第三章：大數據技術在配電網中的應用(應用場景)

配電網大數據的來源和特徵

• 傳統配電網數據採集點稀疏、數據渠道窄、數據集成處理能力較弱，配電網管理人員很難通過有限的數據挖掘和分析得出有價值的信息。隨著先進電力技術的完善，配電網數據監控、採集、傳輸和管理系統配置成熟，提供了大量的數據源，為配電網運行和管理提供了海量豐富的多源異構數據基礎。
• 具體而言，數據包括各配電設備的基礎信息(包括一次設備和二次設備基礎信息，包括出廠信息、安裝信息等)以及其運行狀態信息(包括歷史運行信息、實時運行信息、檢修記錄信息、試驗測試信息)，配電網的基礎信息(網架結構數據、網路設計信息) 以及其運行信息(包括歷史運行信息和實時運行信息)，地理和天氣類環境信息。可以利用的系統資源有配電網數據採集與監控(supervisory control and data acquisition，SCADA) 系統、配電管理系統 (distribution management system，DMS）。設備屬性類數據可取自生產管理系統 (production management system，PMS)系統。運行類數據可取自能量管理系統(energy management system，EMS) 系統、廣域監測系統(wide area measurement system， WAMS)、用電信息採集系統和營銷管理系統，資產類數據可取自企業資源計劃(enterprise resource planning，ERP) 系統，電網接線圖類數據可取自 SCADA、PMS、EMS 或配電自動化(distribution automation，DA)系統。地理和天氣類環境數據可以利用各種電網環境監測系統，如雷電信息監測系統、氣象環境信息監測系統、地理信息系統 (geographic information system，GIS)等。同時，配電網的任務是服務於國民經濟，所以經濟類社會數據也是配電網大數據的數據源之一，直接影響配電網的發展。綜上，配電網的大數據源具體分為 4 類：基礎數據、運行數據、環境數據、經濟數據。數據之間的交換和大數據應用框架示意如圖所示。這些數據源的總體狀況如表所示。

• 這些數據源涵蓋了調度、運檢、營銷等多個管理業務，以及絕大部分 110kV及以下多電壓等級的電網監控和採集信息。從數據源類型來講，智能配用電大數據應用的數據源類型豐富，覆蓋配變、配電變電站、配電開關站、電錶、電能質量等配用電自動化和信息化數據、用戶數據和社會經濟等數據。

配電網典型大數據場景分析

面向有源配電網規劃的負荷預測

• 隨著配電網信息化的快速發展和電力需求影響因素的逐漸增多，用電預測的大數據特徵日益凸顯，傳統的用電預測方法已經不再適用。由於智能預測方法具備良好的非線性擬合能力，因此近年來用電預測領域出現了大量的研究成果，遺傳演算法、粒子群演算法、支持向量機和人工神經網路等智能預測演算法開始廣泛地應用於用電預測中。傳統的用電負荷預測，受限於較窄的數據採集渠道或較低的數據集成、存儲和處理能力，使得研究人員難以從其中挖掘出更有價值的信息。通過將體量更大、類型更多的電力大數據作為分析樣本可以實現對電力負荷的時間分布和空間分布預測，為規劃設計、電網運行調度提供依據，提升決策的準確性和有效性。

配電網運行狀態評估與預警

• 基於大數據技術的配電網運行狀態評估與預警研究內容如圖所示，包括以下方面：

1. 對配電網進行安全性評價，如電力系統的頻率、節點電壓水平、主變和線路負載率等；
2. 對配電網的供電能力進行評價，如容載比、線路間負荷轉移能力等。當供電能力不能滿足負荷需求時，根據負荷重要程度、產生的經濟社會效益以及歷史電壓負荷情況，進行甩負荷；
3. 對配電網可靠性和供電質量進行評價，如負荷點故障率、系統平均停電頻率、系統平均停電時間、電壓合格率、電壓波動與閃變、三相不平衡度、波形畸變率、電壓偏移、頻率偏差等；
4. 對配電網經濟性進行評價，如線損率和設備利用效率等。

• 通過計算風險指標，判斷出所面臨風險的類型；預測從現在起未來一段時間內配電網所面臨的風險情況；根據風險類型辨識結果，生成相應的預防控制方案，供調度決策人員參考；可以對突發性的風險和累積性風險進行準確辨識、定位、類型判斷、生成預防控制方案等；依據對多源異構的數據分析，將風險準確定位到局部，進一步對全網或局部電網的風險狀況進行集中判斷、定位以及預防控制。

