用户节电的大数据分析及应用孟瑞龙

用户节电的大数据分析及应用孟瑞龙

孟瑞龙

国网山西省电力公司太原供电公司，山西太原030012

摘要：为解决用户在开展节电工作时面临的用电数据不透明、缺少节电指导依据等问题，提出大数据背景下基于数据挖掘的用户节电通用分析方法，并在大数据平台上予以并行化实现，设计了直观的可视化展示形式。首先依据用户用电特性通过高维聚类实现了用电群体细分，然后融合电力、气象、经济等多维度数据开展节电分析，基于用户能效综合评估确定群体内节电标杆并量化用户节电潜力，接着通过多源数据关联分析获得用户节电策略，最后，通过SparkR在大数据平台上实现了节电算法业务的并行化，基于JavaWebMVC框架实现了分析结果的可视化展示。实际应用效果表明，所提出的节电大数据分析方法，能有效关联多源数据，实现对海量用户数据的高效分析。

关键词：大数据；节电分析；分布式存储；并行化计算；数据可视化

引言

近年来，大数据（bigdata）技术得到了各国政府和全球学术界、工业界的高度关注和重视，在各行业领域的应用迅猛发展。2012年3月，美国政府发布了“大数据研究发展创新计划”，我国政府、学术界和工业界对大数据也予以了高度关注。就电力行业而言，近年来数据资源开始急剧增长并形成了一定的规模，对大数据技术也产生强烈的需求。具体表现为数据量由TB级向PB级发展，数据高性能存储和高可扩展性面临挑战；业务向智能化、精益化方向发展，对复杂数据处理和实时性提出更高要求；跨业务、跨平台的数据处理和分析能力需要进一步提升。

配用电网大数据体系架构方面，大数据软件体系结构可分为数据采集与预处理、数据存储和管理、数据分析和挖掘等几个方面。在大数据存储和管理方面，当前普遍采用的是分布式文件系统和分布式数据库。由于大数据处理的多样性和复杂性，学术界和工业界不断研究和推出新的大数据计算模式和平台；重要的发展趋势包括Hadoop平台与其他计算模式的融合、多样性混合计算模式、基于内存的大数据处理技术。可视化是大数据分析的重要手段，同时大数据也对可视化技术提出了新的挑战。实际应用中存在大量高速时序数据，而且这些数据的维度都很高，如何对这样的数据进行可视化还没有得到很好的解决，也是亟需研究的问题。

用户用电负荷数据的存储处理方面，用电负荷数据存在着多种形态、频度，如何构建合理的存储结构以满足用电负荷数据的需求，已成为新的研究热点。当前，存储、索引的统筹设计也是适应海量高维时序数据的方向之一。另外，用电负荷数据通常可以从不同层面进行聚类：时间层面上，针对不同时间范畴的负荷序列进行聚类；用户层面上，对不同用户的用电负荷数据和其他信息聚类，实现用户群体的划分。关联分析是在聚类等手段的基础上分析信息内在关联的手段。特别是对用电负荷大数据如何结合具体业务进行聚类和关联分析还亟待研究。

本文研究智能配用电大数据应用关键技术，具体包括：①配用电网大数据体系架构及共性基础技术；②用户用电负荷数据存储分析与修正技术；③用电预测等智能配用电业务应用大数据分析技术；④智能配用电大数据示范应用方案设计。

1技术现状

1.1智能配用电业务分析的国内外研究现状近年来，智能配用电得到了重点关注和快速发展，其资源优化配置能力强，运行稳定高效，适应新能源的发展。1）节电方面，国内外学术界对配用电的节电分析主要从配电和用电两个方面开展了研究。在配电侧，主要研究通过无功优化、最优潮流、网络重构、分布式电源接入等方法降低配电网络损耗达到节电目的。2）用电预测方面，国内外研究主要集中在预测数据预处理、影响因素属性约简、构建用电预测模型等方面。如采用基于粗糙集理论的属性约简算法，能够挖掘出与待预测用户相关性大的属性作为预测模型的输入量。3）配用电网架优化方面，国内外对配电网网架优化或规划问题已有较多研究，也开始在配电网优化中考虑分布式供电的影响，模型求解多采用数学规划法、启发式算法、智能优化算法等。4）错峰调度方面，文献分析了“错峰用电”的地位和作用，阐述了“错峰用电”对提高供电质量、减少线路损耗、增加设备的输送能力和延长设备的使用寿命等都具有重要的现实意义和应用价值。

