打开文本图片集
摘 要：文章主要对配电网低电压监测进行分析，在分析中指出大数据技术在配电网低压监测中的具体应用和实践。
关键词：大数据技术;配电网;低电压监测
电压合格率对配电网运行具有重要意义，第27号《供电监管办法》（2010年国家电力监管委员会）中对该值监管提出了明确要求。作为一个综合性、全方位的考核指标，需要在配电网中建立起完善的供电电压检测管理体系以对该值进行监控。大数据的兴起也为配电网低压监测提供了重要的技术支撑，利用大数据构建配电网低压监测体系，能够实现整个系统供电电压的全方位检测，对直观、快捷发现电压异常具有重要意义。同时，借助大数据分析技术深入分析信息化系统的相关数据，定位异常所在，为电压的质量改善、故障处理提供支持。
1 电压监测现状分析
在智能电网建设进程稳步推进的背景下，电压监测需求提高，同时，电压检测数据量也迅速增加，面对当前智能电网复杂多样的特征，当前的电压监测结构已经不能满足业务发展要求，具有一定局限性。
（1）我国电力网络改革以及智能电网建设、建成进程不断推进，电压质量监测点数量不断增加，这导致计算与监测的数据量也不断增加，虽然系统在不断完善，但仍不能完全满足当前实际需求。
（2）电压质量监控系统的性能和数据存储、计算、分析功能的水平息息相关，电压量的增加对软件平台架构、扩充提出了要求，但当前的软件平台构架并不能满足实际需求，同时，硬件性能也有待提高。
（3）数据集成平台已经无法满足当前智能电网背景下数据增长的需求，就广东省智能电网发展现状来看，这一问题尤为突出。不能在传统数据集成平台中引入新技术以及智能算法等来实现电力质量监控和故障识别、定位处理等功能，在电能质量治理方面存在的问题亟待解决。
面对这些问题和现状，就必须要科学引入大数据技术来辅助电压监测发展，满足电压监测分析的实际需求。
2 大数据技术在电压监测中的应用展望
2.1 基于大数据的电压监测影响因素分析
在配电网运行中，电流、电阻、变压器容量等因素均会影响电压，另外，功率因素、短路电流，甚至电线长度和设备类型等也会直接影响电源电压。根据实际情况，在计量自动化系统以及综合调度系统的基础上，引入大数据技术实现配电网低电压的实时监测功能。
（1）将配电网的电压情况以可视化的形式在接线图上展示出来，并且依托基础数据进行分析汇总，最终形成电压情况总图并进行可视化显示。
（2）利用大数据统计对不同区域分别进行统计分析，形成不同区域的电压情况趋势图并进行可视化展示。
（3）通过监控功能筛选配电网中不合格的主变、配电台区以及输电线路等，对不合格的部分进行汇总和可视化展示。同时，依托基础数据进行深入分析，归类分析得出不合格原因。
（4）一般需要对重要的设备进行特别关注，并设置自动预警功能。设置相应预警参数，系统实时监测的电压值等参数能够和预警参数阈值比对，当出现问题或者故障的时候，能进行预警。
（5）低电压监测数据和信息能够在数据库中进行存储，并以“图+表”的形式展示给工作人员。
2.2 基于大数据的停电监测影响因素分析
结合配电网低电压监测数据得到相应的数据库汇总信息，借助大数据技术对汇总数据进行深入分析和挖掘，能够得到用户平均停电时间趋势图以及停电持续时间分布情况等，同时，还能够结合实际情况得到用户停电的原因，并利用大数据对主要责任原因进行比对分析。利用大数据分析还能够对配网自动化覆盖路、线路分段数、带电作业次数等与可靠性相关的生产指标进行分析，通过指标分析得出供电可靠性薄弱环节与其薄弱的原因，以此为基础制定相应的整改措施。
（1）利用大数据技术结合配电网系统对不同区域用户停电情况进行分析，得到相应停电时间趋势图。
（2）统计不同区域用户停电次数，根据统计数据以及大数据技术得到不同区域停电次数趋势图。
（3）利用大数据技术统计分析停电的主要原因以及每个原因导致停电的占比，以“图+表”形式展示出来，为提出应对措施，提供借鉴资料。
（4）结合供电率、线路分段数、绝缘化率等对生产指标进行分析。
3 电压监测数据平台应用实证及关键技术
