大数据分析在电力规划中的应用

岳昕

摘要： 现代化建设不断推进的趋势下，我国对于电力资源的需求量大幅提升，只有保障电力输送的安全性和稳定性，才能够为经济增长奠定基础，增强电力企业的竞争实力。电力信息技术的应用，极大地促进了我国电力系统的完善，能够使电力行业朝着自动化和智能化方向发展。为了推动电力信息技术的进一步革新，需要对大数据和电力信息技术的融合进行深入探索，充分发挥大数据的价值与优势，促进我国电力行业的繁荣发展。加强对电力生产各个环节数据信息的获取与分析，能够实现电力服务体系的不断优化。

关键词： 多变量数据；规划建设；电力规划

引言：随着采集系统支撑业务增多，多部门共享交叉变得复杂化，产生的数据总量以高复合增长率快速膨胀。面对爆发式增长的多领域能源大数据，传统的数据分析方式和方法无法支撑快速增长的支撑业务需求。文中基于采集系统数据，不断探索新领域，详细阐述了基于采集系统的电力大数据在线损治理、大气污染防治、煤改电工程、负荷预测等领域的应用成果，并在能源互联网、智慧用能服务以及智能运维抢修等方面的大数据应用前景进行了探索。

1 大数据的基本概念及关键技术

无法通过普通软件工具进行信息数据的管理和数据集合，通常称为大数据。在企业制定长远发展战略的过程中，大数据起着至关重要的作用，大数据的特点是大量、多样且传播速度快。在海量数据中提取有效信息，并进行分析与处理，是实现大数据利用效率提升的重要途径。在现代化电网建设过程中，社会对于数据收集、整理和分析能力的要求逐步提升，只有通过大数据技术与电力信息技术的结合，才能完善电力行业的发展模式，促进电力企业长远发展。数据分析技术包括机器学习和数据挖掘等，应用于电力信息技术中能够实现电网安全在线分析、线路运行状态分析和间歇性电源发电预测等功能，能够提升电力数据分析精确性。数据管理技术包括数据抽取技术、数据融合技术、数据库技术等。数据处理技术包括流处理技术、分布式计算机技术和内存计算机技术，能够满足电力行业对电力数据处理的要求。

2 气温·电量（负荷）预测法

本文利用相关性分析找出各种因素对负荷与电量的影响程度，根据分析结果找出与负荷和电量有关联的变量，然后通过因子分析，对多个变量进行降维处理，以尽可能减少变量个数。通过对气温数据（包含最高气温、最低气温和平均气温）、月份、电网负荷、电量数据曲线的观察，发现数据之间存在着一定的关联关系，并随着时间的变化呈现出一定的周期性规律，因此依据最高气温、最低气温、平均气温和月份等变量，重点分析负荷和电量的变化。最后通过建立预测模型，实现对电力需求的预测。

（1）气温、负荷、电量的相关性分析。首先对整体数据进行描述性统计分析，以了解待分析数据的总体情况，包括各数据的均值、范围、标准差等信息。日最大负荷与日电量两个变量跟最高气温、最低气温和平均气温这3个变量的关联程度较大，相关性显著，尤其跟日最高气温的相关性最为显著，日最大负荷、日电量与空气质量指数、月份相关性较弱，可以认为基本不相关。因此，为减少计算量，在后面的分析中去除空气质量指数变量数据，保留每日气温数据，同时保留月份数据。

（2）气温、负荷、电量因子分析。对最大负荷、日电量与当日的最高气温、最低气温、平均气温的4个变量进行因子分析，根据各自与负荷（电量）的相关程度抽取出对负荷（电量）有影响的成分，组成1组或1个能够等效于上述4个变量的新的变量数据。事实上，因子个数小于原有变量的个数才是因子分析的目的，所以不可能提取全部特征根。第2列列出了按指定提取条件（这里为特征根大于1）提取特征根时的公因子。可以看到，与最大负荷（日电量）有关联的3个气温变量的绝大部分信息（大于95.8%）可被因子解释，这些变量信息丢失较少，而与最大负荷（日电量）关联不大的月份变量仅提取了7.3%的成分。因此，本次因子提取的总体效果理想。

