【摘要】为了适应日益增长的电力需求，解决配电网点多、设备多、管理难度大、配电网信息实时性低等问题，本文系统梳理了国际、国内配电网发展现状，以及数据挖掘与分析处理技术在配电网的应用研究情况，将大数据挖掘应用引入配电网日常管理，利用大数据分析，提前发现未来病态设备，推进配电网设备向在线化、透明化、智能化发展，将配电网由“修得快”向“不停电”转变，提升优质服务水平，并希望能对今后相关研究实践工作提供一定的参考价值。
　　【关键词】配电网 大数据应用 电网运行管理
　　中图分类号：TM73 文献标志码：A
　　基于数据的知识发掘是企业为提高经营管理水平，促进企业转型升级的重要的支撑。随着大数据、云计算、物联网、移动互联技术的不断发展，电力行业信息系统中蕴含的数据量越来越多，对其的价值发掘利用也日趋深入。数据挖掘技术为数据的知识发现提供了技术支持，实现了数据—信息一知识一智慧的转变。通过发掘公司信息系统的数据，在公司的配电网管理产生重要作用，对线损管理、配网规划、配网运维、需求侧管理等方面产生明显的经济效益。
　　一、大数据处理技术在配电网运行管理中的应用方向
　　（一）主动配电网能量优化调度方面的应用
　　从数据分析层面上看，目前电网中各信息系统大多是基于本业务、本部门的需求，存在不同的平台、应用系统和数据格式，导致信息与资源分散，异构性严重。而大数据处理平台能够实现多源异构数据的存储和提取，并能大大提高数据存储容量，这将有效提高主动配电网能量调度系统的数据存储效率。
　　（二）主动配电网保护控制方面的应用
　　灵活多变的用电负荷与规模化接入的分布式电源产生了大量的量测信息，同时先进的量测技术与通信技术也使配网能够实现更为全面、实时的状态监测。因而，应有效利用日益增长的海量配网信息以应对主动配电网运行控制对保护所提出的新要求与新挑战。分析配网保护多设备间信息共享策略，以多节点及其相关区域冗余信息为基础的多信息保护与控制方法将是未来的重要研究方向。主动配电网中保护测量信息具有多源、多时间尺度的特点，因此，配网保护量测数据的自动关联与统一描述方法将是一个重要的研究方向。
　　（三）应用在主动配电网的状态分析评估方法
　　主动配电网的运行情况有几类关键的信息采集，其中包括电动汽车的特殊负荷时空分布特征、设备运行状况检测、短期负荷情况预测、分布式电源出力情况预测。其中，关联规则聚类系统继承了关联的分类、决策树等挖掘方法，是可以应对分布式电源出力的分析来关联出各类的气象数据和周围地域相异气象站的特征情况。挖掘分布式电源出力的情况不是稳定的，它的概率情况随着分布式电源出力的变化而改变。用户的智能电表将大量的用电信息传送到主动配电网中，数据的流通可以达到双向的效果。随机变化模式、数据波动模式和稳定模式在当前的主动配电网中成为了分析用户负荷情况的三大模式，可以将智能电表中海量的数据用聚类分析的方法收集并提取。负荷与日期和天气构建的关联情况可以用关联分析技术来分类；短期负荷的检测精度可以用规则挖掘的智能预测系统来提高。
　　（四）主动配电网需求侧管理方面的应用
　　需求侧管理能够维持配电网中供用电平衡，从而提高DG的渗透率，而DG渗透率的提高又能够降低负荷的峰值，从而延缓配电网的升级。另外，主动配电网中的电动汽车以及拥有分布式发电单元的用户都是调度中心可以调控的对象，是主动配电网需求侧管理的重要研究对象。在主动配电网运行的过程中，这些研究对象都积累了大量的运行信息，例如用户智能表计信息，电动汽车充放电规律信息等。对这些信息的有效数据挖掘，将促进需求侧管理策略的制定更为合理有效。同时，电动汽车放电电价补偿，分布式能源用户电价补偿等政策的制定也依赖于用户行为心理分析的结果，这些信息的利用也是大数据在需求侧管理方面应用的重要方向。
