隨著智能電網的發展，配電系統部署了眾多的監控和管理系統，每時每刻都在產生大量的數據；如何應用這些數據，提高配電系統的智能化水平，既是機遇也是挑戰。文章首先分析配電系統大數據的特點；其次總結配電系統大數據的關鍵應用場景和應用價值；然后綜述國內外在配用電大數據領域的重點研究成果；最后分析大數據發展面臨的挑戰，并提出應對措施。

引言

基于配用電數據融合基礎上的大數據應用研究，既是電力大數據研究的重點也是起點。配電系統具有地域分布廣、設備種類多、網絡連接多樣、運行方式多變等特點。隨著分布式能源、電動汽車的發展，用戶系統的接入，配電系統的日益開放，外部因素如天氣、社會經濟政策、用戶行為等對配電網這一物理系統的規劃和運行產生的影響已變得不可忽視，使之面臨更大的不確定性。用傳統的物理建模分析方法，難以完全滿足要求。與此同時，為提高智能化水平，配電系統部署了眾多的監測、控制和管理設備/系統，加之用戶側系統和用戶采集系統的接入，這些系統每時每刻都在產生大量的數據，這些數據與外部數據結合，構成了配電系統大數據。借助大數據技術，通過對配電系統大數據進行分析挖掘，可在負荷預測、配電系統設備管理、供電可靠性評估、停電管理、配電網規劃等方面形成新的技術解決方案，有效提升配電系統的智能化水平。

大數據技術已被看作是提高配電網規劃運行水平的重要技術手段。2014年以來，國內外在配電系統大數據應用方面開展了較多研究，如美國電力研究院DMD（配電網現代化示范項目）2014年啟動，執行期5年，旨在研究如何利用來自內部和外部的數據，提高配電網的運行、管理和規劃水平，應用場景包括停電管理、設備損害評估、配電網規劃、負荷預測和用戶行為分析、電壓/無功控制、配電效率評估、故障定位/隔離/原因識別、資產管理和設備診斷、GIS系統管理和精確性改善等；由國網上海市電力公司牽頭，中國電科院等11家單位共同參與的國家863計劃課題“智能配用電大數據應用關鍵技術”，2015年啟動，執行期3年，研究內容包括用電預測、配電網規劃和配電系統優化調度等。除重大科研項目外，研究機構、高等院校和電力公司也在配電網大數據方面做了很多嘗試性研究，應用場景包括可靠性評估、電力地圖開發、無功電壓控制等。

總體來看，這些研究仍處于起步階段，雖初步體現了配電大數據的應用價值，但也暴露出配電大數據應用研究仍面臨諸多挑戰。總結已有成果和經驗，積極面對各方面的挑戰，對于進一步推動配電大數據應用研究具有重要意義。本文總結配電系統大數據的關鍵應用場景和應用價值，綜述國內外在配用電大數據領域的重點研究成果，并分析大數據發展面臨的挑戰和應對措施。

1配電系統大數據特點

1.1數據來源

配電網部署了眾多的信息系統，包括配電管理系統、配電自動化系統、電能質量監測系統、電壓和無功管理系統、各種智能電子和傳感設備對資產的監測系統。為提高系統與用戶的互動水平，提高電網靈活性，部署了大量的智能電表和用電信息采集系統以及用戶側系統如智能家居/樓宇/園區，這些系統與配電系統的集成，用戶側數據與配電系統數據融合，為新的配電系統技術解決方案的形成奠定了基礎，所以用戶側數據也被看作是配電系統數據的組成部分。

綜上，內部數據來自用戶用電信息采集系統、安裝于配電網和配電變壓器的傳感器和智能電力監測裝置（IED）、資產監控系統、電壓無功管理系統、地理信息系統（GIS）、配電管理系統；外部數據包括GIS位置數據、飛機巡檢數據、衛星數據、天氣數據、雷電數據、來自現場員工的信息、來自可再生能源（儲能、電動汽車和用戶系統）的數據、來自第三方的數據。與配電系統相關的內外部數據的總和，構成了配電系統大數據。

1.2數據特點

配電系統設備多、監控裝置多，并與眾多的用戶相連，產生的數據量大，結構復雜，受外部影響顯著。此外，還具有如下特點：

（1）數據異構。產生數據的各個系統是為了某個專門的應用研發的孤立的系統，并不是為了大一統的目標設計的。

（2）數據采集周期、密度和所在的時空存在差異。如配電系統的SCADA采集數據是以秒為單位，而用戶用電信息系統是以分鐘或小時為單位。

（3）數據存在著不完整性。電網是連續運行的，但由通信系統或監控設備出現問題導致的監控失敗在運行過程中時有發生，會造成數據的不完整性。

1.3數據融合

數據作為整體才能體現價值，多維度、大樣本數據是大數據研究的主要對象，為此往往需要實現多源異構數據的融合。由于長期形成的豎井狀管理模式，以及以某專業、某業務需求確定系統的信息系統開發模式，造成了內部數據的難以融合；外部數據的接入和融合就更為困難，一方面是因為外部數據難以獲得，另一方面因為在對象描述、身份標識、時空特性以及密度方面都難以進行匹配。

