項目背景
近年來，電力行業的快速增長提升的產能需要時間消化，以往的發展方式帶來的增長已經放緩，結合新興技術實現智能配用電成為中國電力行業進一步發展理應選擇的方向。我國在2015年將大數據納入國家發展戰略，明確提出提高可再生能源的利用率，都在指向新型、更智慧化的能源體系建設。國網公司緊密響應國家發展戰略，特別今年國網提出了“三型兩網、世界一流”能源互聯網企業的建設目標，大數據將發揮更大價值。
2014年7月，上海電力公司聯合復旦大學、上海交大、北郵、天大、華電、中國電科院、南瑞、浪潮等高校、科研院所和企業組成了研發團隊，聯合申請國家863計劃“智能配用電大數據應用關鍵技術”課題，2015年5月獲國家科技部批准，整個項目研發週期是三年。
項目需求
國網上海電力的電力大數據實驗室聚焦於配用電領域，在配用電領域，國網提出了兩個明確的研究方向：一是在配用電及分佈式能源和併網技術方面，提出了要研究提升精細化管理的配電大數據挖掘與融合技術；二是在用電能效和電動汽車技術方面，提出了要研究典型業務場景的營銷大數據挖掘與應用技術。
國網上海市電力公司經過三十多年信息化的建設，積累了大量的生產、運行、銷售和管理方面的數據。初步統計，截至2018年底結構化數據達到35T，非結構化和半結構化數據達400T，並且數據以每年30%以上的複合增長率快速增長，特別是今年國網提出了泛在電力物聯網的建設，數據將呈爆發性增長。這些數據源於電網內的各種信息系統，包括：用電信息採集系統、負荷控制系統、營銷應用系統、調度自動化系統、配電自動化系統、生產管理系統和電能質量監測系統等，所有數據與氣象數據和上海社會經濟數據等外部數據一起為開展電力大數據的研發提供了一個很好的數據基礎。
國網上海電力的電力大數據實驗室依託國家863課題“智能配用電大數據應用關鍵技術”， 積極開展電力大數據實驗平臺建設，以電力大數據的應用為核心，為電力大數據的系統集成、組件研發、模擬驗證、數據共享、示範應用等奠定技術和工程基礎。
項目成果
基於星環大數據平臺TDH構建的智能配用電大數據應用系統彙集了浦東1210平方千米的236萬戶的用電數據，最高負荷738萬千瓦，年用電量329億度，占上海全網四分之一。集成的內外部數據源有10個，整個數據量到現在已經接近8個T了，臺賬的數據總量有29.14萬條。
在多元數據集成及大數據平臺基礎之上，應用系統實現了用電查詢，電力地圖等基礎功能及用戶用電行為分析，節電用電預測網架優化和錯峰調度等業務應用。
首先基於多源異構數據的關聯解析，和海量用電負荷實際數據存儲、索引，實現了用電查詢的基礎應用，包括230萬用戶，26000個臺區，4000餘中壓饋線的基本臺賬及用電數據的快速查詢，並可以進行用戶用電畫像、地圖定位、供電範圍等數據的查詢，服務響應時間在三秒以內。
用電查詢是大數據平臺的基本功能，快速有效的查詢，為進一步的業務應用提供了基礎。電力地圖是應用系統實現的另一基礎功能，在這裡可以查看浦東每個行業的用電量變化趨勢，每個臺區每個時刻的負債率，浦東個規劃功能區塊的用電密度圖以及用電熱，力圖通過用戶測到電網側數據的關聯集成，與GIS空間可視化技術融合，實現浦東全景用電監測及能耗監測，為城市及電網發展規劃提供服務。在用電查詢電力地圖這些基本功能之上，智能配用電大數據應用系統分析了用戶用電行為，並將大數據技術應用於電力系統傳統業務場景，形成了節電用電預測網架優化錯峰調度等高級應用。
（圖：用電預測——聚類用戶預測）
在用戶用電行為分析場景中，主要考慮居民工商業的用電行為以及用電異常辨識和特殊用電分析。首先在居民用電行為分析中，根據居民長期用電數據，對居民進行聚類分析，將居民按照用電行為分為不同類型，如控制用戶，季節敏感用戶，週期型用戶等。針對空置用戶，構建了靈活的控制指標。同時還根據居民用戶調研結果，分析了居民用戶用電量受外界天氣因素收入電價的影響程度，全方位多角度的分析居民的用電行為。
