国网新疆电力有限公司乌鲁木齐供电公司 新疆乌鲁木齐 830000
摘要：相比主网而言，配网资产有着设备数量大、更新速度快、线路复杂且变动频繁等特点，这也是导致配网事故频发，故障定位困难的主要原因。物联网技术的飞速发展使得低成本、广覆盖形式的电力监控系统成为可能，配网数字化在提高配网供电可靠性方面能够提供强大的技术支撑。
关键词：配网数字化；物联网；供电可靠性
在整个电力系统内部，配电系统的重要性不言而喻，系统的平稳安全性将直接影响着人类生活质量和国民经济运行发展，关系极为密切。对此，唯有真正了解配电网供电可靠性应用价值，才可结合配电网供电情况制定有效的解决方案，彰显其可靠性特点。
1配电网供电可靠性特点
在预测配电网系统可靠性过程中，首要工作是采集归纳所需数据信息，紧接着明确选择哪一类型指标，然后开展模型建造与软件预测的研发，最终拟定科学严谨的可靠性方法，主要特点有：配电系统的核心职责与任务是尽最大努力满足用户的用电要求，所以必须全方位分析和研究供电水平和质量因素，随后针对供电系统可靠性指标展开深人调研。因为电能包括生产、供应、销售，且配电步骤与用电用户全程连接，这就证实了配电网可靠性的意义深远，不仅对电力系统平稳性造成影响，同时也代表着电力工业发展进程和水平。在日常生产阶段，影响配电系统安全性的因素可从发电系统、输电系统、用户用电层面人手，根据实际情况提前做好准备。因配电系统自身繁琐性明显，用到的设备会受自然环境工作近况而发生变化，这在很大程度上提高了数据采集与整理难度。鉴于不同地区的配电网网架构造、设备运行状态方式、用电用户构成成分的不同，所以在分析配电网可靠性评价时需从多角度人手，最终采用最佳的评价模型及手段。
2大数据的概念
随着网络走入千家万户，人们的生活与互联网越来越紧密，大数据这一概念开始被人们提出来。人们在使用网络的过程中衍生出了各种各样的数据，利用App把数据都收集到一起，再根据信息得出相应的规律，进而为人们提供个性化的服务。大数据本身具有三个特点：一是数据量大，人们每天在使用网络时会产生大量的数据，长时间积累就会导致互联网产生越来越多的数据。比如在2019年我国互联网产生的信息超过600亿GB。二是本身具有价值，通过大数据技术分析出人们的行为习惯这样可以帮助企业根据用户需求制定相应的营销策略，提高社会影响力。三是内容多样化。互联网不再是文字、视频这些数据，互联网可以根据用户浏览网页的习惯来分析数据，了解消费者的行为习惯，对其进行有针对性的推送，提高物联网的针对性和运行效率。
3现有网络数字化改造原则
3.1配网结构拓扑化
由于配网设备相对简单但线路复杂，对网络的监测无需采取全覆盖，仅针对重要节点和关键线路进行数据采集，以节点和节间连接线的方式对配网进行组态，完成整体配网结构的拓扑连接，拓扑的网络形式在网络发生变动时也能够更容易的进行网络更新。
3.2监控节点分布化
配网线路监控设备受网络分散的影响无法做到数据集中收集，每个节点独立运行并与区域数据中心通信，单独节点仅实现数据收集功能，分析与存储功能在区域数据中心实现，将每个节点的功耗和故障可能性降到最低，同时单个节点的故障不会影响系统整体运行，进而提升整体监控网络的鲁棒性。
3.3配网数据边缘化
配网数据最终要接入主数据库，但相比主网数据，配网数据量大且重要性相对较弱，因而可以采取边缘化方式，边缘控制节点可以利用计算机、路由器、专用网关等对所属该区块的所有设备进行数据分析和控制，大大降低了数据中心的带宽需求和数据吞吐压力。
3.4数据结构统一化
为了让系统间互联互通采取统一的数据模型和接口，做到数据一次采集，处处可用，避免了对同一实体的多次重复采集；数据采用分层管理，分布式存储的方式，各数据中心可相互备份，避免冗余，提高数据安全性和存储效率。
