智能配电网大数据应用技术与前景分析林友权

林友权

摘要：随着我国信息技术水平不断提高，电力企业的智能配电网也走向了自动化、互动化。将智能配电网和大数据进行有效结合，可以切实提高电力服务水平、促使电力企业运行系统更加完善。本文提出了智能配备电网大数据现状，进一步分析了大数据的应用技术，探讨了智能配备电网大数据应用技术的前景。

关键词：智能配电网；大数据；技术；前景

一、智能配电网大数据应用现状

目前智能配电网的信息化水平不断提高，与互联网之间的融合程度也再不断加深。电力企业测量体系内部累积了庞大的数据量，包括客户的用电数据、调度运行数据、GIS数据、检测数据等。此外，测量体系外部也存在诸多数据，包括企业相关数据、市场相关数据、客户相关数据等。除电力企业内部数据外，外部也有一些潜在的数据源，包括互联网数据、GPS数据、公共部门数据库中所提取的数据，这些都能供大数据开发和利用。

根据不同的数据来源，可将智能配电网大数据分为三类：第一类电力企业测量数据；第二类电力企业运营数据；第三类电力企业外部数据[1]。这三类数据相互结合，相互作用（具体见图1），共同致力于智能配电网的发展。比如人口大量迁徙将直接影响到用户用电量，电网的建设规模及运行方式主要依据用户的用电情况，将用户用电数据和电网建设数据进行综合分析，为电力企业制定营销策略提供参考。

我国的电力企业在智能配电网数据应用中主要是对电力企业量测数据的应用，而对这三类数据之间的影响还没有进行深入研究。此外，对于电力企业量测数据的研究也没有彻底开发出其利用价值，还有待深入开发。就目前而言，我国的电动汽车行业正处于飞速发展，所以分布式电源的建设必然会成为一种趋势，这就为智能配电网的大数据提供了更多的数据信息，促使智能配电网中蕴含的价值被充分挖掘。

图1智能配电网大数据分类

二、大数据应用技术分析

（一）大数据收集技术

对于各种应用大数据的行业来说，应该采用分布式架构进行数据采集，对于不同的客户群体具有针对性的统计，这样不仅能使相关数据具有规律性，而且对于非结构化数据也能达到良好的处理效果。相较于传统单一的数据采集方式而言，大数据信息的收集来源更为广泛、渠道更为便捷，有效节省了人力和物力。传统收集信息主要依靠人力通过市场调研等方式收集信息，这就导致收集的信息具有局限性、片面性，此外由于人为因素也会导致信息的准确性降低。在智能配电网中应用大数据信息技术可以促使电力数据得以充分优化，从而提高智能配电的服务水平。

（二）大数据解析技术

大数据解析技术主要包含了数据解析和数据分析两方面内容。通过对多种数据类型的研究，探究各数据之间的潜在关系，筛选出有用的信息。系统性管理大数据智能配电网中的大数据，将其每个数据集看做是一个子系统，通过各个子系统之间的结合，产生超于子系统数据相加得到的信息，在融合之后提炼出根骨价值的数据信息[2]。为了提高大数据分析结果的应用程度，在分析时就应该注重对大数据的充分解读。即对大数据本身的数据资料进行深入分析，通过多层面的剖析和多方面展示，将分析结果应用到具体行业当中。由于解读过程和数据分析是同时进行的，所以也可以将数据解读看做是数据分析的一种特殊方法。下面我们分析了两种大数据解析方法：

1、过程挖掘。即以构建事件数据和处理模型之间的联系为目的，将事件数据有效转化，达成一种见解，这个见解存在重要的使用价值。在以往的工作流程管理和业务流程管理中，模型驱动是一种重要的管理模式，但是其缺少完善的事件信息。在进行数据分析时，过于追求简便的分析方法，忽视了各端之间的业务模型。但是采用过程挖掘技术，可以有效避免这一问题，促使业务和实践数据之间合理的融合到一起。

