智能電網與大數據應用

符佳宏

【摘 要】隨著“互聯網+”時代的到來，各行各業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定且高效的供電系統，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。該供電系統包括發電、輸電、變電、配電、用電及調度等諸多環節。為了能夠保障該系統穩定、安全、環保、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展，這就要求電力部門在發電、輸電、變電、配電、用電及調度這幾個重要的環節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。

“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時，把“智能電網”這一戰略作為重要的施政綱領提出，并于2009年2月決定給發展智能電網提供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布了《中國電力大數據發展白皮書》。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計上的方法，對這些數據進行分類、挖掘。發現其中潛在的價值。

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內的設備監控日志、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的數據抽取到分布式的存儲系統當中。

（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。

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、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

現狀和需求：

在我國的電網系統中，城鄉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。電力部門發現可以在被點變壓器重過載現象頻發的臺區安裝智能電表，通過智能電表采集和監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。

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，處于重過載狀態運行的配電設備以及正常狀態下運行的配電設備。再結合電網系統中相應的GIS系統，便能精確定位出處于重過載狀態下運行的配電設備的具體位置。

（二）線損計算與分析

現狀和需求：

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，所以不能及時地發現竊電、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，電網和用戶端互聯互通的數據管理系統，在這個系統中，我們要能夠對智能電表統計的數據進行查詢、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，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展一定會推動智能電網的快速發展，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[J].電力建設，2016，37（12）：1-10.