大数据技术在配电网低电压监测的应用研究

廖颂文

广东电网有限责任公司江门鹤山供电局 广东 江门 529000

电压合格率是衡量配电网运行质量的一个关键指标，为实现对这一重要运行数据的准确掌握，需要在配电网之中建设完善的低电压监测平台。大数据技术的快速发展为配电网低压台区监测平台的建设提供了有力的技术支撑，借助大数据技术进行配电网低压台区中的低电压情况进行排查、监测、预测，有助于配电网的运行维护人员及时、高效的发现低压台区中存在的电压异常情况，对于提升配电网的运行安全、客户服务、规划质量具有非常重要的意义。

低压配电网在运行的过程中出现低电压的原因主要有三个：一是配电线路和台区布点、设计与用电负荷发展不符；二是线路重过载以及三相负荷未达到合理的平衡；三是低压台区功率因素过低，无功补偿不足。在配电网中采用大数据技术进行低电压的监测，不仅能够对配电网中的异常情况进行分析和定位，而且能够建立高效的诊断模型，优化整改和投资决策，有效的提升低压台区电压质量。

1 配电网发展与低电压监测现状分析

当前社会经济快速发展，电动汽车、电池储能、光伏发电、分布式能源等新技术应用增加了低压配电网的不确定性，面对当前配电网越趋复杂化、多样性的运行特点，采用传统技术构建的电压监测系统已经无法满足生产、营销、规划等重要业务开展的需要。

配电网的低电压情况点多面广，现阶段各供电企业正在大力推进智能电网的建设，对配电网低压台区电压进行准确监测的需求也在逐步的提高，与此相对应的是，电压监测的相关数据也在迅速的增加。

在智能电网建设过程中，特别是随着低压集抄等数字化技术的普及，供电企业在配电网低压台区线路中设置了大量的数据收集以及电压监测点，每个时点的电压和负载、功率因数、持续时间、所属相别、供电区域等多个维度的数据，这使配电网系统在运行过程中产生并收集的电子数据呈几何级增长，若负责后台数据处理的系统软件平台无法有效实现对这些数据处理、分析，将不能够满足智能电网建设对配电网低电压监测应用的需要。

配电网中台区低压监测点增多，形成的大量数据不仅仅给数据的处理带来技术上的挑战，也对数据的存储带来巨大的考验，需要对软件结构以及硬件设施同时进行有效改造。

智能电网在建设过程中除了在配电网低压台区设置更多的电压监测点，更重要的是构建统一的数据集成平台，传统的配电网低电压监测存在生产、营销、计量、资产等多个业务系统共同管理，数据接口不统一的情况，采用全新的大数据技术将会使电压监测模块有效的集成到智能电网的的统一数据处理平台中。

传统的配电网电压监测系统只能发现电压异常的情况但无法对出现异常的位置进行准确的定位，进而导致后续的排查、处理工作存在诸多不便，大数据技术的引入，使全新的电压监测模块能够进行智能化计算并定位异常位置、分析原因，进而有效的提升工作效率。

面对当前阶段配电网电压监测系统存在的各类问题，推广大数据技术，进行软、硬件的同步升级，能够有效的改进低电压监测和处理的措施，进而推动我国智能电网的建设和发展。

2 大数据技术在低电压监测中的应用展望

现阶段实现配电网低电压监测的技术是计量自动化系统、电能质量监测平台、运行技术支持平台，在此基础上引入全新的大数据技术进行优化升级，对配电网低压台区的电压情况进行实时的监测、统计、分析、整治，展望带来以下五个方面的新功能。

一是配电网电压监测系统能够实现在电气接线图软件上实时展示各监测点电压的变化，并以此为基础对采集的数据进行分析进而生成电压变化曲线图，以可视化的监测形式呈现出来。

二是借助大数据能够对不同时段、不同类型的电压监测数据分别进行统计分析，形成量化计算结果，精确定位低电压位置和发生时段，极大的提升了数据的利用效率。

三是大数据技术能够对低压台区中电压发生变化的表象进行深入的分析，通过融合配电网低压台区电压、电流、供电半径等运行数据、资产地理信息系统、客户用电信息和行为采集分析等，以梳理配电网中存在异常的特殊区段和重点用户，为及时、准确排查原因奠定基础，显著增强对电压监测数据的挖掘能力。

