大数据背景下的智能配电网运营管理方法研究

摘要/Abstract

摘要： 如今，智能配电网外延发展，其具有分布式电源大量接入、支持用户需求互动等新特征，运营管理也变得更为复杂。与此同时，大数据技术蓬勃发展，其对提高智能配电网运营管理水平能起到重要的指导作用。因此，有必要结合大数据技术发展前沿，研究智能配电网运营管理方法。该文首先论述了大数据技术在智能配电网中的应用价值，然后从数据预处理、配电网网损管理、配电网状态估计、配电网健康度评估等四个方面着手，系统地探析了大数据技术在智能配电网运营管理的潜在应用场景，最后阐述了大数据背景下的智能配电网网络安全问题及其防护策略。该文研究的应用场景较为新颖和有效，研究成果有助于构建基于大数据技术的智能配电网运营管理体系。

关键词: 大数据, 智能配电网, 运营管理, 健康度评估, 网络安全

Abstract: Nowadays, with the extension development of the smart distribution network, it has new characteristics such as large quantities of distributed power access and support for users demand interaction, so operation and management of smart distribution network becomes more complex. Meanwhile, big data technology is booming and has an important guiding role in improving the operation and management level of smart distribution network. Therefore, it is necessary to study the smart distribution network operation and management methods of applying big data technology. This paper first discusses the application value of big data technology in smart distribution network, then systematically analyzes these potential application values from four aspects: data preprocessing, distribution network loss management, state estimation and smart distribution network health degree evaluation. Finally, this paper expounds the network security problems and the corresponding protection measures in the context of big data. The application scenarios studied in this paper are novel and effective, and the research results are helpful for building smart distribution network operation and management system based on big data technique.

Key words: big data, smart distribution network, operation and management, health degree evaluation, network security

中图分类号:

TM72

李炜严川盛庆博王建平王晓东谭嘉. 大数据背景下的智能配电网运营管理方法研究[J]. 华电技术.

Wei /LI Jia TAN. Study of smart distribution network operation and management methods in the context of big data[J]. Huadian Technology.

参考文献

[1] 张稳, 盛万兴, 刘科研, 等. 高渗透率分布式电源按节点关键性接入配电网的运行风险评估[J]. 高电压技术: 1-11.
[2] 刘灏, 毕天姝, 徐全, 等. 配电网高精度同步相量测量技术方案与展望[J]. 电力系统自动化, 2020,44(18): 23-29.
[3] 崔艳妍, 王军, 苏剑, 等. 配电网运营大数据挖掘与分析[J]. 供用电, 2017,34(06): 20-26.
[4] 赵海波. 电力行业大数据研究综述[J]. 电工电能新技术, 2020,39(12): 62-72.
[5] 李宁, 薛少华, 马向林, 等. 基于大数据技术的配电网规划[J]. 青岛科技大学学报(自然科学版), 2020,41(06): 80-86.
[6] 方鑫, 殷俊, 蒋苏, 等. 基于等距K-means和apriori算法的配电网故障规律挖掘方法[J]. 智慧电力, 2020,48(10): 99-104.
[7] 郑康霖, 耿增玮, 王红霞, 等. 基于同步量测大数据的配网单相接地故障检测及定位方法[J]. 电网与清洁能源, 2020,36(09): 50-56.
[8] 李正光, 钱锋强, 刘艾旺, 等. 基于多维特征量融合的配电网拓扑异常溯源与应用模型研究[J]. 浙江电力, 2020,39(07): 71-79.
[9] 张稳, 盛万兴, 杜松怀, 等. 基于海量数据的配电网运行分析系统架构与技术实现[J]. 电力系统自动化, 2020,44(03): 147-153.
[10] 赵会群, 吴凯锋. 一种大数据估价算法[J]. 计算机科学, 2020,47(09): 110-116.
[11] 徐艳萍. 试谈大数据技术在医疗信息化中的应用[J]. 信息记录材料, 2020,21(12): 167-168.
[12] 孙自强，于龙. 公安大数据时代金融犯罪预警防控研究[J]. 中国防伪报道. 2020(12): 82-89.
[13] 陆泽辉. 移动电子商务环境下基于数据分析的商品推荐算法[D]. 北京邮电大学, 2017.
[14] 汪峰. 泛在电力物联网与大数据应用[J]. 中国电力企业管理. 2019(28): 58-59.
[15] 朱有产, 梁玮轩, 王英姿. 基于时间序列的配电网数据清理和融合方法研究[J]. 电网技术: 1-8.
[16] 雷峰津，房俊. 基于相关分析的电网电能质量缺失数据填充方法[J]. 北方工业大学学报. 2020, 32(05): 77-82.
[17] 王守相，陈海文，潘志新，等. 采用改进生成式对抗网络的电力系统量测缺失数据重建方法[J]. 中国电机工程学报. 2019, 39(01): 56-64.
[18] 刘云鹏，许自强，和家慧，等. 基于条件式Wasserstein生成对抗网络的电力变压器故障样本增强技术[J]. 电网技术. 2020, 44(04): 1505-1513.
[19] 孙峰，钱啸，吕勤，等. 多系统融合的线损大数据挖掘与应用[J]. 浙江电力. 2019, 38(01): 111-116.
[20] 杨志淳, 沈煜, 杨帆, 等. 基于数据关联分析的低压配电网拓扑识别方法[J]. 电测与仪表, 2020,57(18): 5-11.
[21] 刘喆林, 王成山, 李鹏, 等. 多源量测数据融合的配电网状态估计及应用[J]. 中国电机工程学报: 1-11.
[22] 高正男. 多信息源数据融合的电网运行状态估计[D]. 大连理工大学, 2019.
[23] 王雅琪, 陈堂贤, 王俊, 等. 含分布式电源的配电网健康评价研究[J]. 电力科学与工程, 2019,35(08): 36-41.
[24] 胡丽娟，刁赢龙，刘科研，等. 基于大数据技术的配电网运行可靠性分析[J]. 电网技术. 2017, 41(01): 265-271.
[25] 马钊，周莉梅，袁海文，等. 现代配电网健康指数理论及其应用研究[J]. 中国电机工程学报. 2019, 39(01): 130-140.
[26] 魏立斐, 陈聪聪, 张蕾, 等. 机器学习的安全问题及隐私保护[J]. 计算机研究与发展, 2020,57(10): 2066-2085.
[27] 陈锐. 基于大数据的计算机网络安全研究[J]. 黑龙江科学. 2020, 11(24): 124-125.
[28] 任奎，孟泉润，闫守琨，等. 人工智能模型数据泄露的攻击与防御研究综述[J]. 网络与信息安全学报. 2021, 7(01): 1-10.
[29] 李盼. 针对机器学习算法的投毒及其防御技术研究[D]. 国防科技大学, 2018.
[30] 何伟超. 基于同态加密隐私保护的机器学习关键技术研究[D]. 电子科技大学, 2019.
[31] 李启飞. 面向隐私保护的多方联合学习方法研究[D]. 哈尔滨工业大学, 2020.
[32] 谢荣，温蜜. 基于差分隐私的敏感数据挖掘技术研究[J]. 上海电力大学学报. 2020, 36(04): 401-407.