摘要：隨著分布式發(fā)電、儲能和需求側響應負荷的不斷發(fā)展，傳統(tǒng)的被動型用電網(wǎng)正在逐步演變?yōu)榫哂兄鲃诱{節(jié)能力的主動配電網(wǎng)。為了充分發(fā)揮主動配電網(wǎng)的主動調節(jié)能力，需要在配用電網(wǎng)中安裝智能電表、遠程測控終端和配電網(wǎng)同步測量等數(shù)據(jù)采集裝置，建設配電、用電、客服、營銷等信息管理系統(tǒng)。這些數(shù)據(jù)采集裝置和系統(tǒng)的建設，在配用電領域產生了大量的數(shù)據(jù)。文章在討論智能配用電大數(shù)據(jù)來源、生命周期及數(shù)據(jù)特征的基礎上，從數(shù)據(jù)集成平臺、智能電網(wǎng)統(tǒng)一數(shù)據(jù)模型、多源數(shù)據(jù)在線、數(shù)據(jù)分析算法庫、用戶畫像、機器學習算法等角度分析了智能配用電大數(shù)據(jù)分析的關鍵技術，然后提出了智能配用電大數(shù)據(jù)分析在電網(wǎng)運行、社會服務和用戶服務方面的典型應用。

0、引言

隨著分布式發(fā)電、儲能和需求側響應負荷在配用電網(wǎng)中接入比例的不斷提高，傳統(tǒng)的被動型用電網(wǎng)正在逐步演變?yōu)榫哂兄鲃诱{節(jié)能力的主動配電網(wǎng)。為了充分發(fā)揮主動配電網(wǎng)的主動調節(jié)能力，需要在配用電網(wǎng)中安裝智能電表、遠程測控終端和配電網(wǎng)同步測量等數(shù)據(jù)采集裝置，建設配電、用電、客服、營銷等信息管理系統(tǒng)。這些數(shù)據(jù)采集裝置和系統(tǒng)的大規(guī)模建設，使得電網(wǎng)公司首次獲得了數(shù)以億計電力用戶多時間尺度的在線用電信息，以及數(shù)以萬計的電網(wǎng)運行狀態(tài)監(jiān)控信息。這些信息使我們獲得了前所未有的可以從時間和空間多個角度，對用戶實際用電過程和與電網(wǎng)密切互動過程進行全方位分析的大數(shù)據(jù)。

近年來快速發(fā)展起來的大數(shù)據(jù)分析技術具有全數(shù)據(jù)分析、規(guī)律性分析、跨領域分析以及快速性分析的特點，為充分利用智能配用電系統(tǒng)中的多源數(shù)據(jù)，進行多時間尺度分析提供了強大的技術手段。

區(qū)別于單一功能的電網(wǎng)公司業(yè)務部門的信息化系統(tǒng)，智能配用電大數(shù)據(jù)分析系統(tǒng)的研究目標是將多個信息化信息系統(tǒng)中的數(shù)據(jù)進行融合，解決依賴單一信息化系統(tǒng)解決不了或者解決不好的問題。本文首先討論智能配用電大數(shù)據(jù)分析系統(tǒng)的數(shù)據(jù)源和生命周期;然后分析智能配用電系統(tǒng)中的數(shù)據(jù)在時間和空間中的相互關系、以及基本特征，據(jù)此分析出融合智能配用電多源數(shù)據(jù)所必須解決的關鍵技術;從數(shù)據(jù)集成平臺、智能電網(wǎng)統(tǒng)一數(shù)據(jù)模型、多源數(shù)據(jù)在線、數(shù)據(jù)分析算法庫、用戶畫像、機器學習算法等角度分析了智能配用電大數(shù)據(jù)分析的關鍵技術，最后提出了智能配用電大數(shù)據(jù)分析在電網(wǎng)運行、社會服務和用戶服務方面的典型應用。

