关键词：智能配用电；大数据技术；需求分析；应用研究
基金项目：国家电网公司科技项目资助(XX71-14-036)。 Project Supported by State Grid Corporation of China Research Program (XX71-14-036).
0 引言
当前我们生活在一个数据爆炸的时代，IDC 的 一份报告预测，从 2005 年到 2020 年，全球数据量 会增加 300 倍，从 130 EB 增至 40 000 EB[1]。从早 期的商业、金融等领域，到后来的交通、医疗、能 源等领域，2011 年 5 月，麦肯锡公司发布《大数据： 下一个前沿，竞争力、创新力和生产力》[2]，介绍 了大数据的研究价值。大数据研究已引起了国内外 专家学者的关注，成为当前的研究热点。
WANG Jiye, JI Zhixiang, SHI Mengjie, HUANG Fupeng, ZHU Chaoyang, ZHANG Dongxia
(China Electric Power Research Institute, Haidian District, Beijing 100192, China)
智能配用电大数据需求分析与应用研究
王继业，季知祥，史梦洁，黄复鹏，朱朝阳，张东霞
(中国电力科学研究院，北京市 海淀区 100192)
Scenario Analysis and Application Research on Big Data in Smart Power Distribution and Consumption Systems
1831
不同，需要采用新的技术和方法对其进行存储、查 找、调用和管理。3）复杂性。数据之间存在着复 杂的关系，有些关系是不断变化的，而且由于数据 的多源异构、实时性强等特点无法用传统方法充分 发现其内在隐藏关系，需要引入新的分析处理手 段。4）高价值。数据中蕴含着巨大的价值，可为 电网公司自身以及社会经济发展提供有力的支撑， 并有可能推动电网运营、管理和服务模式的变革。
在能源行业中，智能电网被看作是大数据应用 的重要技术领域之一。随着电力信息化的推进，智 能变电站、智能电表、在线监测系统、现场移动检 修系统、测控一体化系统以及一大批服务于各个专 业的信息管理系统的逐步建成与应用，电力工业产 生了大量结构多样、来源复杂、规模巨大的数据， 这些数据广泛应用于电力系统规划和运行、资产管 理、电力市场管理以及终端用户服务等各个领域[3]， 智能电网大数据产生于电力系统中发电、输电、变 电、配电、用电及调度等各个生产过程[4]。目前在 电力系统仿真[5]、输变电设备状态数据异常检测[6]、 高级量测体系(advanced metering infrastructure， AMI)数据分析[7]、电力负荷短期预测[8]等方面已经 开展了大数据研究。
据量大。
管理数据、安检管理数据等。
计量点、运行表、终端、采集关 数据量大 约 3 000 万，数据每
息采集
数据
数据，电量数据、功率、电流、月增长量为 1 TB 以
系统
电压等负荷数据。
上。
客户档案数据、业扩报装数据、
电力营
数据价值大、数据量
抄表数据、电费数据、营销财务
销系统
大。
数据、计量设备数据。
客户服 电话服务数据、多媒体服务记录 含有多媒体数据，数
务信息 数据、客服受理数据、客户档案 据量大，增长速度
系统 信息等数据。
快。
地理信 地理信息数据
息系统
数据量大，与电网空 间结构紧密联系。
气象预 温度、湿度、风速、雷电
报系统
数据量大，同时需要 天气预测数据。
外部 经济发 总体经济发展状况、各行业发展 数据量一般，数据较
ABSTRACT: Smart grid is one of the most important technical fields for big data technology application. With the development of smart grid, the deployments of advanced metering infrastructure (AMI), equipment condition monitoring systems result in the production and accumulation of a lot of data. Thus, it is of great significance to fully mine the value of these data. Firstly, aiming at smart power distribution and consumption systems, the paper described the big data and its characteristics. Secondly, the overall business requirements and application scenarios based on big data were analyzed. Among them two typical application scenario analyses were carried out, which were customer electricity usage behavior analysis and load forecasting. Then the research methods of the business application in big data environment were put forward. Finally, necessary big data key technologies were proposed and the technological framework on big data in power distribution and consumption systems was presented.
