基于配用电数据融合基础上的大数据应用研究，既是电力大数据研究的重点也是起点。配电系统具有地域分布广、设备种类多、网络连接多样、运行方式多变等特点。随着分布式能源、电动汽车的发展，用户系统的接入，配电系统的日益开放，外部因素如天气、社会经济政策、用户行为等对配电网这一物理系统的规划和运行产生的影响已变得不可忽视，使之面临更大的不确定性。用传统的物理建模分析方法，难以完全满足要求。
与此同时，为提高智能化水平，配电系统部署了众多的监测、控制和管理设备/系统，加之用户侧系统和用户采集系统的接入，这些系统每时每刻都在产生大量的数据，这些数据与外部数据结合，构成了配电系统大数据。借助大数据技术，通过对配电系统大数据进行分析挖掘，可在负荷预测、配电系统设备管理、供电可靠性评估、停电管理、配电网规划等方面形成新的技术解决方案，有效提升配电系统的智能化水平。
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。
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)。
配电网部署了众多的信息系统，包括配电管理系统、配电自动化系统、电能质量监测系统、电压和无功管理系统 、各种智能电子和传感设备对资产的监测系统。为提高系统与用户的互动水平，提高电网灵活性， 部署了大量的智能电表和用电信息采集系统以及用户侧系统如智能家居/楼宇/园区，这些系统与配电系统的集成，用户侧数据与配电系统数据融合，为新的配电系统技术解决方案的形成奠定了基础，所以用户侧数据也被看作是配电系统数据的组成部分。
综上，内部数据来自用户用电信息采集系统 、安装于配电网和配电变压器的传感器和智能电力监测装置（IED）、资产监控系统、电压无功管理系统、地理信息系统（GIS）、配电管理系统；外部数据包括GIS位置数据、飞机巡检数据、卫星数据、天气数据、雷电数据、来自现场员工的信息、来自可再生能源（储能、电动汽 车和用户系统）的数据、来自第三方的数据。与配电系统相关的内外部数据的总和，构成了配电系统大数据。
配电系统设备多、监控装置多，并与众多的用户相 连，产生的数据量大，结构复杂，受外部影响显著。此 外，还具有如下特点：
（1）数据异构。产生数据的各个系统是为了某个专 门的应用研发的孤立的系统，并不是为了大一统的目标 设计的。
（2）数据采集周期、密度和所在的时空存在差异。 如配电系统的SCADA采集数据是以秒为单位，而用户 用电信息系统是以分钟或小时为单位。
（3）数据存在着不完整性。电网是连续运行的，但 由通信系统或监控设备出现问题导致的监控失败在运行 过程中时有发生，会造成数据的不完整性。
数据作为整体才能体现价值，多维度、大样本数据 是大数据研究的主要对象，为此往往需要实现多源异构 数据的融合。由于长期形成的竖井状管理模式，以及以某专业、某业务需求确定系统的信息系统开发模式，造成了内部数据的难以融合；外部数据的接入和融合就更为困难，一方面是因为外部数据难以获得，另一方面因为在对象描述、身份标识、时空特性以及密度方面都难以进行匹配。
数据融合目前采用的3种方式是利用数据仓库、基于IEC CIM（61968/ 61970）和基于企业总线。其中，基 于IEC CIM（61968/ 61970）实现数据的融合是现在最重 要的方式。
CIM是描述电力系统元件和机构的语义模型 ，通过CIM可以实现不同应用之间的信息交换。IEC 61970主要适用于输电系统，IEC 61968适用于配电系统。采用UML作为描述语言 ，用XML和RDF （资源描述框架）概括性描述电网，而CIM Profiles可用于定义基于CIM的一个子集、并编制具体的标准。Profiles 也可以被用于将CIM扩展到满足特定的需求 。就配电系统而言，需要基于IEC 61968实现GIS、DMS、OMS、ERP、 MDM，以及其他系统的集成。由于一些系统并不符合 CIM，所以需要应用适配器，实现系统的集成和数据的融合，见图1。
 图1 基于CIM的配电系统数据融合
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。
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。
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。