（圖：工商業複雜網絡分析）
在工商業用電行為分析中，主要使用複雜網絡模型，研究分析不同行業的用電行為的關聯關係和演化關係，從而尋找行業生產行為之間的關聯。左側這張圖是針對每個行業的用電量行為，構建了行業間相關關係複雜網絡。
在特殊用電分析中，首先分析了大型商業運行後對周邊用戶用電的影響。以迪士尼為例，通過對迪士尼投運前後半年周邊五公里範圍內商戶的用電量進行分析，發現在迪士尼建成後，絕大多數的商戶用電量構成下降趨勢，距離越遠的商戶受到的影響更小。南部和東北這兩個方向的商戶受到的影響更小，表明迪士尼的整體產業鏈對周邊工商業在地理上經濟上產生了較大的替代效應。此後分別分析了不同區域不同行業的商業用戶的用電量變化及受影響程度，以及商業和居民用戶在迪士尼開業前後的用戶數變化。分析結果能夠更直觀地體現出大型商業投運對周邊用電的影響，為今後大型商業的配套設施建設和配網規劃提供參考。
（圖：迪士尼投運周邊商戶用電分析）
用戶用電行為分析從四個場景針對居民工商業的用電行為進行分析，綜合考慮日常用戶行為以及特殊情況對於用戶行為的影響，深入挖掘用戶用電特徵，準確分析了用戶用電行為規律，實現了異常用電行為監測。同時為網架優化臺區負荷預測，用戶節電潛力分析以及錯峰調度提供了理論與行業基礎。在節電的研究中，課題從用戶節電和配網降損兩個方面開展了應用。在用戶節電分析中，對每個行業的用戶採用高維聚類流行降為等方法，實現了行業用電群體的清晰劃分。
每個群體用電特徵相似，規模相近，具備可比性。通過選取節點標竿，即可對每個用戶的節點潛力進行評估。對每個用戶可以從日典型用電曲線電價及環境感知三方面分析用戶用電行為以及節電潛力影響因素。在配網降損中，首先展示了不同類型臺區的線損在地理上的分佈及每個臺區的情況。在通過臺區供電量峰谷比功率因數三相不平衡度等特徵，對浦東所有臺區進行多維聚類。基於隨機森林算法建立線損分析模型，計算出不同類臺區線損率對各影響因素的敏感係數。
對於線損率異常的臺區建立決策樹分析模型，將這些臺區進行歸類，進而根據該類的隨機森林分析模型，估計出其合理線損之節電應用，有助於提高供需兩側的能源經濟和技術效率，可以幫助用戶掌握自身節電潛力及行業平均節電水平，促進全行業節能減排另一方面可以幫助電網管理人員掌握影響臺區線損率的關鍵因素，採取針對性措施，降低臺區電能損失，實現臺區精益化管理。在用電預測應用中，實現了多種方法的臺區負荷用電預測。在第一個預測場景中，綜合考慮了氣溫溼度氣壓等氣象因素，以及刑期類型節假日等因素，建立了樣本次適應的負荷預測模型，提供預測精度。
臺區用電預測不僅實現了臺區每日用電的最大值最小值，還實現了對未來七天用電負荷曲線的準確預測。第二個場景中實現了聚類深度學習兩種方法的臺區用電預測，深度學習方法，考慮天氣預報用電負荷等數據，構建九個輸入層的bp神經網絡算法。去類預測方法，考慮臺區用電負荷特性，構建相似樣本訓練及實現用電預測。通過神經網絡的優化，可以將預測誤差降低到1.2%左右。在區塊用電預測中，綜合考慮每個區塊中用戶的經濟類型，構成行業的經濟走勢，以及每個個體的用電行為，可以實現對未來三個月每月用電量的預測，實現了中期用電預測。
基於大數據的網架優化方法，不僅能體現傳統優化方法中潮流可靠性等用函數方程表達的群體性因素，還能考慮用統計量描述的因素，如負荷用戶畫像，用戶行業分佈等體現個體信息，因而基於大數據的網架優化方法，能更好地適應生產實際，提出更具可行性與可信度的優化方案。在錯峰調度應用中，分為錯峰潛力分析和錯峰指標分配。在錯峰潛力分析中，首先分析了不同電壓等級，工業商業以及臺區用電負荷與氣溫的相關性。
依託智能配用電大數據平臺與示範工程，結合電力公司生產需求及政府社會應用需求，開展數據分析研究和業務應用開發，為推動配用電發展，實現以客戶為中心的電力核心價值，有效配置清潔電力資源，推動我國能源結構綠色轉型而做出努力。
閱讀更多 開悟科技 的文章