构、电力用户资料数据等，实时数据包括遥信、遥 测数据，如设备运行状态、电量计量等。外部数据 来源于地理信息系统、气象预报系统、互联网数据、 公共服务部门数据、社会经济数据等，这些数据也 为电网运行、管理、服务等提供支持。智能配用 电大数据具体数据源、数据内容、数据特点如表 1 所示。
表 1 配用电大数据数据源与数据特点 Tab. 1 Sources and characteristics of big data in smart
目前，我国各省电力公司正在开展“营配贯通” 工作，对生产系统和营销系统的基础数据进行融合 和共享，来支撑配电用电业务，以全面实现配电和 用电智能化管理，智能配用电大数据技术将发挥日 益重要的作用。本文首先总结了配用电大数据的研 究现状，然后深入分析了智能配用电大数据及其特 征，重点研究智能配用电大数据的应用场景和需 求，并就用户用电行为分析、负荷预测两个场景进 行深入分析，接着分析配用电大数据应用中的关键 技术，并给出了应用技术框架。
KEY WORDS: smart power distribution and consumption systems; big data technology; scenario analysis; application research
摘要：智能电网是大数据的重要技术应用领域之一。随着智 能电网的发展，高级量测体系、各种监控系统的大规模部署 产生和积累了大量数据，充分挖掘这些数据的价值具有重要 意义。针对智能配用电业务，首先分析智能配用电大数据的 特征；然后分析数据融合后的智能配用电大数据整体业务需 求和应用场景，其中重点研究大数据环境下的用户用电行为 和负荷预测两个典型应用场景，提出大数据环境下的研究思 路和方法；接着分析业务应用中的大数据关键技术；最后给 出了智能配用电大数据应用技术架构。
第 35 卷 第 8 期 2015 年 4 月 20 日
中国电机工程学报 Proceedings of the CSEE
Vol.35 No.8 Apr. 20, 2015 ©2015 Chin.Soc.for Elec.Eng. 1829
DOI：10.13334/j.0258-8013.pcsee.2015.08.001 文章编号：0258-8013 (2015) 08-1829-08 中图分类号：TM 76
随着用电信息采集、配电自动化等系统不断完 善，配用电环节产生的数据逐渐呈现出海量、数据 项复杂、处理逻辑复杂、存储周期长、计算频度高 等大数据特征。近年来，国内外逐步开展配用电大 数据的科学研究和工程应用。在配电方面，2013 年， 美国 EPRI 启用了 2 项大数据项目，其中之一是配 电网现代化示范项目(distribution modernization
在线监测系统中的视频数据与图像数据等。
智能配用电数据的特征具有以下几点：1）分
散性。数据来自分散放置、分布管理的数据源，需
要打破原有的竖井式管理模式，对其进行融合，实
现智能配用电多系统的贯通和数据共享。2）多样
性。数据种类多、维度多、体量不同、实时性要求
第8期
王继业等：智能配用电大数据需求分析与应用研究
1 智能配用电大数据概述
1.1 大数据来源 由于传统竖井式的运行管理模式，电力公司建
立了多个服务于配用电业务的信息化系统，包括配 电、用电、营销、客服等相关系统，这些系统积累 了大量的数据资源，配用电业务数据从总量和种类 上都已颇具规模，具备了良好的数据基础。
根据来源的不同，可以将智能配用电大数据分 为电力企业内部数据和外部数据。电力企业内部数 据产生于配电管理系统、生产管理系统、用电信息 采集系统、电力营销系统、客户服务信息系统等。 这些数据包括静态数据、实时数据和历史数据，其 中静态数据包括电网设备模型参数、线路拓扑结