高骞

【摘 要】随着时代的发展，当今能源消纳的趋势是分布式的，主动配网中，智能化技术已经得到了广泛的应用，对于将来的工作挑战，大数据的应用是发展的必然方向。基于此，文章简单论述了主动配电网中运用大数据处理技术的必要性，并对大数据处理技术进行分析，最后重点论述了大数据技术在主动配电网中的应用发展方向，希望为相关人员提供参考。

【关键词】大数据；主动配电网；应用；必要性

引言：

我国的电力事业经过不断的改革发展，已经取得了一定的成绩，智能化电力系统的建设是未来的必然发展趋势，电力大数据技术能够在整个运行过程中得到应用，并且取得预想的成果，能够帮助我国电力企业很好的应对资源有限、环境压力等问题。作为相关人员，如何将大数据技术很好的引用到配电网中，是值得思考的内容。

一、主动配电网中运用大数据处理技术的必要性

目前，大数据在整个电力行业尚属起步阶段，对于刚提出的主动配电网概念，电力大数据仍未聚焦在这个层面。主动配电网中大数据技术应用的场景很多，例如云计算技术，但是由于其在实时性方面难以保证，故不适合作为配电网调度自动化系统的主系统，但可以用作调度自动化系统的后台，也可以用作建立配电网数据中心。例如，由于主动配电网中每个用户都需要安装智能电表，因此上送的大量负荷数据均可以存储在配电网数据中心云平台里，用于后期的负荷预测、用户行为分析等。而数据挖掘技术也是建立在应用需求上的，例如主动配电网中电动汽车充电站选址优化问题中，对历史数据的聚类分析预处理的应用，随着电动汽车用户的逐步增多，海量使用数据将使得聚类算法在普通的计算系统上无法完成。因此，大数据处理技术在主动配电网中的应用是时代发展的必然要求。

二、大数据处理技术分析

（一）数据的储存管理技术

Hadoop的非关系数据库储存管理技术继承了传统技术的封装并进行了技术的扩展，衍生出的大数据存储技术可以应用于封装、扩展来对互联网的大数据进行分析和储存。而在企业分析应用层面上，则利用配合MPP架构高效的分布，其是计算模式和大规模数据库并行处理的新型数据库集群，这种储存技术拥有高潮的扩展性能，应用比较广泛。

（二）数据展现技术

数据展示技术的重要表现手段主要有空间、历史以及可视化等信息流展示技术。其中可视化技术就是方便用户可以直观的对数据的情况进行分析和观察，这种技术可以用在非空间数据的层面，从而可以从数据中得到数据的分析和隐藏关系的情况。在其他领域中可视化技术的应用已经相当成熟，它主要被用来分析数量庞大的数据情况。而在主动电网里，可视化数据展现技术还没有得以实现。其中由于数据的不稳定性和种类多而杂的特点提高了可视化的难度。

（三）数据处理技术

当前，在有海量数据需要存储和分析的情况下，具有分布式文件系统和MapReduce技术的云计算技术能够胜任目前的数据处理技术。相比于传统的数据管理技术，云计算技术拥有强大的数据计算能力和数据并行处理的能力。MapReduce能够提高网络节点的稳定性，它能周期性的管理好每个节点的工作最新状态；而分布式文件系统成本低廉，不需要昂贵的设备支持。它能够进行超大数据集的处理和满足高吞吐量的要求。

（四）数据分析技术

典型的人工智能技术主要包括决策树、粗糙集概念理论、人工神经网络分析、聚类分析和支持向量机，其中面向的是机器学习和数据深入挖掘。在线路运行状况监测分析和能源安全等分析上都能利用这些人工智能技术。数据分析的能力现状解决不了分布式出力的不稳定性和环境的强藕合，传统的数据分析方法不能应用与电动汽车新型负荷以及分布式电源等新问题上。所以对于这些新出现的问题，还需要采取新型的数据分析方法来应对这些问题。

