基于數據挖掘的電力物聯網多源業務體系研究

王曉冰 宋寶同 王方敏 李笑彤 呂風波

摘要：以大數據等先進技術思想為基礎，以電網運行更安全、管理更精益、投資更精準、服務更優質為目標，深入研究基于數據挖掘的電力物聯網的多源業務體系，提出對內對外業務體系構架，為電力企業管理、電網發展規劃、用戶優質服務提出新思路。

關鍵詞：電力物聯網;數據挖掘;業務體系

0 ? ?引言

隨著能源清潔低碳轉型的深入推進，交直流輸電規模的迅速擴大，電網復雜程度不斷提升。同時，電能消費側用戶需求復雜多樣化，用戶行為對市場電價影響進一步加深，電力市場內電能交易周期、交易方式、競爭格局等發生了顯著變化。

經過多年發展，電網已建設配電自動化和設備精益管理系統，企業運營、電網運營和客戶服務等業務領域及各層級應用初具規模，電力物聯網的應用已具有一定的基礎，其業務體系構建上仍具有一定的潛力。當前智能電網的不斷發展和智能配用電網的深入建設，使采集終端數量急劇增長，采集頻度大幅增強，電力用戶側數據呈指數級增長，且復雜程度增大。同時，隨著5G技術的日趨成熟，5G技術與大數據技術的融合將有助于電力大數據在電網狀態實時監測、新能源預測、用戶側畫像描繪、需求側響應等多個領域的應用，產生新的商業模式[1]。挖掘電網數據的深層價值，為公共服務、政策制定、企業管理提供數據支撐，具有十分重要的意義。

1 ? ?需求分析

電力數據涉及電力系統的發電、輸電、配電、用電、調度中的各個環節[2]。電力行業的數據主要來源于電力生產和電能使用的發電、輸電、變電、配電、用電和調度各個環節，可大致分為三類：一是電網運行和設備檢測或監測數據;二是電力企業營銷數據，如交易電價、售電量、用電客戶等方面的數據;三是電力企業管理數據。

根據目前的研究，電力數據主要分為客戶數據、設備數據、運行數據、管理數據和外部數據五類。除了外部數據，以星級衡量外部企業對其他各類型數據的需求度，如圖1所示，可以看出外部對客戶數據的需求量最大，其次是設備數據、運行數據與管理數據。主要原因是設備數據、運行數據和管理數據主要與電網企業自身運行管理相關，但是這些數據對外部企業來說并不能發揮較大的價值，因此需求量較小。但是用戶數據蘊含較多信息，如用戶的用能行為、能耗水平等，這些數據可以支撐相關企業開展用戶側的節能服務、能源托管服務、運維服務等相關增值服務，因此具有較大的需求量。

對公司上下游企業、科研及服務主體、其他跨領域主體（互聯網公司、金融機構等）等單位開展電力數據需求方面的調研，結果如表1所示。

2 ? ?電力數據價值挖掘分析

針對外部應用場景，深入開展電力數據的價值挖掘分析，公司電力數據外部應用場景主要包括電力用戶服務、能源企業服務、社會公共服務與商業增值服務，其中電力數據在電力用戶服務上的價值主要在需求側響應、節能改造、智能運維、智能充電、業擴報裝輔助分析、故障停電管理與用戶互動、用電行為分析等方面[3-4]，在能源企業服務上的價值主要在可再生能源消納、儲能運營、電力交易等方面，在社會公共服務上的價值主要在行業復工率、產業調整決策、經濟調控決策、城市規劃、城市管理、智慧城市等方面，在商業增值服務上的價值主要在數據空間出租、金融欺詐監測、廣告定向投放、商業布局規劃、設備入網檢測等方面。上述各類外部應用場景下的電力數據價值增長點如表2所示。

3 ? ?對內數據業務體系架構

對內電力數據價值及業務體系主要集中在電網發展規劃、電網優化運行、電網資產管理等方面，如圖2所示。

3.1 ? ?電網發展規劃

電網發展規劃工作包括負荷預測、可靠性評估、規劃方案制訂、投資效益分析等內容。

3.1.1 ? ?負荷預測與建模

為了最大限度地提高電力規劃的質量，關鍵就是要做好電力負荷預測。然而負荷預測的研究對象往往具有多樣性、復雜性、不確定性等非線性特征。傳統負荷預測方法大致可以分為統計算法和智能算法，當采樣量不大時，這種算法的預測結果非常受歷史數據的影響。大數據技術體現出了其處理海量數據的能力，為數據整合、數據存儲以及數據分析提供了良好的平臺，具有考慮的影響因素全、數據的時間跨度更長、數據的空間顆粒度更細三點優勢。

統計綜合法、總體測辨法和故障擬合法這三種建模方法都是對負荷進行建模的主要應用方法。而隨著大規模可再生能源的應用，如何更好地協調能源優化配置、接納新能源，建設供電可靠、用電和諧的新型電網成為新的研究課題。基于PMU/WAMS大數據的負荷建模框架如圖3所示。

3.1.2 ? ?電動汽車需求分析

政策支持和群眾需求的上漲，使當前電動汽車的數量急劇上升，不考慮充電站的特性，僅基于少量數據建設簡單電網模型已不再適用于當前的情況。充電站的特點在于其運行規劃和交通流量、電網容量多個主體相關：前者影響電動車用戶的充電和駕駛行為，后者影響電網的網損和用電波峰、波谷之差，甚至會影響電網的電能質量[5]。當前電動車數量的急劇增加導致充電樁的信息規模同樣大大增加，形成了充電樁大數據。大量歷史數據的運用，可為充電站的規劃運行提供支撐，減少電動汽車充電行為對電網的不利影響。

3.1.3 ? ?電網可靠性影響因素評估

我國配電網的網絡建設已初具規模并逐漸增大，電網數據中的設備運行數據、用電數據、安全管理數據等急劇增長，為大數據在電網可靠性評估中的應用提供了基礎。該方式可以更好地把控細節，有利于短期內的可靠性評估和實時電網控制。大數據可以實現配電網全天實時的信息監測和分析，通過提煉分析這些數據，有利于對電網負荷和電源出力進行可靠預測，對電網可靠性進行評估。該可靠性分析還需評價指標、調度分析、財務績效等模塊全面綜合運行。電網可靠性分析系統與數據中心的關系如圖4所示。