有源配電網電能質量監測和評估

• 隨著分散式電源不斷地接入配電網，逐步形成了小、中、大規模的有源配電網。伴隨著分散式電源的功率波動，配電網中的電能質量經受著較大的衝擊。通過收集配電網中的運行數據、負荷數據、分散式電源運行等數據，能夠開展配電網中的電能質量分析和評估研究，從而得出精細化的配電網網架和無功源的調節方案等。有源配電網電能質量監測和評估示意圖如圖所示。

基於大數據的有源配電網電能質量監測和評估包括以下方面：

有源配電網電能質量分析與監測：

• 電網規模的不斷擴大以及分散式電源的不斷接入，配電網中運行數據、負荷數據、分散式電源運行等數據逐漸增多，電能質量分析的大數據特徵日益明顯，傳統電能質量分析方法在電能質量的消噪、特徵提取、擾動分類和參數估計等方面難以完全解決問題。
• 面對出現的電能質量問題，近年來產生了許多綜合分析法。但是，基於傳統電能質量分析方法的電能質量監測裝置面臨性能差、精度低、智能化程度低等問題，需研究高性能的電能質量分析方法，開發實時在線的電能質量監測系統。
• 電能質量監測系統集通信、測量、分析和管理等諸多功能於一體，能為電力企業和用戶提供供電質量的基本信息，實現有源配電網電能質量全面、準確、有效地監測。同時考慮到經濟性，有源配電網中監測終端的最優布點也是亟需解決的問題。

有源配電網電能質量評估：

• 有源配電網電能質量的評估是對有源配電網運行水平和電力供應能力的綜合評價，是約束、督促電力公司與電力用戶共同維護公共電網電能質量環境的基礎，同時也是實施質量治理與控制的依據、檢驗治理與控制效果的工具。
• 隨著分散式電源越來越多的接入配電網，用戶對電能質量的要求越來越高，傳統的電能質量評估方法面臨計算性能降低、耗時長、精度低等問題，如何使電能質量的評估合理、客觀、準確是電力企業面臨的嚴峻考驗。
• 而且，大規模的結構化數據和非結構化數據的加入，將為電能質量評估提供新的研究途徑，制定合理的有源配電網電能質量評估指標，提高電能質量評估的準確性，深度挖掘電能質量監測系統採集到的數據信息，揭示由於之前分析成本太高而忽略的信息，為電力企業以及用戶提供諸如網架結構分析、無功源配置方案合理性分析、敏感負荷安裝位置分析、監測點配置方案等高附加值服務，這些服務將有利於電網的安全、穩定和經濟運行。

有源配電網電能質量診斷與治理：

• 為了滿足較高電能質量的要求，及時正確地對影響電能質量的各種異常運行狀態做出診斷，找出電能質量干擾源，並預防或消除，從而避免故障的擴大，是有源配電網面臨的又一個難題。
• 鑒於分散式電源可以看作一種向配電饋線注入諧波的非線性負荷，而分散式電源的投切也會引起電壓波動，分散式電源的接入無疑會在一定程度上加重對電能質量的擾動。傳統的電能質量擾動定位方法都存在一定的適用環境與限制條件，且僅僅考慮一種定位方法得出的定位結果可信度往往不高。
• 通過將體量更大、類型更多的電力大數據作為分析樣本，為電能質量擾動定位提供詳細的研究思路，提高電能質量擾動定位的準確性，尋找出網架結構中的薄弱環節，制定精細化的配電網網架和無功源調節方案，改善電能質量，對電網的經濟運行具有重要意義。

基於配電網數據融合的停電優化

• 配電網停電優化是建立在配電網調度自動化系統、配電自動化系統、用電信息採集系統、配網設備管理系統、配電設備檢修管理系統、電網圖形及地理圖形信息和營銷管理系統等的基礎上，綜合分析配電網運行的實時信息、設備檢修信息等，以找出最終的最優停電方案。計劃停電管理根據計劃停電(包括檢修和限電等)的要求，進行系統模擬，以最小的停電範圍、最短的停電時間、最小的停電損失、最小的停電用戶來確定停電設備，通過屏幕顯示停電區域，列出停電的用戶名單，列印用戶停電通知書等等。
• 採用傳統技術在處理時存在計算速度慢、計算周期長、擴展性差等缺點。為了更加準確地計算配網停電損失，降低停電影響需要利用多個業務系統的海量數據進行聯合分析和數據挖掘。基於大數據技術的配電網停電優化包括：

1. 停電信息分類，基於調度、營銷、配網貫通的海量數據對停電信息數據進行整理與分類；
2. 停電預警，對設備故障可能導致停電進行預警；
3. 配電網停電計劃制定，採用大數據技術制定合理的停電計劃，完善配網停電優化分析系統。