3.1 技术路线
配电网低电压监测采用如图1所示的数据监测平台系统架构，利用J2EE 3层体系结构将低电压监测的数据逻辑与业务逻辑分类，进一步提高系统的网络计算能力以及并行操作能力，使系统的整体性能有所提升。采用这一体系构建的系统可扩展性高、可维护性强、成本低、开发难度低。
浏览器/应用服务器/数据库服务器（Browser/Application /Server，B/A/S）架構引入构建配电网低电压监测系统。将J2EE应用服务作为中间层的运行平台，并通过业务组件的形式将配电网低电压监测所需的各种业务组件部署到服务器上。应用框架层处于中间层上部，主要为电力行业以及配电网低电压监测提供可以重复使用的通用基础服务，为实现系统功能提供科学、完善的软硬件支撑[1]。
3.2 关键技术分析
3.2.1 系统关键技术
配电网低电压监测系统在数据获取过程中，一般对接多个系统，导致整个系统平台数据量极大。为更好应对较大数据量问题，引入并行计算基数以及分布式存储技术以实现数据分析和存储。为保证配电网低电压数据的深入分析，还引入了大数据挖掘技术以及指标预测技术等，这些技术的应用满足了智能电网建设的实际需求。
3.2.2 分布式存储技术
当前电网建设存在分布范围广、相关设备繁多的特点，导致采集到的数据量极大，传统集中式数据存储方式应用性交叉，限制数据处理速度，在数据存储可靠性和实时性方面欠佳[2]。并且这种传统集中式数据存储的方式需要在各服务器之间进行大量的数据交换，会浪费大量的网络资源。针对这种现状，寻求一种适合智能电网数据存储的方法成为一大研究热点，其中，分布式数据存储技术很好地解决了这一问题。
分布式存储充分利用网络中各个存储设备之间的存储容量，进行虚拟连接，形成大容量存储池，使大容量的数据分散存储在不同节点，同时，选用科学的存储策略将存储数据有机联系在一起，形成存储整体。应用分布式存储技术，能够有效、安全地处理配电网低电压监测过程中产生的大量数据。
3.2.3 并行计算技术
采用集群、分布式处理、任务调度等策略实现统一的数据采集管理。采取内存计算技术，在内存中驻留各类服务和节点所需访问的参数数据，将大部分业务对历史数据库的访问转为对内存的访问，减少数据库压力、提高性能。采用多机集群以及多线程并行计算等实现高效的数据计算处理，从而保障了电压监测的实时性和高效性[3]。
3.2.4 数据挖掘技术
在配电网低压监测过程中，不应该仅通过传统联机分析的方式进行数据分析处理，还应该借助大数据技术进行深入挖掘，分析各项指标以及潜在规律，为配电网运营与发展提供科学、有力的支撑。目前，大数据挖掘技术已经开始應用于广州的配电网络当中，采用聚类模型、遗传算法模型等进行分析，取得了较好的效果[4-5]。
3.2.5 指标预测技术
利用大数据技术结合基础数据，得到已有的趋势图能够进行预测和分析如配电网低电压波动趋势、停电时间趋势以及停电次数趋势等。对相应的指标也能够进行预测，并且给出短期、中期、长期预测，未雨绸缪，保证配电网稳定运行。
4 结语
智能电网建设进程加快、电压负荷问题突出，采取科学、有效的措施维护用电稳定性成为人们关注的热点。为提高配电网低电压监测质量和水平，引入大数据技术具有重要意义。但在未来发展中，这一技术需要不断发展与完善。
[参考文献]
[1]补敏，丁泽俊，钟锦群，等.基于配用电大数据的供电电压监测与分析研究[J].电力大数据，2019（3）：1-7.
[2]王亚君，孙希阔，赵丽新.大数据技术在配电网低电压监测中的应用研究[J].电子制作，2018（22）：91-92.
[3]张宇帆，艾芊，肖斐，等.数据驱动电能质量分析现状及其支撑技术与展望[J].电力自动化设备，2018（11）：187-196.
[4]彭春柳，陈跃辉，朱吉然，等.基于配电网大数据平台的低电压监测及预警系统的开发与应用[J].湖南电力，2018（2）：5-8.
[5]张兴，田冰，魏延迪，等.供电台区低电压应急治理方案研究[J].中国设备工程，2018（8）：178-179.