大数据
Big data
在信息技术中，大数据是指无法在一定时间内，用常规的工具软件（如现有数据库管理工具或数据处理应用）对其内容进行抓取、管理、存储、搜索、共享、分析和可视化处理的由数量巨大、结构复杂、类型众多数据构成的大型复杂数据集合。大数据具有 4V 特点，即高容量(Volume)、快速性(Velocity)、多样性(Variety)和价值密度低(Value)。
智能配电网具备丰富的数据源，现在大多数地市拥有多个配电管理系统，包括配电自动化系统、调度自动化系统、电网气象信息系统、电能质量监测管理系统、生产管理系统、地理信息系统、用电信息采集系统、配变负荷监测系统、负荷控制系统、营销业务管理系统、ERP 系统、95598客服系统、经济社会类数据等数据源，这些数据源的总体状况如表 1 所示。
这些数据源涵盖了调度、运检、营销等多个管理业务，以及绝大部分 110 kV 及以下多电压等级的电网监控和采集信息。从数据源类型来讲，智能配用电大数据应用的数据源类型丰富，覆盖配变、配电变电站、配电开关站、电表、电能质量等配用电自动化和信息化数据、用户数据和社会经济等数据。
场景一
面向有源配电网规划的负荷预测
随着配电网信息化的快速发展和电力需求影响因素的逐渐增多，用电预测的大数据特征日益凸显，传统的用电预测方法已经不再适用。由于智能预测方法具备良好的非线性拟合能力，因此近年来用电预测领域出现了大量的研究成果，遗传算法、粒子群算法、支持向量机和人工神经网络等智能预测算法开始广泛地应用于用电预测中。传统的用电负荷预测，受限于较窄的数据采集渠道或较低的数据集成、存储和处理能力，使得研究人员难以从其中挖掘出更有价值的信息。通过将体量更大、类型更多的电力大数据作为分析样本可以实现对电力负荷的时间分布和空间分布预测，为规划设计、电网运行调度提供依据，提升决策的准确性和有效性。
场景二
配电网运行状态评估与预警
基于大数据技术的配电网运行状态评估与预警研究内容如图 1 所示，包括以下方面：
1）对配电网进行安全性评价，如电力系统的频率、节点电压水平、主变和线路负载率等；
2）对配电网的供电能力进行评价，如容载比、线路间负荷转移能力等。当供电能力不能满足负荷需求时，根据负荷重要程度、产生的经济社会效益以及历史电压负荷情况，进行甩负荷；
3）对配电网可靠性和供电质量进行评价，如负荷点故障率、系统平均停电频率、系统平均停电时间、电压合格率、电压波动与闪变、三相不平衡度、波形畸变率、电压偏移、频率偏差等；
4）对配电网经济性进行评价，如线损率和设备利用效率等。通过计算风险指标，判断出所面临风险的类型；预测从现在起未来一段时间内配电网所面临的风险情况；根据风险类型辨识结果，生成相应的预防控制方案，供调度决策人员参考；可以对突发性的风险和累积性风险进行准确辨识、定位、类型判断、生成预防控制方案等；依据对多源异构的数据。
场景三
有源配电网电能质量监测和评估
随着分布式电源不断地接入配电网，逐步形成了小、中、大规模的有源配电网。伴随着分布式电源的功率波动，配电网中的电能质量经受着较大的冲击。通过收集配电网中的运行数据、负荷数据、分布式电源运行等数据，能够开展配电网中的电能质量分析和评估研究，从而得出精细化的配电网网架和无功源的调节方案等。有源配电网电能质量监测和评估示意图如图 2 所示。
基于大数据的有源配电网电能质量监测和评估包括以下方面。
1）有源配电网电能质量分析与监测。
