摘要：随着新一代智能电力系统的发展，坚强智能电网的快速发展，使得信息通信技术与电网生产和企业管理迅速融合，具有前所未有的广度和深度。信息通信系统已成为智能电网的“中枢神经”，支撑着新一代电网生产和管理的发展。随着电力体制改革的推进，按照“两头开放、中间控制”的原则，电力市场将逐步成为更加开放的市场，电力企业将面临更加严峻的竞争形势。同时，体验经济的到来，使得传统的非差异化客户服务模式无法满足客户日益差异化的服务需求。细分电力客户，提供准确的差异化服务已成为未来的发展方向。因此，在电力用户数据积累信息平台的基础上，利用大数据技术对电力用户特征进行深入分析，实施差异化服务战略，对电力行业提高客户满意度具有重要意义。
关键词：大数据；用户侧用电数据；电力系统；应用
1研究背景及研究思路
随着用电信息采集系统的建设和应用，电力系统积累了大量的用电信息数据。电力企业充分利用电力实际业务产生的数据，采用大数据分析方法进行数据挖掘和分析，可以为用户提供大量高附加值的服务，有利于电网的安全运行和电力企业增值业务的发展电力营销。
大型工业用户用电量大，经济价值高。电力市场开放后，将成为各类售电企业的目标，也是电力企业重点关注和维护的目标。用电信息采集系统采集了大量工业大用户的详细负荷数据，反映了用户的用电行为和特点。在此基础上，根据电力消费的特点，对大型工业用户进行群体识别，可以针对不同群体制定差异化服务策略。
电力负荷数据呈现连续性和波动性。由每个用户的用电负荷数据绘制的用电负荷曲线，可以直接反映用户用电负荷的波动特性，因此可以将用电负荷数据视为时间序列数据。时间序列的相似性度量有助于对时间序列进行有效的分析，也是时间序列聚类和分类过程中必要的处理阶段之一。时间序列的相似性是由距离度量来确定的，最常用的方法是欧氏距离度量。然而，欧氏距离仅适用于两个等长序列的比较，对序列上时间轴和噪声的变化非常敏感，不能很好地描述高维时间序列的整体关系。
在测量两组时间序列之间的距离时，采用动态时间规整算法（DTW）可以有效地反映时间序列数据的相似性，得到所有用户电力负荷数据的距离矩阵。采用K-means聚类算法对所有用户的DTW距离进行聚类，得到不同负载特性的组，实现对用户聚类的研究。
2基于电力大数据技术对用户用电行为进行分析的应用现状
2.1国内现状
目前，我国对大数据技术的研究和应用起步较晚，但随着能源互联网和智能电网技术建设的初步规模，电力大数据技术的研究和应用也逐渐取得了一些成果。近年来，中国国家电网公司逐步完成了公共信息资源共享模式的建设，主要是收集和整合各电网公司和网络的数据信息，建立了可靠的大数据技术应用技术体系。
以江苏省为例，该地区电网公司采用Hadoop分布式批处理技术，结合永红Z-suite为代表的高性能硬件设备，逐步实现电力大数据采集和高效处理，构建了一套集电力生产、用户信息、气象地理信息于一体的综合电力大数据模型。基于该数据模型，可以实现对用户用电行为的分析。通过对用户用电行为的分析，该系统不仅可以帮助电力生产经营单位做好负荷预测和控制，还可以根据用户的习惯提高服务水平，为提高该地区电力行业的管理水平奠定了坚实的基础。
2.2国外现状
大数据技术在国外的应用比较早，特别是在电力行业已经形成了比较成熟的机制。基于国外大数据技术，对用户用电行为的分析结果对我国具有很好的参考价值。以美国为例，目前已经建立了举世闻名的“洛杉矶电力地图”，这是一个基于大型电力数据库的综合信息系统，包括大洛杉矶地区各区块电力系统资源分布、电力用户信息，地理、气象等信息通过对这些信息的自动分析，可以很好地掌握其管辖范围内用户的用电行为规律。通过这些数据分析结果，可以为该地区做好电网负荷预测和管理工作，特别是结合相关经济数据，也为能源行业的投资决策提供重要依据。基于美国政府主导的“大数据研发计划”，近年来美国传输网和配电网系统逐步建立了一套成熟的大数据采集、分析和应用系统。结合云平台和能源互联网的建设，为美国电力工业的科学发展奠定了基础。
3用户侧大数据在电力系统中的应用
3.1节能降耗智能用电