1、智能配用電大數(shù)據(jù)分析的數(shù)據(jù)源與生命周期

1.1智能配用電大數(shù)據(jù)的來源

根據(jù)來源的不同，可以將智能配用電大數(shù)據(jù)分為電力企業(yè)內部數(shù)據(jù)和外部數(shù)據(jù)。電力企業(yè)內部數(shù)據(jù)產生于配電管理/配電SCADA系統(tǒng)、生產管理系統(tǒng)、用電信息采集系統(tǒng)、電力營銷系統(tǒng)、客戶服務信息系統(tǒng)等。這些數(shù)據(jù)包括靜態(tài)數(shù)據(jù)、實時數(shù)據(jù)和歷史數(shù)據(jù)，其中靜態(tài)數(shù)據(jù)包括電網(wǎng)設備模型參數(shù)、線路拓撲結構、電力用戶資料數(shù)據(jù)等，實時數(shù)據(jù)包括遙信、遙測數(shù)據(jù)，如設備運行狀態(tài)、電量計量等。外部數(shù)據(jù)來源于地理信息系統(tǒng)、氣象預報系統(tǒng)、互聯(lián)網(wǎng)數(shù)據(jù)、公共服務部門數(shù)據(jù)、社會經濟數(shù)據(jù)等。這些數(shù)據(jù)也為電網(wǎng)運行、管理、服務等提供支持。

1.2智能配用電大數(shù)據(jù)的生命周期

數(shù)據(jù)的采樣頻率與生命周期也各不同，從微秒級、分鐘級、小時級，一直到年度級。不同數(shù)據(jù)的數(shù)據(jù)源與生命周期見圖1。配電PMU數(shù)據(jù)的數(shù)據(jù)采樣頻率為每10～20ms一次，可用于毫秒級的快速實時分析，主要應用于配電自動化系統(tǒng)的故障隔離、保護和控制;SCADA數(shù)據(jù)的采樣頻率為4～6s一次，可以首先存儲在實時數(shù)據(jù)庫中，進行秒級的實時分析，主要應用于配電管理系統(tǒng)的故障診斷、隔離和恢復、配電網(wǎng)狀態(tài)估計及分布式電源優(yōu)化和需求側管理等;智能電表數(shù)據(jù)的采樣頻率為15min一次，可用于分鐘級的在線分析，主要應用于在線大數(shù)據(jù)分析系統(tǒng)的數(shù)據(jù)質量、電能質量、網(wǎng)損的在線分析，以及多源數(shù)據(jù)融合狀態(tài)估計，用電行為和負荷特性微增在線分析等，通過數(shù)據(jù)抽取、轉換與載入為后續(xù)分析提供基礎數(shù)據(jù);智能電表數(shù)據(jù)與氣象數(shù)據(jù)和其他數(shù)據(jù)融合可為從每日到多年的交互式大數(shù)據(jù)分析系統(tǒng)服務，提供用戶、配變、變電站、系統(tǒng)多時間尺度數(shù)據(jù)分析等功能，以及系統(tǒng)用電行為分析，設備負載率分析，非常規(guī)用電行為分析和精準營銷等功能。

圖1 智能配用電分析數(shù)據(jù)源與生命周期

2、智能配用電大數(shù)據(jù)分析的關鍵技術

智能配用電大數(shù)據(jù)分析的關鍵技術共有4類，詳見圖2。第一類關鍵技術為數(shù)據(jù)集成平臺與數(shù)據(jù)模型技術研究，主要用于集成不同數(shù)據(jù)源的數(shù)據(jù)，通過SPARK分布式內存架構并行完成數(shù)據(jù)清洗和數(shù)據(jù)轉換等，并建立基于數(shù)據(jù)倉庫的統(tǒng)一數(shù)據(jù)模型;第二類關鍵技術為智能配用電在線分析技術，基于SPARK的內存并行流處理技術處理新進入數(shù)據(jù)分析系統(tǒng)的數(shù)據(jù)，并且提供智能電表數(shù)據(jù)的數(shù)據(jù)質量和供電質量分析，以及用戶的用電行為和靜態(tài)負荷特性分析等功能，融合智能電表數(shù)據(jù)與配電SCADA和PUM數(shù)據(jù)來建立配電網(wǎng)狀態(tài)估計算法;第三類關鍵技術為智能配用電交互式分析技術，主要基于K系列數(shù)據(jù)挖掘算法將時間序列的數(shù)據(jù)分類，并提供基于智能電表數(shù)據(jù)的日負荷形狀和用電行為分析、配變負載率分析、大型電器用電行為分析、低壓電網(wǎng)拓撲等分析，融合智能電表和SCADA數(shù)據(jù)的變電站網(wǎng)損分析，以及基于PMU數(shù)據(jù)的動態(tài)和靜態(tài)負荷特性辨識;第四類關鍵技術為時空融合的配用電大數(shù)據(jù)分析應用，主要基于多時空、多時間尺度數(shù)據(jù)分析，進行變電站、配變數(shù)據(jù)等數(shù)據(jù)分析、負荷模型參數(shù)辨識等應用，基于用戶智能電表的用戶畫像功能，和基于地理信息的用電行為分析、大型用電器行為分析、以及精準營銷的應用。