图1为因子分析的碎石图，第1个因子的特征值很高（3左右），对解释原有变量的贡献最大；第1个以后的因子特征根都较小，取值都小于1，说明它们对解释原有变量的贡献很小，称为可被忽略的“高山脚下的碎石”，因此可以提取第1个因子作为所有因子的代表。因子分析完成后，数据末尾自动生成了1个公因子变量（FAC1_1），将其命名为“D”变量（影响电力负荷和电量的变量）。回归分析。经分析，得到决定电力负荷和电量的单一变量（D），接着需要利用回归分析找出最大负荷与D、日电量与D的变化关系。下面分别选取最大负荷和日电量为因变量，选取D为自变量，对最大负荷与D、日电量与D的变化曲线进行估计分析。可以发现，各个对最大负荷与D、日电量与D的变化曲线估计模型中，三次曲线的可决系数R2和F统计量均为最大，所以采用三次曲线对日最大负荷（Y1）-D和日电量（Y2）-D曲线进行估计，三次曲线参数估算值结果可得出日最大负荷（Y1）-D、日电量（Y2）-D的变化关系式为：

Y1=406.805-14.515×D+86.059×D2+31.601×D3

Y2=7302.648-192.856×D+1593.18×D2+586.04×D3

可以看出，曲线表达式基本上的最大负荷和日电量值大致拟合。

4 大数据背景下电力信息技术的发展策略

4.1 完善电力信息技术体系

在电力行业发展过程中，只有建立完善的电力信息技术体系，才能为生产经营和管理工作提供技术保障，促进电力系统的优化升级，为我国社会生产生活用电提供更加优质的服务。因此，应该借助于大数据的优势，不断完善电力信息技术体系。首先，借助大数据技术中的数据分析功能，对现阶段电力信息技术中的问题进行深入研究。通过不同技术数据信息的对比与分析，明确不同技术的优点和不足，进而促进电力信息技术的革新。其次，实现大数据与电力信息技术的互补。在现阶段电力信息技术的实际应用过程中，依旧存在很多限制性因素导致技术优势发挥不够明显。因此需要应用大数据实现技术互补，通过技术模型的构建，制定技术应用问题的针对性解决方案。最后，利用大数据实现资源共享。在当前电力信息技术的应用过程中，资源共享面临着一定的困难，而借助于大数据和电力信息数据库的建立，能够提升信息获取、存储、传递与分享的效率，减轻电力人员的工作压力。

4.2 强化电网预警功能

在电力系统运行过程中，预警功能的设置能够帮助巡检人员及时发现存在的问题，避免运行故障导致的电力事故，进而保障人员的生命财产安全和企业经济效益。因此，需要借助于大数据的相关框架，不断完善电网的预警功能，帮助工作人员实时动态掌握电网运行参数，建立预案处理机制和相关预警模式。通过对电网运行状况进行参数化处理，借助于数据分析的功能，能够实现电网运行状况的预测分析，从而降低故障发生的概率。同时也是不断提升电网监管水平的重要途径。

结语：电力信息技术在电力系统中的应用，能够满足当下社会的用电需求，切实提升电力系统运行的安全性和可靠性，为供电服务质量的提升奠定基础。尤其是在当前大数据背景下，实现电力信息技术和大数据的结合，能够增强电力信息技术的应用效果，解决技术发展中遇到的瓶颈问题。因此，应该根据不同地区的电力发展状况，建立完善的管控体系，不断完善数据库、设计框架和运行机制，为电网的智能化建设提供保障。

参考文献

[1]杨漾，张诗军，陈丰，李远宁，张世良.电力大数据平台建设及实时线损异常检测应用[J].现代计算机（专业版），2016（36）：8-14.

[2]楼凤丹，裴旭斌，王志强，纪德良.基于云计算及大数据技术的电力搜索引擎技术研究[J].电网与清洁能源，2016，32（12）：86-92+99.

[3]舒永芳.大数据时代下数据挖掘技术在电力企业中的应用研究[J].低碳世界，2016（36）：102.

[4]应泽贵.电力公司大數据分析平台项目的构建方案[J].科技创新导报，2015，12（33）：15-17.

[5]欧阳曙光.智能配电网大数据应用需求和场景分析研究[J].科技创新导报，2015，12（31）：11-12.