基于面向电力物联网的电力大数据应用

基于面向电力物联网的电力大数据应用

江志枫

国网福建省电力有限公司福州市长乐区供电公司

摘要：2019年初，国家电网公司依托于大数据技术、人工智能技术、移动互联技术提出了构建泛在电力物联网智慧服务系统的设想，这种新型电网的运行模式，不仅提高了电网生产、运行、调度、管理的自动化水平，同时，也为电力能源的高效、安全输送提供了一个理想框架。仅以配电抢修为例，运用智慧服务系统的实时监测功能，在处理主干线、分支线及台区停电故障时，平均故障处理时长将缩减1小时左右。因此，本文将结合大数据技术在防窃电预警分析与全业务统一数据中心的可调控大用户用电行为分析中的实际应用案例，围绕电力大数据在电力物联网中的应用优势展开论述。

关键词：电力物联网；大数据技术；Apriori算法；应用

近年来，随着社会经济的快速发展，社会各领域对电力能源的需求量与日俱增，在这一背景下，电网的负荷量也随之增大，为了有效缓解电网传输压力，深度挖掘电力数据资源，国家电网将大数据技术引入电力物联网当中，为电力物联网的决策调度、远程监控、故障定位提供了强大的技术支撑。

1 电力大数据的应用优势分析

在建设“枢纽型、平台型、共享型；坚强智能电网、泛在电力物联网”的三型两网时代背景下，大数据技术在智能电网的基础设备监控、电力业务数据采集、电力生产与电网运营维护等领域都有所涉足，它既为电力系统的安全高效运营提供了坚实保障，而且也为电力能源供给构建了一个智能化的监控中枢。在电力系统中，大数据涵盖电力生产运行数据以及运营管理数据。电力生产运行数据是指发售电量数据、设备台账数据、电流电压功率曲线信息、输变配线路数据等，运营管理数据是指电力交易数据、用户电量数据、人力资源数据等，这些数据构成统一整体，与电网的正常运营有着密切关联。

1.1 降低电网故障率

目前，大数据技术在电力行业已经得到广泛应用，该技术具有信息存储量大、数据类型多样、处理速度快、价值密度低的特征。尤其对电力行业来说，每天将产生庞大的数据量，而大数据技术能够高效快捷的对这些数据进行分析、整理、筛选、识别，以挖掘出有应用价值的数据信息，为电网的决策管理提供确凿的数据支持。技术人员通过这些数据，可以提前对电网可能发生的故障或者事故类型做出判断，同时编制出故障应急处理方案，不仅提高了工作效率，而且也降低了电网故障率^[1]。

1.2 提高电网运行管理自动化水平

大数据技术在电力物联网中的应用能够对电网系统与电力企业资产等信息进行实时监控，技术人员根据数据反馈信息可以制订电网运行管理的优化策略与服务准则，通过改善服务质量，提高服务水平，来提升用户满意度。如果从电网运营的决策管理方面考虑，可以应用大数据技术构建一个降低风险的优化模型，进而对电网运行系统进行智能化控制，使电网的运行管理自动化水平得到大幅提升。

1.3 提高电能利用率

由于电力大数据涵盖终端用户的用电信息，因此，系统通过收集和整理这些信息，将有价值的信息筛选出来，为电网的高效控制与科学调度提供有力依据，进而制订出最优化、最经济、最安全的输变配电方案。这样，既保证了终端用户的用电安全，同时，也提高了电能利用率，使终端用户能够用上优质的电力能源。

2 Apriori算法与大数据模型构建

2.1 Apriori算法概述

Apriori算法是一种最有影响的挖掘布尔关联规则频繁项集的算法。主要是根据所包含项目数由小到大的顺序来寻找频繁项集的一种分层挖掘算法。Apriori算法的实现能够大幅提升频繁项集产生的效率，使搜索空间范围缩小。Apriori算法的实现过程如下：

