物聯網和大數據技術在提高配網供電可靠性中的應用

洪立瑋

（國網冀北電力有限公司廊坊供電公司，河北 廊坊 065000）

受降低一般工商業電價和電量增速放緩等因素影響，供電企業面臨著前所未有的壓力，這就要求企業在開拓市場、挖潛增效上下大力氣，不斷拓展產業鏈、創新鏈、價值鏈，不斷把“三型兩網”世界一流能源互聯網企業建設推向更高水平。配電網作為直面用戶側的最底層環節，其供電質量直接影響供電企業的企業形象和用戶體驗，是提升企業品牌影響力至關重要的一環。

1 現有網絡數字化改造原則

對于中國電力企業而言，資產規模隨著近幾年經濟發展而飛速擴張，但電力資產分布情況復雜、變動頻繁使得資產信息的維護變得更加困難，很多地方電力部門在現有技術條件和管理體制下很難做到資產“賬、卡、物”的嚴格一致，特別是配電網中情況尤為嚴重。

在數字化改造中，配電網由于其具有網絡復雜、分散且易變得特性，不宜采取同主網相同的集中控制策略，為了在保證控制成本的前提下實現數字化融入，需要遵循以下原則。

1.1 配網結構拓撲化

由于配網設備相對簡單但線路復雜，對網絡的監測無需采取全覆蓋，僅針對重要節點和關鍵線路進行數據采集，以節點和節間連接線的方式對配網進行組態，完成整體配網結構的拓撲連接，拓撲的網絡形式在網絡發生變動時也能夠更容易的進行網絡更新。

1.2 監控節點分布化

配網線路監控設備受網絡分散的影響無法做到數據集中收集，每個節點獨立運行并與區域數據中心通信，單獨節點僅實現數據收集功能，分析與存儲功能在區域數據中心實現，將每個節點的功耗和故障可能性降到最低，同時單個節點的故障不會影響系統整體運行，進而提升整體監控網絡的魯棒性。

1.3 配網數據邊緣化

配網數據最終要接入主數據庫，但相比主網數據，配網數據量大且重要性相對較弱，因而可以采取邊緣化方式，邊緣控制節點可以利用計算機、路由器、專用網關等對所屬該區塊的所有設備進行數據分析和控制，大大降低了數據中心的帶寬需求和數據吞吐壓力。

1.4 數據結構統一化

為了讓系統間互聯互通采取統一的數據模型和接口，做到數據一次采集，處處可用，避免了對同一實體的多次重復采集；數據采用分層管理，分布式存儲的方式，各數據中心可相互備份，避免冗余，提高數據安全性和存儲效率。數據存儲分層結構圖如圖1所示。

圖1 數據存儲分層結構圖

2 數字化電網數據資產管理

電力企業在進行電網規劃、檢修和改造時會生成大量數據，這些數據一般以圖紙、說明書和電子文檔的形式儲存，某項工程結束后，相應數據就被歸檔擱置，很難再次利用，如果某項工程進行過多次修改還很有可能將不同時期的數據混用造成數據與實際情況偏離的情況。各業務部門數據層級不統一，數據類型不一致導致數據難以融合，挖掘難度巨大。為此需要建立統一的物聯網管理平臺，建立統一的數據模型和接口規范，規范數據存儲層級，涉及到不同業務部門和監控范圍時可以采用分布式儲存、分區分級控制和邊緣化處理，實現監控廣覆蓋，數據全共享，系統全聯通。對收集到的數據進行分析挖掘，找尋內在聯系和規律，推進設備狀態預測模型訓練，挖掘電力用戶潛在需求。

資產管理系統采用自頂向下的設計模式，各級數據中心提供接入框架和數據接入規范。下層設備僅需按照接入協議連入系統而無需關心品牌型號。系統總體分為感知層、邊緣節點、存儲層和應用層。其中，應用層提供數據呈現和數據挖掘，其數據模型消費者為公司決策層、發展建設部、營銷部、調度中心等部門，為其提供全景數據呈現和數據預測模型輸出，用以支撐電網規劃、風險預測和業務擴展；感知層提供設備運行狀態，其數據模型可以為輸電運檢、變電運檢、配電運檢相關人員提供設備狀態以提高故障排除效率；邊緣節點可以反映某區域電網運行情況并預測可能發生的威脅電網安全生產的隱患，為運維人員和各變電所管理人員安排設備檢修周期提供了有力的數據支撐；存儲層為各業務開展的基礎，其特點為分層分區，適度冗余，保證安全。

在電網建設層面，數字化思想應貫穿始終，傳統的電網建設流程為規劃—設計—建設—運維，而數字化往往是在交付后才進行的工作，這導致數字化前后銜接不暢，原本前期很容易完成的功能到交付后可能會因為缺乏空間、缺乏相關配件等原因導致改造費用加大，設備運行可靠度降低。

3 大數據運維和數據挖掘

數據的采集是為了服務生產，在數據應用階段，可以根據數據的用途分為實時數據、預測模型數據和挖掘模型數據。

3.1 實時數據

該類數據為最基本的原始數據，其反應設備或環境變化的狀況，如電纜接頭溫度、隧道煙霧、電壓電流等，具有較高的實時性，對于反映設備本身缺陷和外力破壞等突發狀況尤為重要。

3.2 預測模型數據

設備狀態受內部因素的外部因素共同作用，內部因素為設備本身制造工藝決定，與設備使用時間和老化程度有關；外部因素為設備維護狀況，氣象條件，外力破壞等。通過對實時數據的積累和設備運行狀況的監測，結合外部數據進行相關耦合可以推導出設備在某段時間后可能達到的狀況，進而預測故障，為運行單位制定維護計劃，采取應急措施提供支撐。

3.3 數據挖掘模型

實時數據和預測模型都是數據的短期應用，時間跨度相對較短，多用于故障排查和維護。對于數據中蘊含的更深層次的信息，需要采取數據挖掘技術才能發掘數據資產的更多價值。例如根據不同時間段的網損率結合當地產業結構和配網拓撲分析是否存在盜電的情況；通過當地歷年負荷增長率結合當地政府產業發展政策模擬幾年后負荷增長需求，用以優化電網結構，盡早規劃電源等。

4 結束語

從配電網絡信息化展開，以全壽命周期管理的視角闡述了傳統電力設施數字化的主要方法和實施要點，這將使原有的“定期檢查，故障后排查”的運維方式逐漸轉變為“按需檢查，危險預警”的方式，在大大減少人力成本的同時還能顯著提高配網系統運行安全。