随着智能电网的发展，配用电系统正在产生出越来越多的数据，利用大数据技术对这些数据进行处理和分析，对提高配用电系统的管理、运行水平有潜在的价值。在世界范围内，配用电大数据的应用研究刚刚起步，仍存在着技术储备不足、数据获取和融合存在障碍、数据分析理论和技术缺乏等问题。本文提出的配用电大数据应用场景可供从事大数据研究的电力专业人员参考，在深入的研究和广泛的实践中，应用场景将得到完善，应用价值也将得到充分体现。
0 引言
配用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。随着配电自动化(DA)、生产管理系统(PMS)、停电管理系统(OMS)、高级量测体系(AMI)、电能质量监控系统、用户能效管理系统的推广应用，配用电系统产生了多源异构、规模巨大的数据，表现出大数据的基本特征。以AMI为例，如果1h采集一个电量数，与过去每个月采集一个数相比，每个用户将由过去一年的12个数增加到8760个数，是以730倍的数据量增长;若每隔15min采集一次，其产生的数据量将更大。在智能电网发展环境下，欧美国家已在实现配电系统和用电系统的集成，正在为数据的融合扫清障碍，国内电力公司也正在开展“营配一体化”建设，力图实现配用电数据的融合。借助大数据技术，对配用电系统产生的大数据进行分析，有着巨大的应用价值。
本文阐述配用电系统的技术发展趋势，分析配用电系统的大数据特性，总结大数据技术在配用电系统的主要应用场景和应用价值。
1 配用电系统智能化发展趋势
为适应可再生能源、分布式能源及电动汽车的大规模发展，配用电系统正在向智能化方向发展，就整体解决方案的形成而言，主要表现为两个发展方向：一是部署高级量测体系、需求响应、智能家居/楼宇/园区等技术，实现配电系统与用户侧系统的集成，一方面实现用户侧系统内部对用户侧的发电、用电的有效管理，另一方面实现用户侧系统与电网的互动，增强电网灵活性，提高整个电网接纳新能源的能力;二是建设配电管理系统，加强对配电系统的监测、控制，应对分布式电源、电动汽车给配电网带来的挑战。
图1是美国许多电力公司实施的自动需求响应和绿色按钮行动计划的整体集成方案：通过网关，集成用户侧系统和电网侧系统的通信及信息系统;在绿色按钮行动计划的协议和OpenADR开放标准支持下，用户不仅可通过互联网查询自身用电情况，主动改变用电行为提高能效，也可授权给第三方(能源服务商)，由第三方为用户提供需求响应和能效服务;在用户系统内可通过部署智能用电设备、恒温器、用户用电显示器，实现用户侧系统的能量管理，并对外与电网互动，实施自动需求响应。
图1 美国自动需求响应和绿色按钮行动计划解决方案
图2是美国普遍采用的配电管理系统集成方案。配电管理系统负责监测、管理和控制整个配电系统，包含状态估计，节能电压控制及集成电压/无功控制，自动故障检测、隔离和供电恢复，保护系统校核，分布式能源运行监控，动态定容，停电恢复、检修管理，低压系统建模和管理等功能。
建设配电管理系统，必须实现很多系统的集成。如为了发挥电表数据价值，加强停电管理，对现场人员进行调配优化，需集成量测数据管理系统(MDMS)、OMS、地理信息系统(GIS)等。又如，实现节能电压控制，需要将AMI系统和配电自动化系统集成。
随着分布式能源、电动汽车的大规模发展，人们逐渐发现，现有的智能电网框架已不能满足未来发展需要，能源互联网的概念随之被提出并受到高度重视。普遍认为，能源互联网是智能电网的发展方向，能源互联网以智能电网为核心，实现智能电网与气、热和交通系统的交互，提高电网灵活性，提升电网接纳新能源的能力。能源互联网在用户侧系统、城市层面和更大范围内(全国、跨国、跨洲甚至全球范围)将实施更广泛意义上一次、二次能源系统的互联互通。由于用户侧系统和城市层面的能源互联网的部署需要的协调代价较小，实现起来相对容易，所以将首先得到发展。城市层面、用户侧能源互联网的实施，将使配用电系统产生更多的多源异构数据，不仅包含电力系统数据，还包含热、气等系统的数据。此外，用户用能行为、电动汽车拥有者的构成及生活习惯、用户对激励政策的心理反应、城市发展状况等都将对未来配用电系统的发展产生影响。这些数据的获取、融合和分析，将为能源互联网提供重要的支撑。