大數據技術在配電網中應用場景擴展

大數據在配電網運行中的指導作用

• 大數據技術通過使用智能採集終端設備得到整個電力系統的運行數據，對採集的電力大數據進行系統的處理和分析，從而實現對電網的實時監控；進一步，結合大數據分析與電力系統模型，可以對電網進行診斷、優化和預測，為電網安全、可靠、經濟、高效地運行提供保障。
• 比如通過數據的相關性分析和聚類分析，可了解配電網目前運行情況、輕載區域和重載區域狀態以及根據負荷變化情況預計區域負載率變化情況，通過實際配電網接線和運行方式分析，及時調整網路運行方式；同時根據天氣數據預測分散式能源出力曲線，結合負荷預測曲線，綜合網路結構情況和不同時間段各類負荷的互補性分析，可得到配電網實時接納分散式能源的方案，包括接入點信息及其接入量曲線；還可以模擬配電網重載區域出現擾動後網路運行方式調整預案，為調度人員提前準備應對措施等等。

大數據在配電網規劃中的指導作用

• 基於大數據的配電網規劃方法，首先需要利用區域經濟數據集成短、中、長期負荷預測結果，結合配電網地理信息系統(geographic information system，GIS)關於設備空間、地理空間、拓撲空間和電物理空間的分析得到負荷空間分布，同時重點考慮所在區域分散式能源的發展情況(中長期預測結果)，然後綜合負荷空間分布結果和分散式能源發展情況得到配電網網架結構規劃結果， 後核實驗證網架結構方案的靈活性、科學性和可擴展性。
• 基於大數據的配電網規劃方法利用豐富的數據信息，如歷史電力數據、工業數據、經濟數據、市政數據和環境數據等，融合先進的設計理念，將更完善的地理信息系統、更複雜多元化的分散式供電理念、更先進全面的可靠性理念注入配電網規劃思路中，這也使得規劃方法涉及的數學模型更為複雜。這一思想與國際現代配電網規劃技術接軌，從單一目標規劃轉變到多元目標優化規劃，為進一步提升配電網規划水平和建設一流智能配電網起到促進作用。

大數據在配電網檢修中的指導作用

• 基於配電網中的數據監測和採集系統收集表徵網路運行狀態的數據，包括電氣量數據，如電壓、電流、有功、無功、負載率、分散式能源接入曲線等，也包括非電氣量數據，如局部區域運行環境溫度、濕度、雜訊(如變壓器運行時需要關注的)等。利用這些數據設計演算法判斷網路運行狀態並進行排序；結合歷史運行數據對網路運行狀態劃分排序，對於運行狀態欠佳的區域需排除是由外部運行因素引起，還是由配電設備等網路自身因素引起。
• 影響配電設備運行狀態因素可分為設備本體因素和非本體因素兩大類。設備本體因素包括設備電氣性能、機械性能、絕緣性能；非設備本體因素包括自然因素、人為因素等。根據統計結果，非設備本體因素對設備運行狀態影響程度更大，通過大數據分析能得到這類因素對設備運行狀態的影響規律。大數據技術能綜合影響設備運行狀態的本體因素和非本體因素，得出更為合理的設備狀態和網路運行狀態，從而制定更加合理的檢修方案。

大數據在配電網資產管理中的指導作用

• 我國配電網規模大、設備眾多，所以數據量非常可觀，但也存在諸多挑戰：從時間、空間標識的角度來看，配電網數據具有分散性；從測量工況複雜的角度來看，數據具有模糊性；此外數據還具有冗餘性、高維性等特徵；即使合理地利用智能終端實現了數據的獲取，各種監測數據的篩選與辨識仍然存在困難——解決數據的可信性問題正是大數據工作的核心部分之一。
• 合理利用智能終端實現設備和網路運行數據以及其他外部環境數據可獲取，大數據技術(人工智慧、群體智能、深度學習、機器學習等)基於獲取的豐富海量的數據能進一步分析設備個體運行狀態 (找出反映設備健康狀態的關鍵特徵量，從而降低數據維度，提高效率)，判斷設備是否還能正常工作或者建立設備和網路整體的正常工作區間(大數據實現狀態估計)，同時結合專家經驗修正相關模型，實現經驗分析和數據分析相結合，傳承資產管理中的專家知識，提高模型的可解釋性和泛化能力。
• 配電網量大面廣，資產管理難度較大，同時需要大量基礎數據，這正是大數據的優勢，利用大數據技術可實現配電網在資產管理體系、模型方法、信息交互等多方面的提升，以根本提高配電資產管理水平。
• 待更新未完......

參考文獻

1. 劉科研, 盛萬興, 張東霞,等. 智能配電網大數據應用需求和場景分析研究[J]. 中國電機工程學報, 2015, 35(2):287-293.
2. 費思源，大數據技術在配電網中的應用綜述[J].中國電機工程學報，2018，38(1)，85-96.

推薦閱讀：