三、大数据处理技术在主动配电网中的应用方向

（一）主动配电网能量优化调度方面的应用

从数据分析层面上，目前电网中各信息系统大多是基于本业务、本部门的需求，存在不同的平台、应用系统和数据格式，导致信息与资源分散，异构性严重。而大数据处理平台能够实现多源异构数据的存储和提取，并能大大提高数据存储容量，这将有效提高主动配电网能量调度系统的数据存储效率。

从数据分析层面上来看，能量调度问题是一个多约束条件下的优化问题。其可行解的求取需要相关的数据挖掘算法配合支持，例如粒子群算法的应用。在主动配电网应用场景下的能量调度模型随着参与优化变量的增多，约束条件的增加以及网内能量双向流动的特性都将导致优化问题求解的难度加大。因此，机器学习等数据挖掘算法将为该优化问题的求解提供可行的思路。

（二）主动配电网保护控制方面的应用

灵活多变的用电负荷与规模化接入的分布式电源之間产生了大量的量测信息，同时先进的量测技术与通信技术也使得配网能够实现更为全面、实时的状态监测。因而，应有效利用日益增长的海量配网信息以应对主动配电网运行控制对保护所提出的新要求与新挑战。分析配网保护多设备间信息共享策略，以多节点及其相关区域冗余信息为基础的多信息保护与控制方法将是未来的重要研究方向。主动配电网中保护测量信息具有多源、多时间尺度的特点，因此，配网保护量测数据的自动关联与统一描述方法将是一个重要的研究方向。

（三）应用在主动配电网的状态分析评估方法

主动配电网的运行情况有几类关键的信息采集，其中包括电动汽车的特殊负荷时空分布特征、设备运行状况检测、短期负荷情况预测、分布式电源出力情况预测。其中，关联规则聚类系统继承了关联的分类、决策树等挖掘方法，是可以应对分布式电源出力的分析来关联出各类的气象数据和周围地域相异气象站的特征情况。挖掘分布式电源出力的情况不是稳定的，它的概率情况随着分布式电源出力的变化而改变。用户的智能电表将大量的用电信息传送到主动配电网中，数据的流通可以达到双向的效果。随机变化模式、数据波动模式和稳定模式在当前的主动配电网中成为了分析用户负荷情况的三大模式，可以将智能电表中海量的数据用聚类分析的方法收集并提取。负荷与日期和天气构建的关联情况可以用关联分析技术来分类；短期负荷的检测精度可以用规则挖掘的智能预测系统来提高。

（四）主动配电网需求侧管理方面的应用

需求侧管理能够维持配电网中供用电平衡，从而提高DG的渗透率，而DG渗透率的提高又能够降低负荷的峰值，从而延缓配电网的升级。另外，主动配电网中的电动汽车以及拥有分布式发电单元的用户都是调度中心可以调控的对象，是主动配电网需求侧管理的重要研究对象。在主动配电网运行的过程中，这些研究对象都积累了大量的运行信息，例如用户智能表计信息，电动汽车充放电规律信息等。对这些信息的有效数据挖掘，将促进需求侧管理策略的制定更为合理有效。同时，电动汽车放电电价补偿，分布式能源用户电价补偿等政策的制定也依赖于对用户行为心理分析的结果，这些信息的利用也是大数据在需求侧管理方面应用的重要方向。

四、结束语

总而言之，主动配电网的未来发展趋势是朝着更加强大的数据分析、更加直观实时的数据观察的智能化道路发展。电力领域的大数据技术稳定性得到了很大的提高，但是在数据的及时性和保护方面仍然有很大的提升空间。作为相关人员，应该不断的进行摸索研究，并提升自己的专业技术水平，更好的促进我国电力事业的发展。

【参考文献】

[1]徐祥征，王师奇，吴百洪.基于大数据分析的配电网主动检修业务应用研究与实现[J].科技通报，2017，33（06）：105-108.

[2]李蓉，张亮，冯国礼.基于大数据分析的配电网停电数据管理平台[J].宁夏电力，2017，（02）：62-65.