圖2 智能配用電大數(shù)據(jù)分析的關鍵技術

2.1數(shù)據(jù)集成管理平臺架構與統(tǒng)一數(shù)據(jù)模型技術

智能配用電大數(shù)據(jù)的第一個關鍵技術是數(shù)據(jù)集成管理平臺架構與統(tǒng)一數(shù)據(jù)模型技術。集成管理平臺將若干分散的數(shù)據(jù)源中的數(shù)據(jù)，邏輯地或物理地集成到一個統(tǒng)一的數(shù)據(jù)集合，即統(tǒng)一數(shù)據(jù)模型中，為后續(xù)分析存儲一系列面向主題的、集成的、相對穩(wěn)定的、反應歷史變化的數(shù)據(jù)集合，從而為系統(tǒng)提供全面的數(shù)據(jù)共享，解決電力企業(yè)內部各系統(tǒng)間的數(shù)據(jù)冗余和信息孤島的問題。

配用電數(shù)據(jù)集成與管理平臺的數(shù)據(jù)源包括內部數(shù)據(jù)和外部數(shù)據(jù)。內部數(shù)據(jù)包括智能電表數(shù)據(jù)、配電自動化/SCADA數(shù)據(jù)、配電網(wǎng)線路信息、設備運行信息、用戶信息、空間位置信息等;外部數(shù)據(jù)包括地理信息數(shù)據(jù)、氣象數(shù)據(jù)、人口數(shù)據(jù)等。這些數(shù)據(jù)根據(jù)其特性可以存儲在傳統(tǒng)數(shù)據(jù)倉庫中，也可以存儲在NoSQL數(shù)據(jù)庫中或是圖數(shù)據(jù)庫中。數(shù)據(jù)集成的核心任務是要將互相關聯(lián)的分布式異構數(shù)據(jù)源集成到一起，使用戶能夠以透明的方式訪問這些數(shù)據(jù)源。

配用電數(shù)據(jù)基礎與管理平臺根據(jù)智能電網(wǎng)統(tǒng)一數(shù)據(jù)模型SGDM，按照從上至下的設計理念，將來自多個數(shù)據(jù)源的數(shù)據(jù)按照資產信息、網(wǎng)絡拓撲模型、用戶信息和外部數(shù)據(jù)進行有機整合，覆蓋網(wǎng)絡運行、賬戶管理、資產管理、客戶管理、停電管理、工作管理和天氣模型等業(yè)務領域，結合包括KPI在內的智能電網(wǎng)大數(shù)據(jù)分析挖掘需求，針對支持電力公司的運營和發(fā)展、分析用戶行為與服務優(yōu)化、為政府與社會提供決策咨詢與支持3類應用，設計8個業(yè)務域，49個主題域，定義包括實體及其關系在內的邏輯模型，并依據(jù)第三范式原則優(yōu)化物理模型。

針對配用電數(shù)據(jù)的來源多重性、實時交互性、時間相關性和多尺度性，見圖3，SPARK中的彈性分布式數(shù)據(jù)集(RDDs)運用高效的數(shù)據(jù)共享概念和類似于MapReduce的操作方式，集成地理信息等靜態(tài)數(shù)據(jù)，并通過通過離散流將動態(tài)流數(shù)據(jù)集成，在一段時間周期上進行一系列確定性的批處理計算。在數(shù)據(jù)倉庫中分層處理不同的數(shù)據(jù)，其中包含基礎數(shù)據(jù)層、數(shù)據(jù)分析層和核心展示層。在基礎數(shù)據(jù)層采用標準化的公共信息模型(common information model，CIM)，用于描述能量管理系統(tǒng)中主要數(shù)據(jù)對象，是面向電力生產交易全環(huán)節(jié)相關對象及其關系的面向對象建模方法。在數(shù)據(jù)分析層，采用包括規(guī)則引擎、報表工具、挖掘工具、可視化互動分析工具等軟件，為大數(shù)據(jù)實驗室未來的各類專題研究提供數(shù)據(jù)分析手段。在核心展示層安裝地理信息，按照從配電系統(tǒng)到變電站到配變最后到每個用戶逐級展示負荷特性、有功功率和無功功率、電能質量和負載等信息。

圖3 數(shù)據(jù)集成管理平臺架構與統(tǒng)一數(shù)據(jù)模型技術