數據融合目前采用的3種方式是利用數據倉庫、基于IECCIM（61968/61970）和基于企業總線。其中，基于IECCIM（61968/61970）實現數據的融合是現在最重要的方式。

CIM是描述電力系統元件和機構的語義模型，通過CIM可以實現不同應用之間的信息交換。IEC61970主要適用于輸電系統，IEC61968適用于配電系統。采用UML作為描述語言，用XML和RDF（資源描述框架）概括性描述電網，而CIMProfiles可用于定義基于CIM的一個子集、并編制具體的標準。Profiles也可以被用于將CIM擴展到滿足特定的需求。就配電系統而言，需要基于IEC61968實現GIS、DMS、OMS、ERP、MDM，以及其他系統的集成。由于一些系統并不符合CIM，所以需要應用適配器，實現系統的集成和數據的融合，見圖1。

圖1基于CIM的配電系統數據融合

Fig.1DataintegrationofdistributionsystembasedonCIM

2配電系統大數據的應用場景及應用價值

2.1驅動力

隨著智能配用電技術的發展，電力公司部署了大量的智能電表及用戶用電信息采集系統，配電自動化、電能質量監測、停電管理等系統，這些系統產生著大量的異構數據。大數據技術，包括適應大數據處理和分析的計算機技術及數據挖掘、機器學習、深度學習的進步，使配電系統大數據處理、儲存和分析成為可能。基于配電系統數據，采用大數據技術，可挖掘巨大的價值，可支撐智能配用電技術的發展。

2.2典型應用場景

大數據在配電網的主要應用場景包括但不限于：停電管理和恢復、設備損害評估、負荷預測、用戶行為分析、電壓無功控制、設備運行效率評估、配電網低電壓分析、故障定位、故障原因識別、可靠性評估、配電網自動重構、分布式能源分析、網絡拓撲和相位連接分析等。限于篇幅，此處僅針對幾個典型應用場景進行簡述。

（1）負荷預測。利用來自用電信息采集系統、配電自動化系統、調度控制系統的全量負荷數據，對負荷進行逐層分解，同時從負荷類型、季節、區域、時段等多個時空維度，分析負荷的變化和分布規律，建立負荷特性模式庫。在此基礎上，加入國家、地方、產業等經濟

運行數據和發展規劃數據，詳細分析電力負荷與其他行業領域之間的關聯關系，形成多因素的負荷預測方法。這種方法可以用于預測空間負荷，作為配電網規劃的依據。

（2）電動汽車充電設施需求。考慮到傳統汽車按一定比例替換為電動汽車后，其行駛軌跡基本相同，可根據傳統汽車的歷史數據，分工作日、休息日，早高峰、晚高峰等不同時段，挖掘出電動汽車聚集點、行駛軌跡，并結合道路情況，提出電動汽車快速充電、慢速充電設施建設建議。

（3）供電可靠性影響因素分析。從網絡結構、設備水平、用戶構成等幾個方面提取與供電可靠性相關的特征，識別電網薄弱環節，結合供電區域內用戶訴求和運行環境，提出提升供電可靠性的最經濟的途徑。

（4）用戶參與需求響應潛力分析。根據不同的氣候條件（如潮濕、干燥，氣溫高、低）、不同社會階層將用戶進行分類，為每一類用戶繪制不同用電設備的負荷曲線，分析其主要用電設備的用電特性，以及不同季節、不同時刻用戶對天氣的敏感性，用電量出現的時間區間、用電量影響因素以及是否可轉移、可削減。在分類分析基礎上，通過聚合得到某一區域或某一類用戶可提供的需求響應總量，進而分析哪一部分容量、在哪些時間段的需求響應量是可靠的，為實施需求響應提供依據。

2.3應用價值

綜合上述應用場景，大數據應用于配電系統的價值主要體現在如下方面：

（1）提高用戶滿意度。通過數據分析，可了解用戶用電行為和喜好，從而幫助用戶參與需求響應、提高能效；通過可靠性、低電壓等特性分析，提高供電可靠性和電能質量；加強停電管理、縮短停電后恢復時間，并及時讓用戶看到恢復過程；通過上述應用，可提高用戶滿意度。

