配用電大數據應用綜述*

張鐵峰，梁思博，顧建煒

（1.華北電力大學電氣與電子工程學院，河北 保定071003；2.杭州供電公司，杭州310009）

0 引 言

考慮經濟社會發展對用電需求的增強，結合電網的新趨勢和國內電網發展的現實情況，國家電網公司提出建設具有信息化、自動化、互動化特征的堅強智能電網戰略［1］。作為智能電網的重要技術支撐，自動化、控制及信息與通信技術對中國電力工業的價值貢獻正處于量變到質變的關鍵時期，其本質是這些技術與電力運營、生產的深度融合，其最終表現形式將是電力數據的爆發性增長。對于電力行業而言，電力大數據將貫穿電力工業生產及管理等各個環節并起到獨特而巨大的作用。這是中國電力工業未來有效解決資源有限、環境壓力等問題，實現可持續、經濟和安全電力供應的關鍵［2］。

智能配電網信息化、自動化、互動化水平的提高以及相關技術應用推廣［3］，使得大多數城市擁有多種電力相關的系統，主要有：配電自動化系統、生產管理系統、用電信息采集系統、配變負荷監測系統、負荷控制系統、營銷業務管理等系統［4］。由此電力企業積累了大量數據，如用戶用電數據、企業管理數據、移動設備產生的以及公共服務部門提供的數據等，這些數據可供企業挖掘利用以支持運營決策，而這些數據來源廣泛、關系復雜、粒度不一、結構多樣且生成快速，具有明顯的大數據特征。

針對配用電的大數據，論文就相關概念，技術及應用進行了全面綜述，以為未來配用電大數據的發展應用提供參考。

1 配用電大數據

聚焦電力大數據，通過采集而來的數據進行系統性和戰略性的分析可以為電網運行各環節提供更為豐富的反饋，這有助于修正和加強電網規劃與運行，反映電網運行及發展進程［5］。而將這些數據進行實時有效處理有助于 “新知識”的發現［6］，其分析結果對于大量業務創新并對改善決策質量有積極意義。隨著“三集五大兩中心”業務的推進，智能變電站系統、現場移動檢修系統、測控一體化系統、GIS（geographic information system，GIS）［7］系統、智能抄表等配電自動化業務的建設，以往數據類型較為單一、增長緩慢的情況將發生轉變，逐漸步入到由異構數據源廣泛存在和驅動的時代。

1.1 配用電大數據的來源

配用電大數據主要來源于三個方面，配電自動化、配電管理系統和用電需求側管理。其中配電自動化及管理系統是進行配電網監控、運行管理的重要部分［8］。目前與之相關的應用系統有許多，它們之間都有著天然的業務聯系，存在大量信息交換。換句話說，配電自動化及管理系統將調度自動化系統、生產管理信息系統（PMS）、電力營銷系統和計量自動化系統等信息高度集成。如圖1所示的高級配電自動化架構存在大量的多源異構數據。

圖1 高級配電自動化架構Fig.1 Advanced distribution automation architecture

配用電大數據的另一個主要的數據來源是需求側管理。電力需求側管理理念已經越來越多為人們所接受，其協調各方利益、降低能源成本和實現效益最大化［9］。內容包括負荷監控和管理與遠方抄表和計費自動化兩方面。負荷監控和管理根據電力系統負荷特性，改變電力需求在時序上的分布，減少日或者季節性的電網高峰負荷，達到提高電網運行可靠性和經濟性的目的；而遠方抄表和計費自動化利用公用電話網絡、負荷控制信道等方式自動采集用戶電表數據到計算機中心處理。圖2為配用電大數據集成示意圖，配電管理系統、配電自動化系統以及需求側管理是三個主要配用電數據來源，涵蓋數據采集，處理和數據綜合應用等方面。

圖2 配用電大數據集成示意圖Fig.2 Schematic diagram of integrated distribution and utilization big data

1.2 配用電大數據的發展

在過去的20年中，數據在各個領域都大規模地增長。2011年某國際數據公司在一份報告中指出，全世界創造和復制的數據量為1.8ZB（≈1021B），五年內增加了近九倍［10］。這個數字將在不久的將來至少每隔兩年翻一番。此外，大數據也帶來了有關發現新價值的機遇，幫助我們獲得對隱藏價值的深入了解［11-12］。當然同時也迎來了新的挑戰，如：如何有效率管理和組織這樣的數據集并發現隱藏在各數據集之間的內在價值。