图2 美国配电管理系统集成方案
2 配用电系统大数据
各国的实际情况不同，所开发的智能配用电应用系统也不完全一样，但总的发展趋势是一致的，都是实现配用电系统的集成，提高配电网的运行管理水平，推动用户参与电网运行管理。
就我国目前的发展状况，配用电系统的数据主要来自DA、AMI、PMS、OMS、电能质量监测系统、GIS、95598服务系统等。在大数据的理论和方法指导下，不仅上述电力系统数据的价值会被大力挖掘，也会提高对外部数据的利用。这些所说的外部数据与配用电系统密切相关，包括社会经济数据，道路交通、建筑、人口等数据。当内部数据和外部数据相融合后，将产生出新的价值、支撑新的业务。如AMI、社会经济数据、天气预报数据的融合可为更精确的负荷预测提供基础;AMI数据和网络拓扑数据的融合，可为防窃电行为的判断提供参考。为实现图1中的自动需求响应，需要了解用户的用电心理和行为，了解用电设备的能耗情况，才能制定出合理有效的电价激励机制，而用户侧系统的数据、AMI数据、社会经济数据、天气数据为用户行为分析提供了基础。
融合后的内外部数据，具有数据量大、结构复杂、价值大等大数据特征，是大数据的重要应用领域。我们把这个数据集称为配用电系统大数据。
配用电大数据价值的挖掘需要大数据技术的支持。按照信息处理流程，大数据在智能电网中的应用可以分为数据采集、数据清理、数据存储及处理、数据分析、数据解读以及数据应用6个环节，每个环节的技术共同构成了大数据的技术体系。配用电系统大数据的价值，体现在数据的融合上，然而，在大多数电力公司中，每个系统来自不同的产品提供商，于不同的时间购买、开发，孤立的、竖井状的系统造成了数据的隔离，数据融合问题是实现智能配用电发展目标的障碍之一。为实现数据的融合，需要应用大数据的数据接入技术，并建立共同数据模型。大数据的数据管理和数据分析技术为配用电系统大数据的应用奠定了技术基础。
3 国内外研究现状
自2012年大数据兴起，国内外配用电大数据应用主要集中在AMI数据分析上。例如，美国奥能公司(Opower)基于电力公司提供的家庭用电数据，结合“行为科学理论”、房龄信息、周边天气等数据，运用自己的数据分析系统进行用户能效分析，并给出节电建议;Opower提供的报告里，除了用户本身的用电情况分析外，还有相近区域内最节能的20%的用户耗能数据，通过所谓的“邻里用电比较”，给用户提供非常直观的节电动力。澳洲Ausnet Services电力公司通过AMI数据中表现的用电器启动时间和启动特性，对用户用电情况进行分析，并提供节能建议(本期特别策划将刊出AusNet Services公司专家的文章)。法国施耐德电气公司(Schneider)收购了Telvent和OSIsoft公司，开发了数据管理系统“Conductor”，目的是分析智能电网采集的数据流，并将处理后的信息流自动分配到为电力公司服务的不同系统中。
与此同时，基于配用电系统更广泛数据的应用研究也已展开。2013年美国电力科学研究院(EPRI)启动了两项大数据研究项目，分别针对配电网和输电网，项目名称为配电网现代化示范项目(Distribution Modernization Demonstration，DMD)和输电网现代化示范项目(Transmission Modernization Demonstration，TMD)，项目执行期为5年。DMD将研究如何利用来自内部和外部的数据，提高配电网的运行、管理和规划水平。其中，内部数据来自AMI、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、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、现场员工的信息、可再生能源(储能、电动汽车和用户系统)的数据、第三方的数据。主要应用包括：①停电管理、设备损害评估、供电恢复;②配电网规划、负荷预测和用户模型;③电压/无功控制、配电效率评估;④故障定位、故障原因识别、故障隔离、系统恢复;⑤可再生能源并网、资产管理和设备诊断;⑥GIS系统管理和精确性改善;⑦用户接入、用户支持、用户沟通。
