在信息技術中，大數據是指無法在一定時間內，用常規(guī)的工具軟件(如現有數據庫管理工具或數據處理應用)對其內容進行抓取、管理、存儲、搜索、共享、分析和可視化處理的由數量巨大、結構復雜、類型眾多數據構成的大型復雜數據集合。大數據具有4V特點，即高容量(Volume)、快速性(Velocity)、多樣性(Variety)和價值密度低(Value)。

智能配電網具備豐富的數據源，現在大多數地市擁有多個配電管理系統(tǒng)，包括配電自動化系統(tǒng)、調度自動化系統(tǒng)、電網氣象信息系統(tǒng)、電能質量監(jiān)測管理系統(tǒng)、生產管理系統(tǒng)、地理信息系統(tǒng)、用電信息采集系統(tǒng)、配變負荷監(jiān)測系統(tǒng)、負荷控制系統(tǒng)、營銷業(yè)務管理系統(tǒng)、ERP系統(tǒng)、95598客服系統(tǒng)、經濟社會類數據等數據源，這些數據源的總體狀況如表1所示。

這些數據源涵蓋了調度、運檢、營銷等多個管理業(yè)務，以及絕大部分110kV及以下多電壓等級的電網監(jiān)控和采集信息。從數據源類型來講，智能配用電大數據應用的數據源類型豐富，覆蓋配變、配電變電站、配電開關站、電表、電能質量等配用電自動化和信息化數據、用戶數據和社會經濟等數據。

場景一面向有源配電網規(guī)劃的負荷預測

隨著配電網信息化的快速發(fā)展和電力需求影響因素的逐漸增多，用電預測的大數據特征日益凸顯，傳統(tǒng)的用電預測方法已經不再適用。由于智能預測方法具備良好的非線性擬合能力，因此近年來用電預測領域出現了大量的研究成果，遺傳算法、粒子群算法、支持向量機和人工神經網絡等智能預測算法開始廣泛地應用于用電預測中。傳統(tǒng)的用電負荷預測，受限于較窄的數據采集渠道或較低的數據集成、存儲和處理能力，使得研究人員難以從其中挖掘出更有價值的信息。通過將體量更大、類型更多的電力大數據作為分析樣本可以實現對電力負荷的時間分布和空間分布預測，為規(guī)劃設計、電網運行調度提供依據，提升決策的準確性和有效性。

場景二配電網運行狀態(tài)評估與預警

基于大數據技術的配電網運行狀態(tài)評估與預警研究內容如圖1所示，包括以下方面：

1)對配電網進行安全性評價，如電力系統(tǒng)的頻率、節(jié)點電壓水平、主變和線路負載率等;

2)對配電網的供電能力進行評價，如容載比、線路間負荷轉移能力等。當供電能力不能滿足負荷需求時，根據負荷重要程度、產生的經濟社會效益以及歷史電壓負荷情況，進行甩負荷;

3)對配電網可靠性和供電質量進行評價，如負荷點故障率、系統(tǒng)平均停電頻率、系統(tǒng)平均停電時間、電壓合格率、電壓波動與閃變、三相不平衡度、波形畸變率、電壓偏移、頻率偏差等;

4)對配電網經濟性進行評價，如線損率和設備利用效率等。通過計算風險指標，判斷出所面臨風險的類型;預測從現在起未來一段時間內配電網所面臨的風險情況;根據風險類型辨識結果，生成相應的預防控制方案，供調度決策人員參考;可以對突發(fā)性的風險和累積性風險進行準確辨識、定位、類型判斷、生成預防控制方案等;依據對多源異構的數據。