早在2001年已經有機構給出大數據的定義。某國外公司的分析師在一份研究報告中，定義了挑戰和機遇所帶來的不斷增長的3Vs模型數據。也就是說，數量、速度和類型的增加。而在2010年，Apache Hadoop這樣定義大數據：“在可接受的范圍內的普通計算機不能被捕獲、管理，并且處理的數據集。”在這個定義的基礎上，2011年5月一家全球性的咨詢機構，公布大數據是下一個創新，競爭和生產力的前沿領域。大數據是指它無法由傳統的數據庫等軟件獲取、存儲和管理的數據集。

從目前應用來看，配用電數據分析的很多應用已經充分體現出大數據的優點。文獻［13］指出，通過對來自智能電表的大數據進行有效分析，可以幫助電力運營部門更好地了解用戶用電行為。文獻［14］提出基于k-means算法云計算平臺的居民用電行為分析模型，提供用戶個性化服務。在文獻［15］中，國外研究人員通過捕獲的智能電表數據建立分析模型，揭示了居民光伏發電裝置和天氣變化等諸多因素對低壓供電點的影響。在國外，某公用事業公司通過智能電表和大數據分析，讓分時動態電價成為可能。智能電表的利用和智能電表數據實時采集技術的發展使電網獲得海量數據來更好地定制服務。

國內的電力大數據工作也在有序開展，國家電網公司自2012年以來啟動了多項智能電網大數據研究項目，其中“智能配用電的技術體系及仿真基礎性問題研究”由中國電科院和南瑞集團公司承擔，已于2015年10月驗收。江蘇省電力公司于2013年初率先開始建設營銷大數據智能分析系統，開展了基于大數據的客戶服務新模式。國家科技部2014年下達了3項863項目，支持智能電網大數據研究［16］。國家863計劃項目《電力大數據在輸變電設備狀態估計和配用電中的應用》之一的“智能配用電大數據應用關鍵技術”由國家電網公司作為課題承擔單位負責申請，中國電科院等10余家單位作為協作單位參與，也在2014年末完成了方案論證答辯。2015年中國南方電網有限責任公司也啟動了“配用電大數據信息模型與體系架構研究”。

1.3 配用電大數據的特點

配用電大數據的特征可以概括為4“V”和3“E”。其中4“V”分別是體量大（Volume）、價值密度低（Value）、類型多（Variety）和速度快（Velocity）［17-18］，這是一般大數據所具備的基本特征。3“E”［19］是電力大數據獨有的特點，分別是數據即能量（Energy）、數據即交互（Exchange）、數據即共情（Empathy）。另外，智能電網數據處理過程中，對數據質量有一定的要求。為此，大數據強調數據的真實性。真實性是指在數據的可信度、適用性、噪聲、偏差和異常等質量方面的特性［20］。

2 大數據相關技術

2.1 云計算

智能電網環境下狀態數據量遠遠超過傳統電網監測的數據。而電網狀態監測與診斷主要側重單臺獨立的設備，數據無法共享，無法進行統籌分析［21-22］，形成“數據豐富，知識貧乏”的現狀。常規的數據存儲與分析方法無法解決這些海量的、異構的狀態數據。而云計算技術使得解決上述問題成為可能。文獻［23］詳細闡述了智能電網環境下應用云計算平臺的情況。

2.2 物聯網

在物聯網模式下，數量巨大的傳感器被嵌入到各種設備。不同領域的傳感器可以收集相應數據，如環境數據，地理數據，天文數據和后勤數據。移動設備，運輸設施，公共設施以及家用電器都可以是物聯網數據采集對象［24-25］。物聯網的發展也推動大數據時代的來臨。其中，文獻［26］探討了未來智能電網控制中心將會面臨的挑戰，提出物聯網和云計算技術結合可為新型控制中心提供技術支撐。