美国C3-Energy公司历时5年、投入1.3亿美元开发的实时大数据分析系统，其应用分为面向用户的应用和面向电网的应用2类。C3-Energy与PG&E(太平洋燃气电力公司)合作，在电压优化、资产管理、故障检测、停电恢复，太阳能电池和储能电池的并网、用户侧需求分析、负荷预测、收入保护、用户分类、防窃电等智能电网技术领域研发了大数据处理和分析系统，将“收入保护”模块和已有的用户管理和能效分析系统(也有C3-Energy)以及电网数据进行集成，对于每台电表可以平均产生300美元的经济效益。此外，美国通用电气公司(GE)等也利用其开发的大数据平台进行了二次开发。
国内在配用电大数据应用方面的研究也已起步。2014年中国首次发布了支持电力大数据应用的863项目指南，其中一个课题是研究“智能配用电大数据应用关键技术”，该项目的研究于2015年初启动(本期特别策划将刊出中国电力科学研究院专家的文章，介绍该项目研究思路和进展)。
总的来看，配用电大数据的研究和应用尚处于起步、探索阶段。推动配用电系统大数据研究和应用，需要克服多方面的困难，包括：①对大数据概念和价值认识不足、技术储备不够、缺乏方法论和战略研究，导致研究和应用目标不明确;②通信信息架构不满足一致性要求造成的数据上传困难;③竖井状的系统结构和竖井状的管理模式造成的数据获取困难;④数据模型不统一、资金投入不足、技术复杂度高、数据隐私和安全问题等。
4 配用电大数据应用场景
为推动大数据研究和应用，2014年中国电力科学研究院成立了大数据管理办公室和攻关团队，组织各领域专家开展了大数据应用需求分析工作。针对配用电大数据，从面向用户服务、面向配电网、面向社会服务3个方面，总结出几十个应用场景。限于篇幅，此处仅介绍部分典型应用场景。
4.1面向社会服务
4.1.1 经济趋势分析
基于用电信息采集系统与营销系统积累的用户电量数据，可利用用户历史电量数据分行业、分区域、分电价类别，多维度开展用电情况与经济发展指标关联关系分析，结合用电量增长与经济增长数据，分析电力与经济运行的均衡关系，为政府把握工业运行情况和宏观经济调控提供决策依据。
4.1.2 有序用电与节能潜力分析
通过分析行业用电数据及行业的参考单位GDP能耗，可分析出用户的节能减排潜力，进而汇总成地域的节能减排潜力。通过对电力大客户细分，研究其行为特征，确立客户精细化指标体系，建立电力大客户综合价值评价体系，并通过策略配置，提供不同的专业化服务。通过应用有序用电方案编制辅助决策分析，分析客户历史及实时用电数据，判断用户生产性质及周休情况，自动计算高峰、保安和可限负荷值，准确掌握有序用电潜力。
4.1.3 政策效果评估
政府部门在政策制定过程中，常常会因调研的范围不够广、数据的可信度不够高、长期的历史数据或当前数据获取困难等原因，出现量化指标难界定、政策执行情况难考核、政策合理性缺乏评估手段等问题。而用电和发电数据几乎涵盖了地区、行业、企业和居民用户等各个层次，这些数据通常都是实时或定时获取、长期保存的，能够比较全面准确地反映社会真实情况，可为政府相关政策的制定和决策效果的评估提供支撑。与电网相关的政策和决策主要包括电价政策、能效补贴、新能源分布式能源补贴、电动汽车补贴、需求响应激励政策机制等。
4.1.4 城市发展规划
整合居民用电信息、电动汽车充电桩信息、新能源和分布式能源信息以及地理、区域二氧化碳排放信息;通过分类、聚类、关联等数据挖掘方法，将分析结果同时在地图上显示，形成全方位电力地图。该地图可反映该区经济状况以及各群体行为习惯;显示城市道路以及电动汽车充电桩的分布和利用信息，评估城市道路和充电桩利用效率，辅助城市道路和充电桩规划;结合土地利用和能源的使用情况，能够辅助投资者决策，为城市规划提供更强大的支撑。
4.2面向用户服务
4.2.1 用户用电行为分析及其他服务
用户用电行为分析主要是基于用户的用电数据，结合用户信息、地理信息、区域属性等数据，并考虑气象、经济、电价政策等多方面因素，利用分类和聚类方法，对用户类型进行细分，建立不同区域、不同行业、不同类别用户的典型负荷模型库，分析各类影响因素与用户用电行为之间的关联关系和及其影响机理，为需求侧管理、节能、定制服务等提供支撑。
