符佳宏

【摘 要】随着“互联网+”时代的到来，各行各业都在利用大数据来进行分析。其中，智能电网和大数据的关系也日益密切。为了能够建立起完善、稳定的智能电网，就需要我们正确、合理、高效地使用大数据。本文阐述了智能电网大数据的特点，以及一些相应的数据采集办法，如流式数据采集、数据库采集、文件采集等，同时给介绍了一部分较成熟的数据挖掘办法。同时，提出了大数据在智能电网中的一些应用前景。

【关键词】智能电网，大数据，数据采集，数据挖掘，分布式，智能电网大数据应用

引言：

最近几年，随着全球气候变暖和石能源的日益紧张，世界各国为了建立稳定且高效的供电系统，都开展了建设智能电网的工作。在中国，智能电网主要是以特高压电网为骨干网架、各电压等级电网共同协调运行的电网为根本，同时，利用各种信息处理技术，结合大数据挖掘与分析，构建一个以信息化、数字化、智能化的供电系统。该供电系统包括发电、输电、变电、配电、用电及调度等诸多环节。为了能够保障该系统稳定、安全、环保、自愈运行的基础通过智能电表对整个电网实时数据的采集、存储、传输、分析和决策。

随着电网智能化的日益发展，这就要求电力部门在发电、输电、变电、配电、用电及调度这几个重要的环节部署能够进行数据采集的智能电表及进行数据分析的智能管理系统。

“智能电网”一词之所以备受世界瞩目，主要原因是当年奥巴马在竞选总统时，把“智能电网”这一战略作为重要的施政纲领提出，并于2009年2月决定给发展智能电网提供110亿美元的预算支持。两年之后，大数据的概念被提出。于是电力部门的管理者看准了这个时代新风向，于2013年由中国电机工程学会信息化专委会发布了《中国电力大数据发展白皮书》。从此，智能电网和大数据的融合便成为了大家关注的焦点。

一、智能电网大数据及特点

大数据通常要求满足以下特征：多样性（variety）、速度快（velocity）、体量大（volume）、价值大（value），这4个特征简称为“4V”。随着智能电表的普及，现在我们已经能过获得到体量极大的数据，但是这些数据还面临这价值不高、更新速度较慢、分类混乱等问题。这就要求我们能够很好地利用统计上的方法，对这些数据进行分类、挖掘。发现其中潜在的价值。

二、智能电网的大数据处理方法

（一）数据采集

因为智能电网的数据具有数据体量大、数据种类繁多、数据关联性较低等特点，这就要求我们在数据的采集阶段要有针对性地进行采集。为了后续分析处理工作的开展，我们要根据不同的数据类型选择不同的采集方法。现阶段智能电网数据的采集主要有一下三种：

（1）流式数據采集

这种办法主要采集供电系统内的设备监控日志、采集报文等数据，来进行分布式的采集、聚合以及传输。

（2）数据库采集

这种办法主要将关系型数据库内的有关联的数据抽取到分布式的存储系统当中。

（3）文件采集

这种办法主要是对数字录音带、纯文本形式存储表格数据等文件，先进行标准化之后，将文件接入分析系统。

三、智能电网的大数据分析方法

数据的分析与挖掘是对收集来的数据进行处理的最关键性的工作，由于智能电表采集来的数据种类繁多，且变化速度快，因此对数据的快速分类和标准化是必要的，否则处理的数据将失去时效性。因为以上特点，以前通常使用的分析大数据的方法很难再适用，这就要求我们适用改进的分析方法来对数据进行挖掘。目前使用较多的分析方法有：主成分分析法、K均值聚类法、C均值聚类算法、分类决策树算法、深度学习算法、Spark-FCM算法等。

尤其对于深度学习算法，我们可以通过建模来完成特征选择、参数选择、模型集成等多个流程。在聚类分析中，我们可以由聚类、关联、回归、分类这4个部分来进行数据的挖掘。

四、大数据在智能电网中的应用

（一）配电设备负载估算及重过载预警

现状和需求：

在我国的电网系统中，城乡结合部部分配电变压器重过载问题致使供电“卡脖子”、低电压、频繁断电等问题。电力部门发现可以在被点变压器重过载现象频发的台区安装智能电表，通过智能电表采集和监测配电设备上的用电负荷量，由此来判断该配电设备是否处于重过载状态。

应用前景：

未来可以根据智能电表采集来的数据，通过分析其中用户的用电负荷，通过大数据流处理技术，实时计算出每一个终端的用电负荷量。同时，根据电网中的数据，计算出当前时间段下，处于重过载状态运行的配电设备以及正常状态下运行的配电设备。再结合电网系统中相应的GIS系统，便能精确定位出处于重过载状态下运行的配电设备的具体位置。

（二）线损计算与分析

现状和需求：

在智能电表普及之前，电力部门通常都是安排人员对用户就行抄表，这样统计上来的数据不仅时效性底，而且大致相关部门不能对用户的实时负荷情况进行预测，这样电力部门就不能对输电时产生的线损进行计算和处理，因此线损一直较大。此外，因为不能实时得知客户的用电负荷，所以不能及时地发现窃电、漏电等行为，由此更增加了线损电量。这也是我国输配电线损率一直高过其他各国的重要原因。

应用前景：

利用分布式存储技术，搭建一个实时更新，电网和用户端互联互通的数据管理系统，在这个系统中，我们要能够对智能电表统计的数据进行查询、各参数相互之间的对比及数据异常时的报警。同时也能为相关部门在分析线损、漏电警报及窃点预警提供源数据。

利用分布式计算技术，将地区按行政等级分别来进行相应的实时线损管理与控制，同时根据不同地区，不同种类的电网配置分别进行实际线损与理论线损的对比及分析，根据统计的数据，运用数据挖掘，找到更好降低线损的方法。

五、结论

在大数据的时代下，随着智能电表的普及，未来的电网的数据将会呈现几何倍数地增长，大数据的分析能够给人们对事物的全新的认识，与处理问题更好的办法，而智能电网大数据的不断发展一定会推动智能电网的快速发展，为我们建造智慧城市提供极大的帮助。

【参考文献】

[1]Electric Power Research Institute. Improving electric power system situational awareness： data analytics for utilities [R].Palo Alto， California： Electric Power Research Institute， 2015.

[2]费思源.大数据技术在配电网中的应用综述[J].中国电机工程学报，2018，38（01）：85-96+345.

[3]张根周.大数据在智能电网领域的应用[J].电网与清洁能源，2016，32（06）：114-117.

[4]赵雪松，谢蓓敏.智能电网大数据技术发展研究[J].电子世界，2017（23）：93-94.

[5]孟祥君，季知祥，杨祎.智能电网大数据平台及其关键技术研究[J].供用电，2015，32（08）：19-24.

[6]王钦，蒋怀光，文福拴，梅天华.智能电网中大数据的概念、技术与挑战[J].电力建设，2016，37（12）：1-10.