2.3 Hadoop

目前，Hadoop［27］廣泛應用在工業大數據領域，它已經成為重要的并行處理架構之一。文獻［28］針對智能電網狀態監測的特點，結合Hadoop，借助虛擬化技術、分布式存儲以及基于列存儲的數據管理模式來存儲和管理數據，以保證電網海量狀態數據的可靠和高效管理。已有課題組在實驗室中搭建了Hadoop云計算實驗平臺，設計實現了基于Hadoop的電力設備狀態監測存儲系統［29］，并對系統進行了測試，驗證了云計算平臺的高可靠性、良好的可擴展性和數據并行訪問的性能優勢。根據這些實驗，可以看出松藕合將被越來越多地應用到研究電子云，以及并行編程技術（MapReduce）的并行處理框架［30］，以更少的成本為用戶提供更為便捷的服務接口。如圖3所示，這是一個典型的配用電大數據處理路線。通過傳感器以及其他部門收集而來的電力數據和非電力數據，經過數據集成與融合，數據儲存和管理，數據分析三步，最后應用于實踐，形成“知識庫”供給各業務部門利用。

圖3 配用電大數據處理路線圖Fig.3 Road map of distribution and utilization big data processing

2.4 電力運營駕駛艙技術

進入21世紀以來，電力行業內開始研究新一代調度自動化系統，電力運營駕駛艙技術應用而生。該技術主要利用信息共享［31］，強調優化決策、預警預控、可視化技術等，提出建設基于各類安全指標的電網實時安全預警系統，并采用人工智能的智能機器代替工作人員，推進一體化管理、決策、智能可視化等應用方案。

駕駛艙以數據多維度、多層次展示為核心，按照各層級管理者自身崗位業務需求自動采集各專業系統的數據，由駕駛艙對數據進行數據挖掘分析，對異常關鍵指標做出預警，通過將數據更直觀地提供給電力運營人員，進一步提升電力企業各層級管理人員管控和決策能力［32］。數據駕駛艙使用各種常見的圖表（速度表、音量柱、預警雷達、雷達圖等）形象地以駕駛艙的形式展示運行的關鍵指標，直觀地監測電力企業運營情況，并對異常關鍵指標進行預警和挖掘分析，以幫助運營人員更好進行決策。業務決策模塊位于分析系統的頂端，底層是生產系統、在線監測系統、和其他專業系統，這些數據通過駕駛艙設定的數據接口調取各專業系統的數據庫，將數據抽取、轉換后存儲至數據倉庫中。文中提到的數據駕駛艙是基于此數據倉庫，在此基礎上進行在線分析，數據挖掘和報表處理。數據駕駛艙構架如圖4所示。

圖4 數據駕駛艙架構Fig.4 Architecture of the data cockpit

3 配用電大數據的應用與展望

智能電網的最大特點是電網中的電源及用戶和信息技術的結合［33］。基于智能配用電大數據應用，可為配電企業制定措施提高運營水平提供決策依據，最終在節約電網投資，提高資產利用效率，提高電網可靠性和經濟性，改善用戶體驗，提升企業社會形象方面發揮作用。通過對這些海量數據進行有效挖掘分析，電力生產供需管理將變得更為靈活有效。

3.1 大數據在配用電業務中的應用展望

3.1.1 協同調度

過去，前期規劃與運行調度所用的完全是兩套基礎數據，彼此不貫通不兼容。導致電網進入運行階段后難以完全達到規劃階段預想的目標。而電氣部分的數據也難以完全符合當前實際情況。因此，迫切需要建設統一的大數據管理，支撐規劃業務與生產運行業務融為一體，無縫銜接。通過對用戶的用電行為特征進行分析并建立基于大數據的用電預測模型［34］，得到更高精度、更細粒度的預測結果，實現負荷精準調度。

3.1.2 數據驅動的新型技術

隨著智能電能表的普及以及用電數據采集自動化技術的提高，形成整合抄表系統的高級配電自動化系統（Advanced Distribution Automation，ADA）［35］，如圖5所示。該系統近幾年積累的這些海量用電數據為研究“數據驅動（Data-Driven）”［36］的用電預測技術提供了很好的數據基礎。如，可根據不同用戶對象的用電數據在采集頻率、數據真實性等方面的差異性，研究兼容不同時間尺度數據的用電預測技術，以最大程度利用所采集的數據資源。

圖5 整合抄表系統的高級配電自動化系統Fig.5 Advanced distribution automation system of the integrated metering system