电网规模的不断扩大以及分布式电源的不断接入，配电网中运行数据、负荷数据、分布式电源运行等数据逐渐增多，电能质量分析的大数据特征日益明显，传统电能质量分析方法在电能质量的消噪、特征提取、扰动分类和参数估计等方面难以完全解决问题。面对出现的电能质量问题，近年来产生了许多综合分析法。但是，基于传统电能质量分析方法的电能质量监测装置面临性能差、精度低、智能化程度低等问题，需研究高性能的电能质量分析方法，开发实时在线的电能质量监测系统。
电能质量监测系统集通信、测量、分析和管理等诸多功能于一体，能为电力企业和用户提供供电质量的基本信息，实现有源配电网电能质量全面、准确、有效地监测。同时考虑到经济性，有源配电网中监测终端的最优布点也是亟需解决的问题。
2）有源配电网电能质量评估。
有源配电网电能质量的评估是对有源配电网运行水平和电力供应能力的综合评价，是约束、督促电力公司与电力用户共同维护公共电网电能质量环境的基础，同时也是实施质量治理与控制的依据、检验治理与控制效果的工具。随着分布式电源越来越多的接入配电网，用户对电能质量的要求越来越高，传统的电能质量评估方法面临计算性能降低、耗时长、精度低等问题，如何使电能质量的评估合理、客观、准确是电力企业面临的严峻考验。而且，大规模的结构化数据和非结构化数据的加入，将为电能质量评估提供新的研究途径，制定合理的有源配电网电能质量评估指标，提高电能质量评估的准确性，深度挖掘电能质量监测系统采集到的数据信息，揭示由于之前分析成本太高而忽略的信息，为电力企业以及用户提供诸如网架结构分析、无功源配置方案合理性分析、敏感负荷安装位置分析、监测点配置方案等高附加值服务，这些服务将有利于电网的安全、稳定和经济运行。
3）有源配电网电能质量诊断与治理。
为了满足较高电能质量的要求，及时正确地对影响电能质量的各种异常运行状态做出诊断，找出电能质量干扰源，并预防或消除，从而避免故障的扩大，是有源配电网面临的又一个难题。鉴于分布式电源可以看作一种向配电馈线注入谐波的非线性负荷，而分布式电源的投切也会引起电压波动，分布式电源的接入无疑会在一定程度上加重对电能质量的扰动。传统的电能质量扰动定位方法都存在一定的适用环境与限制条件，且仅仅考虑一种定位方法得出的定位结果可信度往往不高。通过将体量更大、类型更多的电力大数据作为分析样本，为电能质量扰动定位提供详细的研究思路，提高电能质量扰动定位的准确性，寻找出网架结构中的薄弱环节，制定精细化的配电网网架和无功源调节方案，改善电能质量，对电网的经济运行具有重要意义。
场景四
基于配电网数据融合的停电优化
配电网停电优化是建立在配电网调度自动化系统、配电自动化系统、用电信息采集系统、配网设备管理系统、配电设备检修管理系统、电网图形及地理图形信息和营销管理系统等的基础上，综合分析配电网运行的实时信息、设备检修信息等，以找出最终的最优停电方案。计划停电管理根据计划停电(包括检修和限电等)的要求，进行系统模拟，以最小的停电范围、最短的停电时间、最小的停电损失、最小的停电用户来确定停电设备，通过屏幕显示停电区域，列出停电的用户名单，打印用户停电通知书等等。采用传统技术在处理时存在计算速度慢、计算周期长、扩展性差等缺点。为了更加准确地计算配网停电损失，降低停电影响需要利用多个业务系统的海量数据进行联合分析和数据挖掘。基于大数据技术的配电网停电优化包括：
- 停电信息分类，基于调度、营销、配网贯通的海量数据对停电信息数据进行整理与分类；
- 停电预警，对设备故障可能导致停电进行预警；
- 配电网停电计划制定，采用大数据技术制定合理的停电计划，完善配网停电优化分析系统。
随着大数据时代的到来及大数据应用技术的发展，为充分挖掘现有配电网运行数据价值提供了可能。通过集成各分散系统的信息，规范数据类型，形成丰富的、同质的大数据样本，可为电网运检采取针对性的防护措施提供支撑，为电网安全运行、智能电网自愈提供保障。具有巨大的经济价值和社会效益。