（2）支撐配電網規劃和運行。通過分析配電系統設備的運行效率和供電能力，可優化電網投資和規劃，提高設備利用效率；由于電表數據能更詳細地記錄用戶用電情況，結合外部數據（政策、天氣和用戶情況）可以更準確地預測負荷和分布式能源發電，很好地管理設備過載、反向潮流，改進電壓特性和電能質量；借助需求響應對分布式能源、電動汽車等進行管理，起到削峰填谷作用，延緩設備投資；通過用戶用電信息，可以預測配電變壓器、地下電纜、架空線、電壓調節器是否故障；通過觀察負荷情況，還可以分析預測變壓器壽命。

（3）有助于信息通信系統的完善。智能配電網的發展目標依賴于信息系統的貫通，大數據研究過程中，當發現配電網IT架構不足以滿足未來需求、存在數據共享障礙時，可進一步促進IT架構的完善，同時也促進了智能配電目標的實現。

（4）增值服務。通過配用電數據分析，可分析社會經濟發展狀況，為政府提供信息服務；分析新能源、電動汽車等政策執行效果，為政府制定政策提供依據。

（5）提高利用外部數據的能力。通過配電大數據應用研究，提升了電力公司利用天氣、社會經濟、交通、用戶等外部數據的能力。

3國內外重點研究成果

3.1大數據當前研究重點

用戶用電信息采集系統與配電管理系統（DMS）、停電管理系統（OMS）和地理信息系統（GIS）等系統的集成和數據融合基礎上的大數據分析是當前的研究重點，主要集中在3個方面：①重視與GIS系統的融合，將配電系統的數據分析直觀展示在GIS系統上，輔助規劃運行人員決策；②實現配電數據與用戶用電信息采集系統數據的融合，在更多維度數據支持下，形成新的技術解決方案；③增強對外部數據的應用，開發新的應用。

電表數據和其他與用戶用能行為相關的數據，可用于分析出用戶的喜好，分析出不同的需求響應項目（對分時電價和尖峰電價的反應）的效果，以及不同機制影響下的電動汽車充放電對負荷的影響。

GIS在大數據中的地位很重要。眾多的應用始于GIS，終于GIS。數據的融合主要基于IEC61970/61968。

3.2國外重點研究成果

此處圍繞著ABB、C3-Energy、AutoGrid3家公司的大數據分析系統，介紹國外在配電大數據方面開展的應用研究。

（1）ABB。ABB開發的Ventyx和BI被眾多公司使用，并開發了一系列應用，例如：

1）與歐洲電力公司的巨頭—德國的VattenfallinGotland合作，實施一個針對2000個家庭和30個商業樓宇、平移10%負荷的項目。該項目使用了基于Ventyx的需求響應管理系統，需求響應參與者包括風機、光伏、儲能、電動汽車充電，使用了階梯電價。這一需求響應項目中，用戶行為分析發揮了重要作用，基于AMI數據和其他數據，可預測用戶可平移負荷、分析有效的激勵措施，是實現有效需求響應的基礎。

2）美國電力公司（AEP）正在部署ABB開發的Ventyx資產健康管理系統。AEP有一半以上的變壓器運行了50多年，通過將數據與ABB開發的Ventyx、BI的OT/IT（運行技術和信息技術）模塊和分析算法相結合，對配電資產進行健康評估和管理，這些配電設備覆蓋11個州、500萬用戶電網。

（2）C3-Energy公司。美國C3-Energy公司以自行研發的數據集成器為基礎，整合來自公用事業公司內部和其他第三方的超過22種數據，包括公用事業公司擁有的儀表數據、能耗數據，第三方或用戶的建筑物特性、企業運營情況、地理信息數據等，形成自己的分析引擎，提供電網實時監測和即時數據分析。C3能源分析引擎平臺將多個分散電力系統數據存儲在云平臺上，與工業標準、天氣預報、樓宇信息、持久協議和其他外部的數據相結合；基于該平臺開發了資產保護、預測性維護、需求響應分析、負荷預測等10種成熟的解決方案。所開發的系統已在美國的巴爾的摩燃氣電力公司（BGE）、太平洋燃氣電力公司（P&G）、東北電力公司（NortheastUtilities）等投入應用。

（3）AutoGrid公司。AutoGrid公司開發的需求響應優化和管理系統（DROMS）是先進的需求響應管理系統，既可針對用電行為分析、負荷預測等進行大數據分析，也可在實時電價、尖峰電價（criticalpeakprice，CPP）和尖峰補貼電價（criticalpeakrabates，CPR）等電價機制下實施需求響應和直接負荷控制。DROMS基于開放標準，與OpenADR、SEP2.0等兼容。

