电力泛在物联网大数据的应用：

经过多年的建设，国网公司逐步完善了电网大数据平台，参考各国研究与电科院各所的实际分析，智能电网大数据主要集中在3个方面：社会、政府和相关行业服务；电力用户服务；支持电网自身的放在和运营。2019年，国网在“泛在电力物联网建设大纲”中明确大数据平台/中心，作为内部业务和外部业务的支撑，涉及业务包括提升客户服务水平、提升企业经营绩效、提升电网安全经济运行、促进清洁能源消纳、打造智慧综合服务平台、培育发展信息业务、构建能源生态体系。

目前，电网大数据的建设已经取得了初步成效，并且围绕以上业务方向进行积探讨，本章选择部分业务方向，对泛在电力物联网大数据平台的应用前景进行一些探讨。

1、泛在电力物联网在虚拟电厂中的应用：

随着国家大力推进绿色能源战略，光伏发电、风力发电获得了长足的发展，这些新能源供电系统并网后带来了一些问题。首先，大规模新能源系统并网后，其输出功率受自然条件影响较大，如风力一般网上电力较强、光伏晚上没有电力，对电网冲击较大，需要进行调峰和调度工作。其次，如果采用分布式供能系统，则会引起双向潮流问题、无功电压不稳问题。为了适应新能源的接入，国网公司大力推进虚拟电厂，是一种“源网荷储”系统，包含“电源、电网、负荷、储能”的整体电网解决方案，期望解决清洁能源消纳过程中电网波动性等问题，推进新能源产业的发展。

虚拟电厂的核心是电网供需侧协调的问题，是基于大数据的分析协调问题。在需求侧，预测用户负荷，聚合可控负荷，提高电网可调控容量占比，提升电网对新能源的接纳能力；在供给侧，将分布式新能源聚合成一个实体，通过协调控制、智能计量和源荷预测，解决分布式新能源接入成本高和无序并网的问题，提高分布式供电系统的接纳能力；同时，通过市场分析，搭配营销手段，以促进用户错峰用电，减少电网波动。大数据平台虚拟电厂控制中心业务如图所示。

图大数据平台业务-虚拟电厂控制

首先，获取虚拟电厂范围内的各项数据，包括环境数据、设备运行数据、电网运行数据等。然后，通过大数据建模以及AI学习，对供给、需求以及储能站进行分析和预测。将预测结果与市场行情结合，撮合交易，促进供需协调，终实现新能源的顺利入网。

2、泛在电力物联网在智慧楼宇/智慧园区能源管理中的应用：

国网公司在运营过程中，累积了大量的数据，具有一整套的电力能源并网、监控、计量、计费、交易、运维等业务流程和相关的支撑系统，在提供电网服务的同时，也开放自身能力、知识和平台，旨在为用户提供高价值的增值服务，如面向智慧楼宇/智慧园区的能源管理精细化服务。

作为楼宇或者园区的业主，目前能获取的包括园区总电表数据、分用户电表数据等，这些数据粒度较粗，而不能掌握的细粒度数据，且缺少对于数据的分析能力，造成园区的能耗管理相对比较粗犷，电力使用量大，运营成本较高。国网公司从智慧能源综合服务平台中，开放自身配用网监测能力，用电数据分析能力，结合大数据分析平台和已有知识，为业主提供一站式能耗管理方案（见图）。

图智慧楼宇/园区能源管理

业主可以通过应用查看园区内电网设备的运行情况，监控电网质量和运行指标，并且能通过用电分析进行园区内部的用电分析。用电分析通过大数据平台完成对园区能耗、能效的评估，通过大数据计算与知识库，形成节能方案，并且督导节能方案的执行，终评估节能效率，核算相关费用，实现用户能耗的优化，流程如图所示。

图大数据平台业务-园区节能方案能耗计算流程

3、泛在电力物联网在用户（用电）行为分析中的应用：

传统的用户行为分析主要完成对用户的初步分类，通过用户类型典型数据以及已有的历史数据，对用户的用电行为进行预测，这种负荷预测相对偏差较大，对于电力设备需要预留更大的余量，无法提高设备利用率。而通过大数据平台，可以针对用户进行细粒度的用户画像和分类，引入预测影响因子，通过数据挖掘和分析深入精准地预测用户的负荷，有效提升设备的利用率，其具体的分析流程如图所示。

图大数据平台业务-用户行为分析流程

用户行为分析的数据主要来源于用户采集系统、配网监测系统、营销系统、调度系统，汇聚相关的数据，通过及模糊算法、聚类算法、小二乘法、回归方法等算法对于电力用户进行详细的分类。也可以采用逆向分析的方法，从营销已归类的用户特点出发，通过熵权法分析匹配现网数据的特点，验证分类正确性，并进一步对用户进行画像。国网公司可以针对不同的用户提供有针对性的服务，有效提升服务满意度。

在进行用户分析前，还需要引入影响因子，包括以下3类。

a）用户影响因子，指用户因为自身原因导致对用电行为有较大的波动，这类因子可以根据用户的历史数据、用户提交的用电计划、用户经营情况进行分析计算。

b）自然环境影响因子，指影响用户用电行为的环境因素，如温度、湿度、风力等，这些环境变量与用户的用电曲线进行融合与分析，可以恰当地筛选出受环境影响较大的用电行为。

c）社会环境因子，主要包括节假日、重点事件和突发事件等，如春节、十一、两会、广交会等，除节假日外，突发事件与重点事件较多，因子的随机性和不确定性较大，需要对此类因子进行手动选择和筛选。

适用于电力行业的分析内容包括电力用户的分类及细分建模研究、电力用户用电负荷研究、电网设备状态预警与故障率预测、电价与激励下的电力用户响应行为研究等。在分析用户用电行为时，可结合负荷分析方法、聚类算法、负荷预测算法和回归方法等对数据进行分析研究，寻找数据间存在的联系与规律，建立不同负荷类型的用户模型，对用户用电行为进行全面分析预测，目前基于云计算的K-Means算法是目前用户分析的主流算法。

后，通过预测结果和实际用户用电数据的差异分析，调整迭代用户分类和分析模型，有助于更精准地完成用户负荷预测工作。