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：
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。
综合上述应用场景，大数据应用于配电系统的价值 主要体现在如下方面：
（1）提高用户满意度。
通过数据分析，可了解用户用电行为和喜好，从而帮助用户参与需求响应、提高能效；通过可靠性、低电压等特性分析，提高供电可靠性和电能质量；加强停电管理、缩短停电后恢复时间，并及时让用户看到恢复过程；通过上述应用，可提高用户满意度。
（2）支撑配电网规划和运行。
通过分析配电系统设备的运行效率和供电能力，可优化电网投资和规划，提高设备利用效率；由于电表数据能更详细地记录用户用电情况，结合外部数据（政策、天气和用户情况）可以更准确地预测负荷和分布式能源发电，很好地管理设备过载、反向潮流，改进电压特性和电能质量；借助需求响应对分布式能源 、电动汽车等进行管理 ，起到削峰填谷作用 ，延缓设备投资 ；通过用户用电信息 ，可以预测配电变压器 、地下电缆 、架空线 、电压调节器是否故障 ；通过观察负荷情况 ，还可以分析预测变压器寿命。
（3）有助于信息通信系统的完善。
智能配电网的发 展目标依赖于信息系统的贯通，大数据研究过程中，当 发现配电网IT架构不足以满足未来需求、存在数据共享 障碍时，可进一步促进IT架构的完善，同时也促进了智 能配电目标的实现。
（4）增值服务。
通过配用电数据分析，可分析社会经济发展状况，为政府提供信息服务；分析新能源、电动汽车等政策执行效果，为政府制定政策提供依据。
（5）提高利用外部数据的能力。
通过配电大数据应用研究，提升了电力公司利用天气、社会经济、交通、 用户等外部数据的能力。
用户用电信息采集系统与配电管理系统（DMS）、 停电管理系统（OMS）和地理信息系统（GIS）等系统 的集成和数据融合基础上的大数据分析是当前的研究重 点，主要集中在3个方面：①重视与GIS系统的融合，将 配电系统的数据分析直观展示在GIS系统上，辅助规划运行人员决策 ； ②实现配电数据与用户用电信息采集系统数据的融合 ，在更多维度数据支持下 ，形成新的技术解决方案 ； ③增强对外部数据的应用 ，开发新的应用。
电表数据和其他与用户用能行为相关的数据，可用 于分析出用户的喜好，分析出不同的需求响应项目（对 分时电价和尖峰电价的反应）的效果，以及不同机制影 响下的电动汽车充放电对负荷的影响。
GIS在大数据中的地位很重要 。众多的应用始于 GIS，终于GIS。数据的融合主要基于IEC 61970/61968。
此处围绕着ABB、C3-Energy、AutoGrid 3家公司的 大数据分析系统，介绍国外在配电大数据方面开展的应 用研究。
（1）ABB。ABB开发的Ventyx和BI被众多公司使用， 并开发了一系列应用，例如：
1）与欧洲电力公司的巨头— 德国的 Vattenfall in Gotland合作，实施一个针对2 000个家庭和30个商业楼 宇、平移10%负荷的项目。该项目使用了基于Ventyx的 需求响应管理系统，需求响应参与者包括风机、光伏、 储能、电动汽车充电，使用了阶梯电价。这一需求响应 项目中，用户行为分析发挥了重要作用，基于AMI数据 和其他数据，可预测用户可平移负荷、分析有效的激励 措施，是实现有效需求响应的基础。
2 ）美国电力公司 （AEP ）正在部署ABB开发的 Ventyx 资产健康管理系统。AEP有一半以上的变压器运 行了50多年，通过将数据与ABB 开发的Ventyx、BI的 OT/IT（运行技术和信息技术）模块和分析算法相结合， 对配电资产进行健康评估和管理，这些配电设备覆盖11 个州、500万用户电网。
（2）C3-Energy 公司。美国C3-Energy公司以自行研 发的数据集成器为基础，整合来自公用事业公司内部和其他第三方的超过22种数据，包括公用事业公司拥有的仪表数据、能耗数据，第三方或用户的建筑物特性、企 业运营情况、地理信息数据等，形成自己的分析引擎， 提供电网实时监测和即时数据分析。 C3 能源分析引擎平 台将多个分散电力系统数据存储在云平台上，与工业标 准、天气预报、楼宇信息、持久协议和其他外部的数据 相结合；基于该平台开发了资产保护、预测性维护、需求响应分析、负荷预测等10种成熟的解决方案。所开发 的系统已在美国的巴尔的摩燃气电力公司（BGE）、太平洋燃气电力公司（P&G）、东北电力公司（Northeast Utilities）等投入应用。