3.1.3 智能用電

不同用戶在負荷特性、用電理念和節電策略之間存在較大差異，導致了多樣的用戶用電行為模式［37］。而分布式能源以及電動汽車等新型設備的接入也將加速這種多樣性的發展。從用戶的角度，了解多樣的用電行為模式有助于為其量身訂制經濟合理的用電方案。目前，虛擬發電廠（Virtual Power Plant，VPP）是對大規模新能源電力進行安全高效利用的有效形式。利用新能源電力與傳統儲能裝置集成的模式，能夠在智能協同調控和決策支持下對電網呈現出穩定的電力輸出，為新能源電力的安全高效利用開辟新的路徑［38］。如圖6所示，應用大數據技術可以采集并分析處理區域中各對象的數據，如分布式發電設備的發電量和運行效率并能對這些數據進行有效的檢索和調用［39］。

3.2 配用電大數據技術的應用難點

3.2.1 面向高頻、實時、多源和異構的配用電大數據處理的實時性

對于高頻、實時、多源和異構的配用電大數據的高效管理，目前缺乏異構數據的一體化信息模型、元數據規范與統一轉換格式的準確定義，無法對配用電大數據進行高效的集成與融合，因此需要提出可擴展的，適用于多源、多層異構數據的融合技術。

未來智能電網環境下，各運行環節都離不開數據的實時處理。短暫的網絡擁塞，甚至單臺服務器故障都可能影響云計算系統提供的快速服務而不能滿足其時間響應。目前電力系統已經開始使用內存數據庫，以提高實時性［40］。另外，有研究表明，正常運行的SCADA系統接收到監測信息延時如果超過50 ms，可能會導致錯誤的控制策略［41］；還有研究表明，TCP協議進行流量控制和數據糾錯而造成數據傳輸的延遲是Internet環境下SCADA系統中最普遍的TCP/IP協議故障的原因［42］。未來智能配電網需要解決即使節點出現故障的情況下，也能實時地響應。

圖6 智能配電系統的通信和控制設施Fig.6 Overlay of communication and control infrastructure on smarter distribution system

3.2.2 異構多數據源整合

根據配用電大數據的異構、海量特點，以及典型業務應用的數據訪問模式，研究可擴展、高可靠、高效率的配用電大數據管理技術。針對不同來源的配用電數據以及外部非電力數據在數據規模、結構化特征和價值疏密程度等方面的差異性，研究適合于配用電結構化、半結構化、非結構化數據的優化存取、高效查詢以及數據清理［43-44］。實現減少數據冗余，提高數據共享的目標。

包括配電自動化系統在內的電網各系統大多是各自為政分頭規劃，導致信息與資源不能共享，上下級間縱向貫通困難，形成信息孤島［45］。而采用云平臺管理智能電網異構多源信息，可實現這些分散孤立系統之間的信息互聯。面對電網基礎設施增加且分布在各地的現實，如何有效率的管理這些基礎設施并處理異構數據，減少電網成本將是一個巨大的挑戰。

3.2.3 適用于不同結構特征配用電大數據的態勢感知與知識提取技術

大數據分析技術需要有具體的應用目標，結合所處理數據的類型、規模和結構等特征，以提出與之相適應的分析方法。對于配用電大數據而言，其應用目標是多元的，包括對于配電網健康狀態的診斷、對于配網運行的分析等，需要提出具有適應性的大數據基礎分析方法；除了要研究面向海量結構化數據的高效處理技術，包括經典的模式識別、聚類分析與特征提取技術等［46］，也要研究面向半結構化、非結構化數據的知識提取技術，以滿足配用電大數據的高速檢索、實時計算等技術要求。

4 結束語

在信息化時代，“數據”的能量是巨大的，它已經成為驅動社會創新、機制變革、能力提升的重要力量。因此，有充分的理由相信，基于“配用電大數據”，電力企業一樣能夠嘗試從數據中學習更多的知識，可以更廣泛、深入、準確地把握配電網可靠性、經濟性的關鍵影響因素，實現更精細化的需求側管理和優化響應機制，進一步優化配電網架和運行方式，大幅度提高電能輸送效率和設備資產利用率，提高智能配電網的可靠性，逐步構建良性互動機制。當前，配用電大數據技術應用處在初級階段，其未來值得期待。