四是能够根据配电网中预先设定的电压监测规则和数据预警值，结合电压监测的实时现状和历史数据进行多维度预测和交互分析，及时进行低电压分级警告，以达到预防和提前介入的效果，完善闭环处理机制，从而提升配电网的运行质量和安全性。

五是在配电网电压监测系统之中采用大数据技术，能够实现对各类电压监测数据的智能分析和应用，能够科学分析原因和发展趋势，使低电压整改工作达到防治结合的效果。根据大数据分析结果确定变压器调档、负荷调整、线路改造、新增布点等解决低电压的方案，取代了传统消缺方式的滞后性和随意性，为生产运行、供电方案制定、规划建设等业务提供支撑。

3 低电压监测大数据平台开发架构及关键技术

3.1 开发架构 企业级大数据平台系统开发架构可采用J2EE的三层结构体系，即表现层、业务逻辑层、数据访问层。该结构体系对配电网中低电压监测的数据逻辑和业务逻辑进行有效分类，进而有效提升这一数据平台在工作过程之中的并行操作性能和网络计算能力，整体上有效的提升了系统的综合性能。系统在实践中体现出良好的可扩展性和安全性，整体上具有维护成本低，维护便利以及开发难度低等多个方面的优点。将J2EE应用服务作为整个运行平台的中间层，再以组件的形式将实现低电压监测所需的各个模块部署到硬件匹配的应用服务器之中，实现对电压监测的软硬件有效支持，系统功能布置的科学合理。

3.2 关键技术 大数据技术在配电网低电压监测应用，需要多个业务系统对接进而实现自身所获取数据的传输和共享，这导致了整个平台在运行过程中会产生大量的数据，为保证整个系统对大量数据的存储和分析能力应该积极的引入分布式存储技术和内存计算技术。此外，为进一步增强系统对数据的应用和分析能力应该引入数据挖掘技术和指标预测技术等，以此来全面满足低电压监测的实际需要具体如下：

一是分布式存储技术。配电网低电压监测平台乃至智能电网在建设过程中需要使用大量的信息采集设备，系统产生大量的数据需存储。传统的数据存储方式在应用时会出现一定的交叉现象，对数据的处理速度存在一定的限制，无法保证数据存储的可靠性和实时性；此外，传统的数据存储技术在应用时需要在服务器之间进行大量的信息传输，影响了软件系统的响应速度，面对这一状况采用分布式数据存储是有效的解决方案。

分布式存储将系统之中产生的各种类型的信息存储在网络之中的各个存储设备之中，借助虚拟连接的方式形成了一个可以容纳大量数据的存储池，有效的解决了配电网之中电压监测数据量庞大的问题。此外分布式存储将数据存储在网络之中的各个节点，有效的提升了系统在调用数据时的响应速度。

二是内存计算技术。在配电网低电压监测平台构建过程之中采用分布式集群处理，对系统之中进行的各项任务进行统一调度，实现对数据的统一管理。应用内存计算技术，将各类常用的服务和数据驻留在内存之中进而实现将对数据库的访问转化为对内存的访问，有效的减轻了系统之中数据库的访问压力，提升系统的数据处理能力和响应速度，实现对大数据系统中相关电压监测信息的实时、高效处理。

三是数据挖掘技术。当大数据技术在配电网低电压监测之中应用时，将会产生大量多维度的数据，传统的数据分析方式无法有效的挖掘出这些数据之中蕴含的大量的具有较高价值的信息，因此应该在系统中引入大数据挖掘技术，从监测数据之中挖掘台区电压质量的各项运行指标、基础数据、用户信息、外部因素等并有效整合，为低电压整治正确决策和配电网的优化升级提供科学依据。

四是指标预测技术。指标预测是大数据中的核心技术，通过对电压监测不同时间点中关于生产、营销、计量、资产等不同专业、多维度数据的整合，进行建模及分析预测，旨在摸清这些混合数据中的精细结构以及变化轨迹，实现对台区电压运行趋势的科学预测，提前掌握台区低电压并采取措施。