浅谈智能配电网大数据应用技术与前景教学教材.doc

《浅谈智能配电网大数据应用技术与前景教学教材.doc》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、浅谈智能配电网大数据应用技术与前景精品文档浅谈智能配电网大数据应用技术与前景 作者：白扬 来源：《经营者》2018年第09期        摘要大数据在智能配电网中的应用一方面可以提升数据收集、分析及保存的效率，另一方面还能够更准确地契合客户的需求，实现智能用电。本文介绍了目前大数据在智能配电网中的应用，并分析了大数据在智能配电网中的应用前景。        关键词智能配电网大数据应用技术前景        大数据是指那些和常规数据不同，而且不能通过传统的数据处理软件进行分析、归类及共享的数据。大数据的特点是结构复杂，数量规模大，而且人们在收集

2、、处理及保存方面面临较大的困难。从世界范畴看，很多数据密集行业都开始加大对数据价值的重视度，通过数据管理提升企业自身的价值。在电力行业，强化对智能水平较低的电网的内外部数据的管理可以进一步完善电网运营的反馈过程，及时发现并解决电网运行过程中存在的问题，为电力企业的健康发展提供保证。由此可知，对智能电网应用大数据的研究有很大的实践价值。        一、智能配电网大数据应用技术        （一）大数据解析技术        大数据解析技术在智能配电网中的应用主要是通过对不同类型的信息进行分析从而发现各种信息之间存在的关联性，进而挑选出重要信

3、息。现阶段，大数据在智能配电网解析方面的应用主要集中于过程挖掘和数据可视化两个方面。过程挖掘技术的核心任务是通过运用差异化的方法搭建电力数据和不同模型之间的有效关联性，从而将智能配电网中的数据和大数据技术有效地结合起来。数据可视化的目标是将智能配电网中的信息以图像或者表格的形式展示出来，提高数据的形象性和直观性，从而从多个角度分析电力数据。        （二）大数据存储技术        智能配电网的运用使得电力数据规模迅速增长，这对数据存储技术提出了更高的要求。在数据存储方面，智能配电网将网络云存储技术运用到其中，从而最大限度地降低企业的运

4、行费用，改善电力体系的工作效率。同时，利用大数据存储技术将电力系统中产生的全部信息保存在互联网中，并通过可视化等数据处理技术满足不同使用者的多元化数据使用需求。大数据存储技术也存在一定的不足，即在存储过程中会出现数据备份和存档冗余度过高的现象，这就要求电力企业必须运用高效的重复删除技术，缩减信息的占用空间。        （三）大数据处理技术收集于网络，如有侵权请联系管理员删除精品文档        传统配电网在数据处理方面通常都是将处理器作为核心，这种方式的缺点在于能够管理和分析的数据规模较小。智能配电网大数据处理技术和传统数据处理技术相比不

5、存在明显的差异，核心不同之处在于大数据可以处理规模大、非结构化的电力信息，同时，大数据处理技术还具有拓展性和有用性。除此之外，智能配电网中应用的大数据处理技术还可以用作互联网服务，在计算方面相对较容易，采用架构形式对信息进行整合，可以大大提升数据的透明性。        二、智能配电网大数据应用前景        （一）用电预测和协同调度        用电预测方面，可以运用大数据技术对影响用电量的众多因素进行分析，发现各个因素和用电量之间的关联性，从而构建科学合理的用电预测模型。例如，相关人员可以对节假日人口流动规律、雾霾天气的出现频率等影响

6、因子进行分析，研究各个因素和用电量之间的关联性，从而对这些抽象的关联性进行量化处理，并且构建标准、高质量的电量预测模型。协同调度方面，有关人员可以将上文所说的用电量预测结果同配电网错峰资源聚类进行比较分析，从而以具体量化的方式展现错峰潜力，将不同类型的电源和用电量进行优化整合，从而有效完成电源和电量支架的协同调度。        （二）优化网架规划        智能配电网并非独立存在的，它是和使用者的服务体验密切相连的。现阶段，传统的网架数据构造已经无法满足目前电力业务发展的需求，而大数据技术的应用则可以有效减少传统网架构成中存在的不足，包括

7、数据处理时的模糊性、数据处理结果反馈的不及时性等。通过对现有网架状况的分析，结合城市用电发展态势、用电预测结果及网架结构信息，可以增强用电预测结果的真实性，从而和当地的用电发展趋势相契合，有助于网架规划的优化升级。参考网架构成信息，参考客户差异化的业务水平需求，针对各个用电区域设计个性化的网架设计规划，增强网架设计方案的科学性和可操作性，提升电力使用者的满意度。        （三）实现智能用电        参考用电预测结果，为不同的区域制定专门化的电力使用规划，将客户服务作为电力服务工作的核心，将电力使用费用及使用量每月或者每半年详细告知使

8、用者。采用相互联系的数据处理技术对客户的电力信息进行整理分析，综合考虑客户所在区域、家庭人口数、经济状况等，为客户设计智能化、更加贴合实际生活的电力使