能电子和传感设备对资产的监测系统。为提高系统与用户的互动水平，提高电网灵活性，部署了大量的智能电表和用电信息采集系统以及用户侧系统如智能家居/楼宇/园区，这些系统与配电系统的集成，用户侧数据与配电系统数据融合，为新的配电系统技术解决方案的形成奠定了基础，所以用户侧数据也被看作是配电系统数据的组成部分。综上，内部数据来自用户用电信息采集系统、安装于配电网和配电变压器的传感器和智能电力监测装置摘要：随着智能电网的发展，配电系统部署了众多的监控和管理系统，每时每刻都在产生大量的数据；如何应用这些数据，提高配电系统的智能化水平，既是机遇也是挑战。文章首先分析配电系统大数据的特点；其次总结配电系统大数据的关键应用场景和应用价值；然后综述国内外在配用电大数据领域的重点研究成果；最后分析大数据发展面临的挑战，并提出应对措施。

1.2数据特点

配电系统设备多、监控装置多，并与众多的用户相连，产生的数据量大，结构复杂，受外部影响显著。此外，还具有如下特点：

（1）数据异构。产生数据的各个系统是为了某个专门的应用研发的孤立的系统，并不是为了大一统的目标设计的。

（2）数据采集周期、密度和所在的时空存在差异。如配电系统的SCADA采集数据是以秒为单位，而用户用电信息系统是以分钟或小时为单位。

（3）数据存在着不完整性。电网是连续运行的，但由通信系统或监控设备出现问题导致的监控失败在运行过程中时有发生，会造成数据的不完整性。

1.3数据融合

数据作为整体才能体现价值，多维度、大样本数据是大数据研究的主要对象，为此往往需要实现多源异构数据的融合。由于长期形成的竖井状管理模式，以及以某专业、某业务需求确定系统的信息系统开发模式，造成了内部数据的难以融合；外部数据的接入和融合就更为困难，一方面是因为外部数据难以获得，另一方面因为在对象描述、身份标识、时空特性以及密度方面都难以进行匹配。数据融合目前采用的3种方式是利用数据仓库、基于IECCIM（61968/61970）和基于企业总线。其中，基于IECCIM（61968/61970）实现数据的融合是现在最重要的方式。CIM是描述电力系统元件和机构的语义模型，通过CIM可以实现不同应用之间的信息交换。IEC61970主要适用于输电系统，IEC61968适用于配电系统。采用UML作为描述语言，用XML和RDF（资源描述框架）概括性描述电网，而CIMProfiles可用于定义基于CIM的一个子集、并编制具体的标准。Profiles也可以被用于将CIM扩展到满足特定的需求。就配电系统而言，需要基于IEC61968实现GIS、DMS、OMS、ERP、MDM，以及其他系统的集成。由于一些系统并不符合CIM，所以需要应用适配器，实现系统的集成和数据的融合。

2配电系统大数据的应用场景及应用价值

2.1驱动力

随着智能配用电技术的发展，电力公司部署了大量的智能电表及用户用电信息采集系统，配电自动化、电能质量监测、停电管理等系统，这些系统产生着大量的异构数据。大数据技术，包括适应大数据处理和分析的计算机技术及数据挖掘、机器学习、深度学习的进步，使配电系统大数据处理、储存和分析成为可能。基于配电系统数据，采用大数据技术，可挖掘巨大的价值，可支撑智能配用电技术的发展。

2.2典型应用场景

大数据在配电网的主要应用场景包括但不限于：停电管理和恢复、设备损害评估、负荷预测、用户行为分析、电压无功控制、设备运行效率评估、配电网低电压分析、故障定位、故障原因识别、可靠性评估、配电网自动重构、分布式能源分析、网络拓扑和相位连接分析等。限于篇幅，此处仅针对几个典型应用场景进行简述。

（1）负荷预测。利用来自用电信息采集系统、配电自动化系统、调度控制系统的全量负荷数据，对负荷进行逐层分解，同时从负荷类型、季节、区域、时段等多个时空维度，分析负荷的变化和分布规律，建立负荷特性模式库。在此基础上，加入国家、地方、产业等经济运行数据和发展规划数据，详细分析电力负荷与其他行业领域之间的关联关系，形成多因素的负荷预测方法。这种方法可以用于预测空间负荷，作为配电网规划的依据。

（2）电动汽车充电设施需求。考虑到传统汽车按一定比例替换为电动汽车后，其行驶轨迹基本相同，可根据传统汽车的历史数据，分工作日、休息日，早高峰、晚高峰等不同时段，挖掘出电动汽车聚集点、行驶轨迹，并结合道路情况，提出电动汽车快速充电、慢速充电设施建设建议。

（3）供电可靠性影响因素分析。从网络结构、设备水平、用户构成等几个方面提取与供电可靠性相关的特征，识别电网薄弱环节，结合供电区域内用户诉求和运行环境，提出提升供电可靠性的最经济的途径。

2.3应用价值

综合上述应用场景，大数据应用于配电系统的价值主要体现在如下方面：

（1）提高用户满意度。通过数据分析，可了解用户用电行为和喜好，从而帮助用户参与需求响应、提高能效；通过可靠性、低电压等特性分析，提高供电可靠性和电能质量；加强停电管理、缩短停电后恢复时间，并及时让用户看到恢复过程；通过上述应用，可提高用户满意度。

（2）支撑配电网规划和运行。通过分析配电系统设备的运行效率和供电能力，可优化电网投资和规划，提高设备利用效率；由于电表数据能更详细地记录用户用电情况，结合外部数据（政策、天气和用户情况）可以更准确地预测负荷和分布式能源发电，很好地管理设备过载、反向潮流，改进电压特性和电能质量；借助需求响应对分布式能源、电动汽车等进行管理，起到削峰填谷作用，延缓设备投资；通过用户用电信息，可以预测配电变压器、地下电缆、架空线、电压调节器是否故障；通过观察负荷情况，还可以分析预测变压器寿命。

（3）有助于信息通信系统的完善。智能配电网的发展目标依赖于信息系统的贯通，大数据研究过程中，当发现配电网IT架构不足以满足未来需求、存在数据共享障碍时，可进一步促进IT架构的完善，同时也促进了智能配电目标的实现。

结语

配电大数据应用研究面临很多挑战，包括：数据难以获取，数据融合难度较大；传统数据分析方法在应对PB级、高维数据时难以满足需求，研究基础薄弱；缺乏系统方法论指导，在大数据分析系统的架构设计、如何建立配电网大数据应用案例、将数据转化为应用价值方面缺乏经验和示范；在保护数据的隐私和方面存在风险，缺乏相关标准和准则。

参考文献：

［1］银行信息港．国网上海电力智能配用电大数据应用研究获进展［EB/OL］．2015.

［2］宝迈盛华（北京）科技有限公司.电力大数据分析平台—交互式城市电力地图［EB/OL］．2016.