当下的发展趋势来看，用电需求的逐步提升，要求未来电网更加具有柔性和自适应能力。中国长城结合发展趋势，推出了“智能配用电大数据应用系统”，将大数据与城市电力运营深入结合，借助数据分析用户用电的行为动态、用电特点，有针对性的对电力资源进行优化配置，不仅提升了效率，更节约了资源，从而实现了城市智慧用电的理念。这一“智慧用电”解决方案也在上海得到了成功实施。
强大的数据收集、分析能力
中国长城的“智能配用电大数据应用系统”，首先集成了用户及用电数据、电网数据、外部数据等十余个数据源，建立数据仓库和数据集市，实现配用电大数据的多源集成、统一存储和关联融合。然后，搭建满足配用电大数据业务需求的软硬件平台，利用Hyperbase、discover等工具对数据进行存储和计算，具备数据密集型和计算密集型混合并行处理能力，实现对配用电大数据的高效处理分析。在多源数据集成及大数据平台基础之上，中国长城“智能配用电大数据应用系统”可以实现用电查询、电力地图等基础功能，以及用户用电行为分析、节电、用电预测、网架优化和错峰调度等业务应用。
行业用电精准监控服务城市电网规划
在“智能配用电大数据应用系统”中，其中一个基础功能是“电力地图”，在这里可以查看浦东每个行业的用电量变化趋势、每个台区每个时刻的负载率，浦东各规划功能区块的用电密度图，以及用电热力图。通过用户侧到电网侧数据的关联集成，与GIS空间可视化技术融合，实现浦东全景用电监测及能耗监测，为城市及电网发展规划提供服务。
用电行为数据分析实现科学预测、智慧应用
除了用电查询、电力地图等基本功能之外，中国长城“智能配用电大数据应用系统”成功将大数据技术应用于电力系统传统业务中，通过收集到的大数据对用户用电行为进行分析，实现了用电预测、网架优化、节电、错峰调度等智慧应用。
“智能配用电大数据应用系统”提供了多种方法的台区负荷用电预测，一种是综合考虑气温、湿度、气压等气象因素，以及星期类型、节假日等因素，建立预测模型，可对台区每日用电的大值、最小值，以及未来七天用电负荷曲线进行准确预测。另一种是运用聚类、深度学习两种方法进行台区用电预测。深度学习方法考虑天气预报、用电负荷等数据，聚类预测方法则考虑台区用电负荷特性。经过BP神经网络的优化，预测的误差可以降低到1.2%左右。
此外，这一应用系统还可以提供区块用电预测，通过对每个区块中用户的经济类型构成、行业的经济走势、每个个体用电行为的分析，可以对未来三个月每个月的用电量进行预测。
中国长城“智能配用电大数据应用系统”综合考虑环境因素，结合电力负荷、电量等电力时序数据，利用回归、神经网络、深度学习等大数据方法，提高了负荷预测精度，对于合理经济调节电网运行方式、制定发电计划及检修计划、确保电力设备安全、提高经济效益，具有着重要意义。
基于大数据的网架优化更好地适应生产实际
“智能配用电大数据应用系统”在配用电网架优化中，采取多源数据关联分析，分析拓扑聚类结果、潮流分布、线损数据、可靠性数据等十一种数据之间的相关性，挖掘多元数据之间的相关性。在数据分析的基础上给出不同的优化方案。
优化方案会充分考虑负荷增长及可能出现的新增负荷点，分别给出不同的线路增容或新建线路方案，并使得网架在供电可靠率、网络线损、负载率、建设运维成本等指标上均有所提高。同时还可以对网架优化前后的潮流进行对比。
基于大数据的网架优化方法不仅能体现传统优化方法中潮流、可靠性等用函数方程表达的群体性因素，还能考虑用统计量描述的因素，如负荷用户画像、用户行业分布等体现个体信息，因而基于大数据的网架优化方法能更好地适应生产实际，提出更具可行性与可信度的优化方案。
随着下一代电力系统的逐步演进，高度灵活的数据驱动的电力供应链将逐步取代传统的电力供应链。中国长城方面表示，今后中国长城将继续依托智能配用电大数据平台与示范工程，结合电力公司生产需求及政府、社会应用需求，开展数据分析研究和业务应用开发，为推动配用电发展、实现“以客户为中心”的电力核心价值、有效配置清洁电力资源、推动我国能源结构绿色转型，而做出努力。
相关阅读：
热门专题