DROMS已在多家電力公司應用。佛羅里達電力公司應用該系統實施預測性設備檢修計劃安排，提高了配電系統的可靠性，用戶平均停電持續時間減少了17min，項目涉及的數據包括460萬塊、每15min采集一次的智能電表數據，變電站數據，故障電力指示器數據，電容器組報表，配電自動化饋線設備數據。奧克拉荷馬州采用該系統進行負荷精確預測，并實施有效的需求響應，削減負荷峰值2%，不僅可推遲350MW電站的投資建設，參與需求響應的用戶每年平均減少300美元電費，95%需求響應參與者表示滿意。意昂公司利用該系統在羅馬尼亞實施了收入保護項目，基于多源數據、采用機器學習分析方法提高檢測準確性，可識別竊電發生事件，減少了公司的經濟損失，項目實施前未檢測出的竊電成本占收入的15%。

3.3國內重點研究成果

我國電力大數據研究始于2014-2015年，其中配用電是電力大數據研究的重點領域。文獻［7-10］對配用電大數據的應用場景進行了研究，對應用價值進行了展望；文獻［11-13］介紹了配電網大數據技術分析與典型案例；文獻［14-15］研究了面向智能配電網的大數據統一支撐平臺體系與架構。

中國電力科學研究院在配電大數據典型應用方面已進行了探索性研究，包括研發電力地圖、臺區重過載預測和風險評估、配電設備運行效率和供電能力評估。

城市電力地圖融合電網拓撲、電網運行、設備生產運維、用戶用電信息以及區域自然環境條件、各項社會經濟指標等外部數據，通過數據挖掘與可視化手段形成負荷典型發展模式分析、基于車輛行駛軌跡的充電需求分析和供電可靠性影響因素分析3個應用。通過密度聚類方法分析車輛主要運行路線與集散點，得到充電需求的空間分布，可指導充電設施規劃。圍繞目標區域內的負荷變化情況，通過大量樣本區域，分析城市發展過程中與負荷相關的多方面特征，提煉典型的負荷發展模式，用于輔助空間負荷預測。從網絡拓撲、設備類型、運維周期、用戶構成、運行環境、管理水平等方面分析影響電網可靠性的主要因素，可為消除薄弱環節、提升可靠性水平提供依據。

臺區重過載預警與風險評估是利用設備臺賬、改造記錄、用戶檔案、歷史負荷曲線、氣象指標及節假日等數據，對臺區重過載歷史情況進行分析，挖掘重過載因素，并通過機器學習，實現重過載臺區預測；同時基于設備類型、運行情況，運行環境以及臺區下用戶數量、重要程度、平均停電時間等因素，綜合評估重過載臺區停電風險。基于中國電力科學研究院大數據平臺研發的臺區重過載預警系統于2016年初在國網山東公司上線試運行，為春節等重要時期保供電提供了技術支撐。

配電設備運行效率和供電能力評估融合生產管理系統、調度系統、營銷業務系統、用戶用電信息采集系統、電能質量監控系統的數據，覆蓋331個城市，數據規模達到2TB；分析配電設備的運行效率和供電能量裕度及其與設備選型、運行年限、負荷特性及資產特性等的關聯關系，為未來電網投資提供參考。

4結語

（1）國內外在配電大數據研究和應用方面均取得了一定的研究成果，國外C3-Energy公司、AutoGrid公司的產品已在一些電力公司獲得應用，較為成熟。與之相比，我國在配電大數據研究方面起步較晚，并未形成在電力公司廣泛應用的市場化產品，應用研究尚處于探索階段。

（2）配電大數據應用研究面臨很多挑戰，包括：數據難以獲取，數據融合難度較大；傳統數據分析方法在應對PB級、高維數據時難以滿足需求，研究基礎薄弱；缺乏系統方法論指導，在大數據分析系統的架構設計、如何建立配電網大數據應用案例、將數據轉化為應用價值方面缺乏經驗和示范；在保護數據的隱私和方面存在風險，缺乏相關標準和準則。

（3）多源數據融合是實現配電系統大數據應用的基礎。電力公司和研究機構應基于配電系統大數據技術所要支撐的所有近期、遠期應用目標，識別出數據融合方面的需求，通過制定標準，逐步推動數據融合。

（4）從配電系統大數據的典型應用入手，針對電表數據、GIS數據以及其他主要營配系統的數據，融合天氣、用戶、社會經濟等數據，開展示范研究和應用，形成配電系統大數據應用研究系統方法論，開發具有市場競爭力的實用化分析系統。