智能配用电大数据关键技术研究概述

随着智能电网的建设，积累了大量的配用电数据，对大数据技术也产生强烈的需求。智能配用电大数据应用关键技术具体包括：配用电网大数据体系架构及共性基础技术;用户用电负荷数据存储分析与修正技术;用电预测等智能配用电业务应用大数据分析技术;智能配用电大数据示范应用方案设计。

0.引言

近年来，大数据(big data)技术得到了各国政府和全球学术界、工业界的高度关注和重视，在各行业领域的应用迅猛发展。2012年3月，美国政府发布了“大数据研究发展创新计划”，我国政府、学术界和工业界对大数据也予以了高度关注。就电力行业而言，近年来数据资源开始急剧增长并形成了一定的规模，对大数据技术也产生强烈的需求。具体表现为数据量由TB级向PB级发展，数据高性能存储和高可扩展性面临挑战;业务向智能化、精益化方向发展，对复杂数据处理和实时性提出更高要求;跨业务、跨平台的数据处理和分析能力需要进一步提升。

配用电网大数据体系架构方面，大数据软件体系结构可分为数据采集与预处理、数据存储和管理、数据分析和挖掘等几个方面。在大数据存储和管理方面，当前普遍采用的是分布式文件系统和分布式数据库。由于大数据处理的多样性和复杂性，学术界和工业界不断研究和推出新的大数据计算模式和平台;重要的发展趋势包括Hadoop平台与其他计算模式的融合、多样性混合计算模式、基于内存的大数据处理技术。可视化是大数据分析的重要手段，同时大数据也对可视化技术提出了新的挑战。实际应用中存在大量高速时序数据，而且这些数据的维度都很高，如何对这样的数据进行可视化还没有得到很好的解决，也是亟需研究的问题。

用户用电负荷数据的存储处理方面，用电负荷数据存在着多种形态、频度，如何构建合理的存储结构以满足用电负荷数据的需求，已成为新的研究热点。当前，存储、索引的统筹设计也是适应海量高维时序数据的方向之一。另外，用电负荷数据通常可以从不同层面进行聚类：时间层面上，针对不同时间范畴的负荷序列进行聚类;用户层面上，对不同用户的用电负荷数据和其他信息聚类，实现用户群体的划分。关联分析是在聚类等手段的基础上分析信息内在关联的手段。特别是对用电负荷大数据如何结合具体业务进行聚类和关联分析还亟待研究。

本文研究智能配用电大数据应用关键技术，具体包括：①配用电网大数据体系架构及共性基础技术;②用户用电负荷数据存储分析与修正技术;③用电预测等智能配用电业务应用大数据分析技术;④智能配用电大数据示范应用方案设计。

1.技术现状

1.1智能配用电业务分析的国内外研究现状

近年来，智能配用电得到了重点关注和快速发展，其资源优化配置能力强，运行稳定高效，适应新能源的发展。

1)节电方面，国内外学术界对配用电的节电分析主要从配电和用电两个方面开展了研究。在配电侧，主要研究通过无功优化、最优潮流、网络重构、分布式电源接入等方法降低配电网络损耗达到节电目的。

2)用电预测方面，国内外研究主要集中在预测数据预处理、影响因素属性约简、构建用电预测模型等方面。如采用基于粗糙集理论的属性约简算法，能够挖掘出与待预测用户相关性大的属性作为预测模型的输入量。

3)配用电网架优化方面，国内外对配电网网架优化或规划问题已有较多研究，也开始在配电网优化中考虑分布式供电的影响，模型求解多采用数学规划法、启发式算法、智能优化算法等。

4)错峰调度方面，文献分析了“错峰用电”的地位和作用，阐述了“错峰用电”对提高供电质量、减少线路损耗、增加设备的输送能力和延长设备的使用寿命等都具有重要的现实意义和应用价值。

1.2智能配用电大数据应用的国内外研究现状

智能电网的目标是建设覆盖电力系统生产全过程的实时系统，而对这个系统提供安全性、可靠性、坚强性支撑的则是电网的全景、实时数据，以及对这些数据的快速分析和对分析结果的应用。因此在本质上，智能电网是大数据在电力上的应用。

2012年IBM公司提出，电力能源由单向的电力流动扩展到电力与数据信息的多向流动，这将为传统的电力行业价值链带来突破性的变化。世界各地的电力公司也陆续开展了电力数据应用实践。例如美国SGD&E为客户提供一个可选的“空调负荷循环项目”，通过这个项目顾客可以让电力公司在用电高峰期替他们管理空调。美国加州大学洛杉矶分校的研究者根据大数据理论，将人口调查信息、电力企业提供的用户实时用电信息和地理、气象等信息全部整合，设计了一款“电力地图”。国内各界也已积极投入电力大数据的应用研究。

2.智能配用电大数据总体框架

配用电大数据应用系统总体架构分数据资源、数据处理、公共服务、业务应用4个层次，见图1。数据资源层为数据处理提供数据源输入，数据处理层为公共服务层提供数据及计算服务功能，公共服务层为业务应用层提供业务应用的交互操作。

图1 智能配用电大数据应用总体架构图

数据资源层主要实现从历史、实时数据中心或相关业务系统获取电网内外部数据，如配电自动化系统、用电信息采集系统等内部数据，气象信息等外部数据。

数据处理层采用混合型的大数据存储和处理架构实现对多源异构配用电大数据的多样性存储和处理功能。混合存储可适应分布式文件系统、列式数据库、内存数据库等多种数据存储和管理形式，以满足不同应用的需求;处理架构分别面向离线分析、实时计算、计算密集型数据分析等场景采用分布式批处理、内存计算、高性能计算等技术实现。

公共服务层实现应用系统的基础功能，如数据模型管理、业务流程控制、服务总线、业务权限管理等功能。在公共服务层和数据处理层之间采用支持高并发、低延时事务操作的分布式内存数据缓存技术，降低业务应用操作与数据处理层之间的耦合性，提高应用服务响应效率。

业务应用层构建节电、用电预测、网架优化、错峰调度4项业务，实现配用电大数据应用系统的典型业务功能。采用模块化软件设计方法实现4个模块功能的即插即用，并在充分考虑模块之间的信息联络及功能联合的基础上，遵循规范的接口，实现模块之间的功能融合，从而实现4个业务模块之间既可独立运行，又可协作互补。

延伸阅读：智能配电系统的发展机遇与挑战

【观点】智能配电网的建设与发展(图)