1.2智能配用电大数据应用的国内外研究现状智能电网的目标是建设覆盖电力系统生产全过程的实时系统，而对这个系统提供安全性、可靠性、坚强性支撑的则是电网的全景、实时数据，以及对这些数据的快速分析和对分析结果的应用。因此在本质上，智能电网是大数据在电力上的应用。2012年IBM公司提出，电力能源由单向的电力流动扩展到电力与数据信息的多向流动，这将为传统的电力行业价值链带来突破性的变化。世界各地的电力公司也陆续开展了电力数据应用实践。

2节电分析数据交互及可视化

2.1数据展示结构

目前电力系统中所用到的可视化形式大多基于VTK、Java3D、OpenGL等图形组件。这些应用以客户端/服务器(client/server，C/S)为主要架构，采用面向对象和面向组件的编程方法。C/S架构的可视化及交互服务需要在每台客户端上配置可视化环境，安装应用服务，少量部署尚可，但节电分析结果除面向专业人员外，还将面向海量电力用户，在这种应用环境下C/S架构不够灵活轻量。随着以智能手机为代表的移动端设备的兴起，Web技术因为其轻量、灵活、强大、即开即用、无平台移植问题等优势获得了广泛应用。将Web技术用于节电分析服务，用户通过浏览器即可控制分析过程、访问分析结果，且不受平台限制，便于后续向海量电力用户提供特色化的节电服务。智能配用电大数据应用系统在数据交互及可视化方面采用基于Web的SSM(SpringSpringMVCMyBatis)整合框架，在前端网页设计方面采用了HTML5语言，通过EChart、D3等JavaScript图表库实现了数据图表的交互，可视化由数据驱动，图例丰富，功能强大，支持数据拖拽重计算，数据区域漫游等高级功能。

2.2智能配用电大数据体系架构及数据集成技术

智能配用电大数据体系架构及数据集成技术研究包括3个方面：配用电大数据体系架构、多源异构配用电数据集成及存储处理技术、大数据可视化技术，智能配用电大数据体系架构及数据集成技术图

2.3配用电大数据体系架构配

用电大数据体系架构包括硬件架构、评估方法、技术标准和安全体系。具体包括：①分布式大数据采集、存储和处理硬件体系架构的集群节点规模、硬件优化配置、网络拓扑结构及系统可靠性和可扩展性；②面向数据密集型配用电大数据应用的批处理、图计算和内存计算架构；③面向计算密集型配用电大数据应用的高性能计算架构；④配用电大数据体系结构评估方法；⑤配用电大数据元数据、数据交换等技术标准规范；⑥配用电大数据访问认证、数据存储和隐私加密等安全技术.

结语

基于高维分析理论模型的用户模式相关性分析法分析同类节电百分比档次的用户用电量相关关系，对既未参与峰谷电价试验也未实施基本电力信息调研的用户进行节电潜力预测判断；且分析结果较为直观，能快速准确地对用户模式进行划分，以便有效挖掘节电潜力用户。

参考文献

［１］单葆国，韩新阳，谭显东，等．中国“十三五”及中长期电力需求研究［Ｊ］．中国电力，２０１５，４８（１）：６－１０，１４．

［２］高媛，孙军平，范闻博．用户侧需求响应系统试验技术研究［Ｊ］．电气应用，２０１３（１７）：４０－４５．

［３］黄安平，蒋金良．智能电网的发展和应用研究［Ｊ］．电气应用，２０１１（１３）：２２－２８．

［４］王继业，季知祥，史梦洁，等．智能配用电大数据需求分析与应用研究［Ｊ］．中国电机工程学报，２０１５，３５（８）：１８２９－１８３６