配网数据现状.docxVIP

2 供电企业数据现状分析本章通过供电企业信息化系统建设和数据现状评估说明电力企业已进入大数据时代。同时分析数据质量，指出未来提升的方向引言配电网处于电力系统的末端，具有地域分布广、电网规模大、设备种类多、网络连接多样、运行方式多变等鲜明特点。随着城镇化建设和用电需求的增长，配电网一直在不断地改造和扩建，其规模也不断扩大，国网公司系统内大多数县级以上配电网的规模都已达到百条馈线以上，一些中、大型城市的中压馈线已达到或超过千条。随着配电自动化、用电信息采集等应用系统的推广应用，对于有千条馈线的大规模配电网，配电网中会产生指数级增长的海量异构、多态的数据，数据集合的大小可达到当今信息学界所关注的大数据级别。此外，大规模配电网还具有其特有的特征：1）数据采集多，每个采集点采集相对固定类别的数据，且分布在各个电压等级内；2）不同采集点的采样尺度不同，数据断面不同；3）数据不健全，数据采集存在误差和漏传；4）数据分布在不同的应用系统中。含有包括光伏发电、风电、燃气轮机等分布式电源(distributed generator，DG)的配电网即有源配电网，分布式电源的不断渗透给大规模配电网传统的分析与计算带来更大的挑战。分布式电源接入电网后，向电网调度机构提供的信息至少应当包括：1）电源并网状态、有功和无功输出、发电量；2）电源并网点母线电压、频率和注入电力系统的有功功率、无功功率；3）变压器分接头档位、断路器和隔离开关状态。因此，分布式电源接入后，在原已规模很大的配电网数据采集中新增了一组需采集的数据项，同时也会恶化配电网数据采集的非健全性和不确定性。随着智能配电网信息化、自动化、互动化水平的提高以及与物联网的相互渗透与融合，电力企业量测体系内部积累了大量数据，如用户用电数据、调度运行数据、GIS 数据、设备检测和监测数据以及故障抢修数据等。在量测体系之外，电力企业还积累了大量运营数据，如客户服务数据、企业管理数据以及电力市场数据等。除却电力企业内部数据，还有许多潜在的外部数据源，如互联网、移动设备的GPS，以及公共服务部门数据库等所能提供的大数据可供挖掘与利用。配网数据分类配电网中的数据大致可以分为3 类: 主动配电网运行状态及相关监测信息，如网络运行拓扑、分布式电源及设备状态信息; 影响分布式电源出力的配电网相关区域天气信息，如光照、气温、风速等信息; 网内用户的状态及营销信息，如电动汽车的运行信息、用户的用电量信息等。根据数据来源的不同，可以将智能配电网大数据分为电力企业量测数据、电力企业运营数据以及电力企业外部数据3 类，如图1 所示。这3 类数据彼此作用，共同服务于智能配电网的运行与发展，如人口的大规模迁徙影响用户用电量，用户用电情况变化会影响电网建设规模与运行方式，而用户用电数据和电网建设数据等可以为电力企业制订合理的营销策略以及公共服务部门更新区域能源发展规划提供参考。依照数据结构的划分形式，这些数据可以分为结构化数据和非结构化数据。结构化数据存储在数据库里，可以用二维表结构来逻辑表达实现的数据，配电网中的大部分数据都是该种形式，且随着分布式能源、电动汽车以及其配套设施在主动配电网中的大量出现，该类型数据还将呈井喷式增长。相对于结构化数据，无法用二维逻辑表表达的数据即称为非结构化数据。这部分数据主要包括线路、设备的监测图片和视频，设备检修管理等的日志信息等。这部分数据同样增加迅速，有报道［19］指出在信息化建设的过程中，能够采用关系型数据库处理的结构化数据约占企业数据总量的20%，而其他80% 的非结构化数据则无法完全采用关系型数据库表达。国家电网公司在2011 年建成了企业级非结构化数据管理平台并制定了配套的管理和规范［20］，足见非结构化数据价值在电网内日益凸显。从数据实时性上来分，主动配电网中的数据又可以分为实时数据、准实时数据以及非实时数据。例如配电网调度、控制、保护等需要的数据大部分为实时数据，以保证配电网的正常运行; 分布式电源等设备的状态监测信息、气象信息等并非实时调用的信息归为准实时信息，供后期对设备状态分析及预测使用;设备运行日志、监测视频、用户营销信息等信息因其应用实时性要求更低，列为非实时数据。配网数据现状和存在问题目前对于智能配电网数据的利用还主要集中在电力企业量测数据方面，对于3 类数据彼此影响的研究还较少，即便是对于电力企业量测数据，其中蕴含的价值也还远未得到系统、深入的开发与应用。今后分布式电源的大量引入以及电动汽车的快速发展，必将会为智能配电网的大数据资源池注入更多的数据流，智能配电网大数据中潜藏的价值也将随着研究与利用的深入不断涌现。配网大数据的特征配电网中的大数据具有典型的“4V”特征，即规模大、类型多、价值密度低和变化快。(1) 数据规模巨大。国家电网信通公司在北京5个小区，部署了353