【学术】智能配电网大数据应用需求和场景分析研究
中国电力科学研究院的研究人员刘科研、盛万兴等，在2015年第2期《中国电机工程学报》上撰文，智能配电网中存在大量异构多源的数据，其中的数据规模和特点符合大数据的各项特征。首先总结配电网大数据的来源和特征
3)基于不同结构数据互校核的不良数据检测方法。
配电网中含有结构化数据、非结构化数据、半结构化数据，但是不同类型的数据可能包含相同的信息量，如某一线路的长度可由地理信息系统中的非结构化图形数据获得，也可从生产管理系统中的结构化数据获得，通过不同类型的数据进行互校核，可实现不良数据的辨识。
配电网中不同的数据源为配电网研究对象提供了多角度、多时间、多维度的数据描述，为了通过大数据分析充分挖掘有用信息，需要建立数据之间的关系数学模型。
4 配电网大数据关联模型建模
4.1 配电网数据特征化
配电网中的研究对象一般使用类进行描述，这种描述可以通过数据特征化得到，数据特征化是目标类数据的一般特性或特征的汇总。特征是一个数据字段，表示数据对象的一个特征[6]。不同配电网研究对象有不同的属性，不同的属性有不同的数据类型，一个属性的类型由该属性可能具有的值的集合决定。
4.2 配电网数据邻近性模型
数据的相似性和相异性都称为邻近性，配电网数据邻近性模型具有广泛的应用。例如，同一个负荷可能在不同的应用系统中有着不同的记录，为了正确高效地进行数据分析，需要在数据集成时将多条记录合并为一条记录，因此需要对多条记录的邻近性进行计算分析。
再如，需要定量描述投运时间对设备性能的影响。同时，邻近性模型还是进行分类、聚类分析、离群点分析等深入研究的数据基础。
4.3 配电网数据关联模型
关联规则由Agrawal、Imielinski和Swami提出，是数据中一种简单但很实用的规则[7]。配电网故障、状态与原因之间存在关联关系，发现故障属性间的关联特性可以更好地对设备进行故障监测与诊断。
如分析配电网参数和暂态稳定性之间的关联性，判断发生故障时系统失稳的概率;如分析系统节点电压变化特性与故障之间的关系，找出系统中最为敏感的节点;如寻找特定地点谐波电流与其他地点电压之间的关联度，确定谐波源位置、特征及处理方法。
也可在电力营销和负荷管理中引入关联分析，以指导供电公司制定合理的营销策略，如在配网规划中，分析城市用电量与GDP 增长率、第二产业比重、中心性等级、行政级别、气候类型等因素之间的关联关系。
免责声明：本文仅代表作者个人观点，与本站无关。其原创性以及文中陈述文字和内容未经本站证实，对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺，请读者仅作参考，并请自行核实相关内容。
我要收藏
个赞