工业企业用电量占全社会用电量的近80%，高耗能行业在工业企业中所占比重仍然较高。工业企业在追求效率的同时，忽略了电气设备的损耗，节能装置和设备投资少，而且由于少有可靠性差等维护问题，导致工业企业大量不必要的用电。本研究运用大数据技术对工业企业的用电行为进行分析，试图引导企业在考虑经济性和安全性的前提下，选择科学的用电标准，制定最优的用电策略。是实现工业企业节能降耗，提高电力利用率，实现节能减排的重要途径。电力需求预测是工业企业实现优化调度和经济运行的前提，但工业企业的电力需求预测不同于传统的电网负荷预测。过去，电力系统负荷预测只从电网的角度出发，预测区域内未来的用电量，以便安排电厂的生产计划，导致用户用电行为的随机性、无序性等负面影响。从企业用户的角度出发，基于大数据分析下的工业企业电力需求预测技术，进一步建立需求侧响应系统，实现用户与电力系统的双向互动，最终达到降低高峰负荷的效果，引导企业经济智能用电，缓解电力供需矛盾。此外，它还可以实现我国智能用电，加快数字中国建设，更好地服务于我国经济社会发展。
3.2防患未然安全用电
工业企业用电设备种类繁多，额定功率高，持续时间长，对用电量缺乏监控，不能及时了解配电设备和线路的过载、过流和过热情况。只有当设备损坏或发生安全事故时，我们才能知道。电网电压、频率的不稳定和波形的畸变将对负荷侧电气设备的运行产生不良影响：据不完全统计，46%的终端在数据丢失领域和85%的服务器在数据宕机领域与电压降直接相关。它可以利用大数据和现代智能通信技术，离线安装多回路采集模块，实现对企业整体用电量和关键配电的监控。在不影响工业企业正常运行的情况下，采集用电设备的有功、无功等相关电能参数。局域网用于将各区域的监测点数据传送到智能网关。智能网关集成数据并上传到平台。平台接收实时数据，实现工业企业用电量实时在线分类和分项，方便管理部门的有效监控和管理。当监测参数超过系统设定的阈值时，发出报警信息，实现对现有故障的实时分级报警。对报警信息的监测分析，可以有效消除事故隐患，降低事故发生率，减少企业损失；对变压器过载、电压超限、电流超限等非故障存在潜在的危险情况，提前对三相电压、电流不平衡超限等进行预警，指出故障位置和故障类型，使企业及时采取有效措施，保证正常生产活动，延长设备使用寿命。
3.3双向互动缓解矛盾
在智能电网时代，鼓励工业企业与电网实现数据共享、智能互动，积极参与电网运行建设。以智能电表为代表的仪表监测虽然能在一定程度上监测和反映当前用电量，但仍不足以实现企业用电量数据的大规模存储、分类、集成和分析，这使得企业很难深入到精细化用电管理的层面。利用大数据分析，以四个时段的日、月峰谷用电率为基础，评价峰、高峰用电率是否过高，并提出节能技术改造方案，使企业能够科学地控制日常生产中大功率负荷的启动时间和顺序，降低企业的用电成本；根据月度统计的功率因数阈值，分析其是否合格，并对不合格的功率因数进行改进，降低用电；分析和计算用户用电结构，制定企业用电改造方案。通过对电力需求侧的有效管理，可以在不增加发电端出力的情况下，降低城市高峰负荷，由负荷侧调节高峰负荷供需矛盾，提高电网的稳定性。因此，数据挖掘算法可以用来描述工业企业的用电行为，建立企业的用电需求预测模型，建立需求侧响应系统，实现用户与电力系统的双向交互，引导用户削峰填谷，根据企业负荷曲线错峰运行，提高电力系统的稳定性。
结束语
目前，我国电力大数据技术的应用率越来越高，逐步形成了一套科学的数据分析机制。通过大数据技术，可以对用户用电行为进行全面深入的分析，挖掘出有价值的数据信息。进一步提高了电网负荷预测和用户用电需求分析水平，对进一步优化电力资源配置，降低电力设备故障率，提高电力服务水平具有重要作用。
参考文献
[1]马俊明，张珍芬.浅谈电力大数据在电网建设中的运用[J].中国新通信，2020,22(01):99.
[2]成婧颖.大数据分析在互联电网中的应用探讨[J].科技创新与应用，2016(14):190.
[3]陈永淑.大数据技术在电力系统的应用[J].信息技术与信息化，2020(01):43-45.