在系统或群体特定的情况下，其中包含了诸多的相关事件，通过对这些事件的分析可以找出人群特征，探索出系统发展趋向，这样就能从事件数据中挖掘出模式化轨迹，形成一个规范的模型。如图2所示，如果事件数据偏离模式化轨迹，就要根据规范化的模型找出偏离的原因，再通过对模型不断引导、修正使其重新进入到模式化轨迹当中；如果现实出现异常情况，将其与规范化模型进行统一检测，为异常行做决策提供参考数据。在智能配电网中，采用过程挖掘方式可以有效引导用户错过用电高峰期，为用户提供合理的用电方案，帮助用户检测用电异常，同时提高电网管理水平[3]。

图2过程挖掘技术中模型化行为和观察到的行为匹配图

2、数据可视化

数据可视化主要在于将数据库中的各种数据以单个图元的方式进行定义，使数据更加形象化，从多个维度观察数据，进行深入分析和观察。从逻辑维度、空间维度、时间维度等多方面构建出多维数据立方体视图[3]。如图3所示。这种视图将数据根据时间、空间、逻辑为交叉节点，使数据更有层次的展示出来，提高了数据的精准性。通过对不同数据技术进行解析与可视化技术进行紧密结合，可为智能化电网提供多钟后服务。首先，出具完整的配电网数据集，使高维数据的发展趋势能够呈现动态的表现形式，同时还可以准确评估数据资产，有效对数据降维，为业务部门或者用电客户选取有效信息；其次，根据用户的兴趣淘汰没有价值的信息，选出符合用户意向的内容，并将这些内容细节化；最后，对配电网发展过程中不确定因素进行预测，实施宏观展望。总而言之，数据可视化不但可以有效分析数据，还可以将数据结果展示出来，它更加直观的展现出智能大数据在配电网中的应用方式和价值。

图3多方面构建出的多维数据立方体视图

（三）大数据存储和处理技术

通过对大数据存储以及处理的关系进行分析，可以将其分为流处理个批处理两种处理技术[4]。通常在进行流处理时，采用的是流计算技术，这种技术主要应用于实时性高的配电网业务中；而批处理是指将问题归类处理，再针对问题采取应对措施。它改变了传统的通过数据逐级推算的繁琐过程，建立了由计算直接到数据的模式。

三、智能配电网大数据应用前景

首先，将大数据应用到智能配电网中可以有效降低网络损耗，实现智能用电。由于大数据可以对配电网的用电规律进行有效分析，进一步预测出用户的用电需求，并根据用户的不同需求制定出与其相适应的用电方案。这样可以使电力系统运营成本降低，实现科学调电、合理发电；其次将大数据应用到智能配电网中可以优化网架规划，使网架间建立关联性，改善传统网架结构的迟延、模糊不清等缺陷；最后将大数据应用到电网中可以促使驱动电网创新管理，实现高效智能的存储数据、查找数据、分析数据。由此可见，将大数据技术应用到智能配电网中，可以有效提高智能配电网的市场价值。

结束语

综上所述，电力企业要想持续稳定的发展，就要对智能电网内、外部的所有大数据进行科学管理，并建立一套健全的战略管理体系，加强对电网运行情况的监督，及时发现电网出现的问题。将大数据应用到智能配电网中对电网正常运行起着重要作用，所以企业应该加强对智能配电网大数据技术的研究，将企业的相关数据资源进行整合并应用到智能配电网的大数据中，建设出数据驱动型的智能配电网。但是，在实际操作过程中，还应注意数据共享和隐私保护的问题，避免引起不必要的纠纷。

参考文献：

[1]高江敏.智能配电网大数据应用技术与前景分析[J].华东科技：学术版，2016（11）：243-243.

[2]肖祥.探析智能配电网大数据应用技术与前景[J].电脑编程技巧与维护，2016（12）：59-60.

[3]张健，徐强.智能配电网大数据应用及实践研究[J].低碳世界，2015（35）：4-5.

[4]艾文渊.智能电网大数据技术发展探索[J].数字技术与应用，2016（10）：255-256.