　　二、大数据技术在配电网运行管理中应用场景拓展
　　（一）国内对配电网的资产管理主要停留在概念层面。对量大面广的配电设备，基本上则以经验为主，采取相对粗放的定性评估，且尚未从配电网整体角度辅以定量评价的方法，建立高效、经济的管理体系。近年来，虽然我国电网资产管理研究有从基于设备评估到基于网络健康状态评估方面发展的趋势，但并未形成完整理论体系。
　　（二）实现配电资产全寿命周期管理依赖于对各类配电设备乃至整个配电网健康状态的定量评估。目前已有的定量评价模型（例如针对单体设备的EA（Arrhenius equation）公式和针对配电网络的扣分法），仅为简单的健康状态评价指标（例如仅考虑老化因素）或简单量化分析的方法，且评价指标多从设备本体以及网络结构等因素出发，对于自然环境等外力因素考虑较少，因而缺乏更为合理、准确、全面的配电设备及网络的健康状态评价方法和更深入的信息规律挖掘研究。
　　（三）实现配电资产全寿命周期管理需要大量数据做支撑，然而由于电力系统的特殊性，难以直接利用獲取的配电数据、网络在线监测数据与离线检测数据。同时，对于各种监测数据的筛选和辨识相对较低，缺乏有针对性的数据处理方法。
　　（四）我国配电网资产管理知识（例如一线专家根据某类型变压器测量数据所给出的诊断结论）可传承性不佳。对各类配电设备的管理，一线专家经过多年摸索，拥有很多宝贵经验。然而作为个体的总结，在已有的配电资产管理体系中，往往难以得到继承与复用；因此，如何将抽象的经验具体化、符号化，实现知识的存储与继承，是我国配电网资产管理中存在的一个前瞻l生问题，也是一项具有挑战性的研究工作。
　　（五）国内变配电设备在信息的监测、存储与共享研究方面取得了较大的进展，并研发了针对变压器、断路器等设备的状态监测与故障诊断机制，但仍面临很多突出问题：状态监测还处于分散监测阶段，与计算机监控系统相互独立，电力控制中心与各个变电站之间、状态监测系统与其他系统之间数据信息共享模型与通信接口高度异构，难以充分利用不同的信息进行设备的状态评估；另外，变配电的监测管理依靠简单的视频监控，且在线监测技术缺乏相应的技术和管理标准，部分在线监测装置寿命短、运行不稳定、测试效果差，对设备状态进行分析需要耗费大量的时间和精力，且变配电设备的基本数据保存分散，难以查找，容易丢失。这些问题的解决是大数据技术在配电网中应用的前提。我国配电网规模大、设备众多，所以数据量非常可观，但也存在诸多挑战：从时间、空间标识的角度来看，配电网数据具有分散性；从测量工况复杂的角度来看，数据具有模糊性；此外数据还具有冗余性、高维性等特征；即使合理地利用智能终端实现了数据的获取，各种监测数据的筛选与辨识仍然存在困难——解决数据的可信性问题正是大数据工作的核心部分之一。合理利用智能终端实现设备和网络运行数据以及其他外部环境数据可获取，大数据技术（人工智能、群体智能、深度学习、机器学习等）基于获取的丰富海量的数据能进一步分析设备个体运行状态（找出反映设备健康状态的关键特征量，从而降低数据维度，提高效率），判断设备是否还能正常工作或者建立设备和网络整体的正常工作区间（大数据实现状态估计），同时结合专家经验修正相关模型，实现经验分析和数据分析相结合，传承资产管理中的专家知识，提高模型的可解释性和泛化能力。
　　三、结语
　　总而言之，配电网的未来发展趋势是朝着更加强大的数据分析、更加直观实时的数据观察的智能化道路发展。电力领域的大数据技术稳定性得到了很大的提高，但是在数据的及时性和保护方面仍然有很大的提升空间。作为相关人员，应该不断地进行摸索研究，并提升自己的专业技术水平，更好地促进我国电力事业的发展。