Apriori（Dataset D,support minsup_count）

//输入：事务数据库D、设置的支持数minsu_count

//输出：频繁项目集L

L1 ={large 1-itemsets}；//所有1-项目频集

For（k=2；LK-1≠Φ；k+ +）DO BEGIN

Ck=apriori-gen（LK-1）；//通过（k-1）-频集产生k-候选集

For all transactions t∈D DO BEGIN

Ct=subset（CK，t）;//Ct是所有t包含的候选集元素

For all candidates c∈Ct

c.count+ +；

end

LK={c∈CK|c.count>=minsup_count}；

End

2.2 Apriori算法在电力大数据中的应用

目前，大数据技术在用户电量采集分析中的应用频率较高，通过对用户电量使用数量的监控，可以清晰直观的获取用户的用电时间段等有价值的数据信息，然后，技术人员能够对电网的实时运行状态进行优化和调整，对电能的使用与管理进行宏观调控。比如作为数据采集设备的智能电表，已经走进千家万户，而智能电表终端恰恰运用了大数据技术中的Apriori挖掘算法，来获取用户的用电量，并对用户产生的用电数据进行精准分析与处理。借助于Apriori算法可以处理用户的海量用电数据，从根本上解决了计算问题非线性程度高的困难，使频繁项集的搜索时间大幅降低，数据挖掘效率得到提升。正是这种海量数据的处理能力，才为电网终端的海量用户提供了便捷高效服务。

3 大数据技术在电力物联网中的实际应用案例

大数据技术在电力物联网中具有广泛的应用前景，下面以大数据技术在防窃电预警分析以及全业务统一数据中心的可调控大用户用电行为分析中的实际应用案例为突破口，阐述大数据技术在电力物联网中的应用优势。

3.1 大数据技术在防窃电预警分析的具体应用

通过大数据技术的Apriori算法可以对电网运行的异常信息进行研判与分析，对失压、失流、电能表飞走等窃电行为进行实时监测，当发生类似事件时，智能报警系统能够第一时间将报警信息反馈电网操作终端，技术人员可以在线上对异常事件进行实时诊断与监测，窃电全过程也被清晰记录。通过Apriori算法对海量数据的深度挖掘，能够建立一个防窃电分析模型，对准确定位窃电事件性质，查找出窃电源头具有积极的促进作用。因此，Apriori算法在查询窃电嫌疑用户信息以及异常事件预警方面具有显著的应用效果^[2]。大数据用户的正常用电量与非正常用电量对比图如图1所示。

图1：大数据用户的正常用电量与非正常用电量对比图

3.2大数据技术在全业务统一数据中心的可调控大用户用电行为分析中的应用

大数据在全业务统一数据中心的可调控大用户用电行为分析中的应用包括数据整合、数据存储、数据技术与分析展示四个方面。其中，数据整合主要是针对电网运营管理过程中的负荷数据、电压等级、峰平谷时段的用电量、用户电费数据以及用户个人信息等，借助于数据复制与ETL等工具对这些数据进行采集，然后形成关系数据库记录、日志、邮件、文件、视频与网络数据流，统一存储在电力数据库当中。

以国内某地区的电力数据库为例，数据库中收集存储的数据条目达到200万条以上，而且这些海量数据囊括的范围涉及到当地多家企业6年来产生的数据信息，可见，大数据技术的海量存储功能惊人，同时，这些大数据类型多样，在处理和计算这些数据时，大数据技术可以提供精准的潮流计算、批量计算、查询计算等服务，对终端技术人员实施定期预处理具有积极的辅助作用。经过计算处理后的海量数据，可以用于大用户的分布情况、超容用户分布情况的分析工作，管理人员根据这些确凿的数据信息，能够为用户订制个性化服务项目。由此可见，大数据技术在调控分析大用户用电行业时，能够构建一个多维度的分析组件，即便在离线状态下，管理人员也可以清晰直观的监测到大用户的用电行为。

结束语：

大数据技术有力推动了泛在电力物联网的发展进程，不仅为终端用户提供了诸多便捷服务，而且也电网建设、运营、管理、监督提供强有力的技术支撑。随着大数据技术的日渐纯熟以及电力物联网的快速发展，电网运行过程中产生的海量数据的潜在应用价值逐步被挖掘出来，电力行业根据这些高附加值的数据信息，能够对电网运行实施精细化、规范化、科学化管理，进而为我国电力事业的蓬勃发展注入源源不断的驱动力。

参考文献：

[1]李福生,陶鹏宇.浅议智能电表大数据和泛在电力物联网改变未来生活[J].建筑工程技术与设计,2019(31):4620.

[2]次仁卓玛.基于泛在电力物联网的大数据应用研究[J].数码设计（上）,2019(12):181.