（3）AutoGrid 公司。AutoGrid公司开发的需求响 应优化和管理系统（DROMS）是先进的需求响应管理 系统，既可针对用电行为分析、负荷预测等进行大数据 分析，也可在实时电价、尖峰电价（critical peak price， CPP）和尖峰补贴电价（critical peak rabates，CPR）等 电价机制下实施需求响应和直接负荷控制。DROMS基 于开放标准，与OpenADR、SEP2.0等兼容。
DROMS已在多家电力公司应用。佛罗里达电力公司应用该系统实施预测性设备检修计划安排，提高了配电系统的可靠性，用户平均停电持续时间减少了17min， 项目涉及的数据包括460万块、每15min采集一次的智能电表数据，变电站数据，故障电力指示器数据，电容器组报表，配电自动化馈线设备数据。奥克拉荷马州采用该系统进行负荷精确预测，并实施有效的需求响应，削减负荷峰值2%，不仅可推迟350MW电站的投资建设，参与需求响应的用户每年平均减少300美元电费，95%需求响应参与者表示满意。意昂公司利用该系统在罗马尼亚实施了收入保护项目，基于多源数据、采用机器学习分析方法提高检测准确性，可识别窃电发生事件，减少了公司的经济损失，项目实施前未检测出的窃电成本占收入的15%。
我国电力大数据研究始于2014-2015年，其中配用电是电力大数据研究的重点领域。中国电力科学研究院在配电大数据典型应用方面已进行了探索性研究，包括研发电力地图、台区重过载预测和风险评估、配电设备运行效率和供电能力评估。
城市电力地图融合电网拓扑 、电网运行 、设备生产运维、用户用电信息以及区域自然环境条件、各项社会经济指标等外部数据，通过数据挖掘与可视化手段形成负荷典型发展模式分析、基于车辆行驶轨迹的充电需求分析和供电可靠性影响因素分析3个应用。通过密度聚类方法分析车辆主要运行路线与集散点，得到充电需求的空间分布，可指导充电设施规划。围绕目标区域内的负荷变化情况，通过大量样本区域，分析城市发展过程中与负荷相关的多方面特征，提炼典型的负荷发展模式，用于辅助空间负荷预测。从网络拓扑、设备类型、 运维周期、用户构成、运行环境、管理水平等方面分析 影响电网可靠性的主要因素，可为消除薄弱环节、提升 可靠性水平提供依据。
台区重过载预警与风险评估是利用设备台账、改造记录、用户档案、历史负荷曲线、气象指标及节假日等数据，对台区重过载历史情况进行分析，挖掘重过载因素，并通过机器学习，实现重过载台区预测；同时基于设备类型、运行情况，运行环境以及台区下用户数量、 重要程度、平均停电时间等因素，综合评估重过载台区停电风险。基于中国电力科学研究院大数据平台研发的台区重过载预警系统于2016年初在国网山东公司上线试运行，为春节等重要时期保供电提供了技术支撑。
配电设备运行效率和供电能力评估融合生产管理系统、调度系统、营销业务系统、用户用电信息采集系统、电能质量监控系统的数据，覆盖331个城市，数据规模达到2TB；分析配电设备的运行效率和供电能量裕 度及其与设备选型、运行年限、负荷特性及资产特性等 的关联关系，为未来电网投资提供参考。
（1）国内外在配电大数据研究和应用方面均取得了一定的研究成果，国外C3-Energy公司、AutoGrid公司的产品已在一些电力公司获得应用，较为成熟。与之相比，我国在配电大数据研究方面起步较晚，并未形成在电力公司广泛应用的市场化产品，应用研究尚处于探索阶段。
（2）配电大数据应用研究面临很多挑战，包括：数 据难以获取，数据融合难度较大；传统数据分析方法在 应对PB级、高维数据时难以满足需求，研究基础薄弱； 缺乏系统方法论指导，在大数据分析系统的架构设计、 如何建立配电网大数据应用案例、将数据转化为应用价 值方面缺乏经验和示范；在保护数据的隐私和方面存在 风险，缺乏相关标准和准则。
（3）多源数据融合是实现配电系统大数据应用的基础。电力公司和研究机构应基于配电系统大数据技术所要支撑的所有近期、远期应用目标，识别出数据融合方 面的需求，通过制定标准，逐步推动数据融合。
（4）从配电系统大数据的典型应用入手，针对电表数据、GIS数据以及其他主要营配系统的数据，融合天气、用户、社会经济等数据，开展示范研究和应用，形 成配电系统大数据应用研究系统方法论，开发具有市场 竞争力的实用化分析系统。
|
苏公网安备 32100302010381号