4数字化电网数据资产管理
电力企业在进行电网规划、检修和改造时会生成大量数据，这些数据一般以图纸、说明书和电子文档的形式储存，某项工程结束后，相应数据就被归档搁置，很难再次利用，如果某项工程进行过多次修改还很有可能将不同时期的数据混用造成数据与实际情况偏离的情况。各业务部门数据层级不统一，数据类型不一致导致数据难以融合，挖掘难度巨大。为此需要建立统一的物联网管理平台，建立统一的数据模型和接口规范，规范数据存储层级，涉及到不同业务部门和监控范围时可以采用分布式储存、分区分级控制和边缘化处理，实现监控广覆盖，数据全共享，系统全联通。对收集到的数据进行分析挖掘，找寻内在联系和规律，推进设备状态预测模型训练，挖掘电力用户潜在需求。资产管理系统采用自顶向下的设计模式，各级数据中心提供接入框架和数据接入规范。下层设备仅需按照接入协议连入系统而无需关心品牌型号。系统总体分为感知层、边缘节点、存储层和应用层。其中，应用层提供数据呈现和数据挖掘，其数据模型消费者为公司决策层、发展建设部、营销部、调度中心等部门，为其提供全景数据呈现和数据预测模型输出，用以支撑电网规划、风险预测和业务扩展；感知层提供设备运行状态，其数据模型可以为输电运检、变电运检、配电运检相关人员提供设备状态以提高故障排除效率；边缘节点可以反映某区域电网运行情况并预测可能发生的威胁电网安全生产的隐患，为运维人员和各变电所管理人员安排设备检修周期提供了有力的数据支撑；存储层为各业务开展的基础，其特点为分层分区，适度冗余，保证安全。在电网建设层面，数字化思想应贯穿始终，传统的电网建设流程为规划—设计—建设—运维，而数字化往往是在交付后才进行的工作，这导致数字化前后衔接不畅，原本前期很容易完成的功能到交付后可能会因为缺乏空间、缺乏相关配件等原因导致改造费用加大，设备运行可靠度降低。
5大数据运维和数据挖掘
5.1实时数据
该类数据为最基本的原始数据，其反应设备或环境变化的状况，如电缆接头温度、隧道烟雾、电压电流等，具有较高的实时性，对于反映设备本身缺陷和外力破坏等突发状况尤为重要。
5.2预测模型数据
设备状态受内部因素的外部因素共同作用，内部因素为设备本身制造工艺决定，与设备使用时间和老化程度有关；外部因素为设备维护状况，气象条件，外力破坏等。通过对实时数据的积累和设备运行状况的监测，结合外部数据进行相关耦合可以推导出设备在某段时间后可能达到的状况，进而预测故障，为运行单位制定维护计划，采取应急措施提供支撑。
5.3数据挖掘模型
实时数据和预测模型都是数据的短期应用，时间跨度相对较短，多用于故障排查和维护。对于数据中蕴含的更深层次的信息，需要采取数据挖掘技术才能发掘数据资产的更多价值。例如根据不同时间段的网损率结合当地产业结构和配网拓扑分析是否存在盗电的情况；通过当地历年负荷增长率结合当地政府产业发展政策模拟几年后负荷增长需求，用以优化电网结构，尽早规划电源等。
6结语
从配电网络信息化展开，以全寿命周期管理的视角阐述了传统电力设施数字化的主要方法和实施要点，这将使原有的“定期检查，故障后排查”的运维方式逐渐转变为“按需检查，危险预警”的方式，在大大减少人力成本的同时还能显著提高配网系统运行安全。
参考文献：
[1]吴俊勇.大数据和人工智能在配用电领域的融合应用[J].供用电，2020（4）：2-3.
[2]冯磊，黄其兵.基于智能的配电网电力大数据三维场景可视化分析[J].自动化与仪器仪表，2020（1）：189-192.
[3]艾芊.人工智能在配用电领域的研究及应用[J].供用电，2019（1）：1-2.