4.2.2 停电管理
在实现营配数据一体化基础上，明确各配电台区与用户之间的隶属关系，定期向受到计划停电影响的用户推送停电时间、停电时长等信息。当电网发生故障时，利用配电自动化信息结合电网拓扑，及时定位受到故障影响的用户，告知其停电原因、停电预计恢复供电时间等信息，同时利用用户反馈信息指导抢修工作。结合电网GIS，对抢修进展情况进行实时展示，帮助用户时刻掌握自身停电状况。利用可视化通过动态网络模型将数据拓扑于地理信息系统。
4.3提高电网自身规划运行管理水平
4.3.1 负荷预测
依托于大数据技术强大的数据分析与模型预测能力，基于用户用电信息、电网负荷信息实时采集同步，结合国民经济增长速度、产业结构调整、消费水平、工业与居民电气化程度、电价政策、气候/气温变化等外部因素，构建用电负荷大数据分析模型，全数据集、全维度地运算、分析，预测各周期用电负荷曲线、负荷时间和空间分布等，可为公司营销决策制定、电网规划、电能调配等提供信息支持。
4.3.2 窃电行为分析
用电信息采集系统虽然采集了大量的用户用电数据，但并不能快速、有效、全面地对用电数据和窃电行为进行分析，需要借助大数据技术对采集系统所采集的电能数据、工况数据、事件记录数据及线损进行综合分析，实现快速、有效、全面的窃电行为分析。通过深度挖掘营销计量大数据在防窃电方面的应用，充分利用现有资源，根据海量的基础数据对用户用电状态做分析筛查，连接智能防窃电装置实现高级智能防窃电监测功能，为用电稽查人员提供高效有力的方式和手段，可以很大程度地提升供电企业防窃电工作的能力和准确性。
4.3.3 供电服务舆情监测预警分析
电力行业正处在一个高速发展阶段，在电力结构优化和改革过程中，电力供需矛盾、环境保护和可持续发展等问题受到社会舆论的高度关注，如何准确把握社情民意、电力舆情工作面临全新挑战。微博等即时通讯工具的大量使用，使得信息发布和公众沟通进入到“自媒体”时代，网络传播速度快，影响范围广，电力舆情管控面临新难题。基于互联网舆情的发展态势和面临挑战，需大力强化互联网大数据舆情监测分析能力，通过建设大数据舆情监测分析体系，利用大数据采集、存储、分析、挖掘技术，从互联网海量数据中挖掘、提炼关键信息，洞察客户行为，实现舆情监控，提升电力客户营销服务水平。
4.3.4 配电网运行状态评估与预警
传统的配电网运行状态评估中，受限于较窄的数据采集渠道或较低的数据集成和处理能力，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、类型更多的配用电大数据作为分析样本可以实现有效的配电网运行状态水平评估及风险评估，开发配电网风险预警模块，为配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可包括：①对配电网进行安全性评价;②对配电网的供电能力进行评价;③对配电网可靠性和供电质量进行评价;④对配电网经济性进行评价。
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规则库性(累积性风险目前仅指设备绝缘老化)的风险进行准确辨识、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分析，将风险准确定位到局部，进一步对全网或局部电网的风险状况进行集中判断、定位以及预防控制。
5 结语
随着配用电系统智能化程度的提高，配用电系统正在产生出大规模的多源异构数据，这些数据与外部数据相融合，构成了配用电系统的大数据。对配用电大数据进行有效的管理和分析，是实现配用电系统智能化的技术保证，同时，还将产生出新的价值、支撑新的业务发展。
在世界范围内，配用电大数据的应用研究刚刚起步，仍存在着技术储备不足、数据获取和融合存在障碍、数据分析理论和技术缺乏等问题，需要多方努力，坚持不懈，消除各种障碍，实质性推进配用电大数据的研究和应用工作。
本文提出的配用电大数据应用场景可供从事大数据研究的电力专业人员参考，在深入的研究和广泛的实践中，应用场景将得到完善，应用价值也将得到充分体现。
原标题：大数据技术在配用电系统的应用
