项目背景
近年来，电力行业的快速增长提升的产能需要时间消化，以往的发展方式带来的增长已经放缓，结合新兴技术实现智能配用电成为中国电力行业进一步发展理应选择的方向。我国在2015年将大数据纳入国家发展战略，明确提出提高可再生能源的利用率，都在指向新型、更智慧化的能源体系建设。国网公司紧密响应国家发展战略，特别今年国网提出了“三型两网、世界一流”能源互联网企业的建设目标，大数据将发挥更大价值。
2014年7月，上海电力公司联合复旦大学、上海交大、北邮、天大、华电、中国电科院、南瑞、浪潮等高校、科研院所和企业组成了研发团队，联合申请国家863计划“智能配用电大数据应用关键技术”课题，2015年5月获国家科技部批准，整个项目研发周期是三年。
国网上海电力的电力大数据实验室聚焦于配用电领域，在配用电领域，国网提出了两个明确的研究方向：一是在配用电及分布式能源和并网技术方面，提出了要研究提升精细化管理的配电大数据挖掘与融合技术；二是在用电能效和电动汽车技术方面，提出了要研究典型业务场景的营销大数据挖掘与应用技术。
国网上海市电力公司经过三十多年信息化的建设，积累了大量的生产、运行、销售和管理方面的数据。初步统计，截至2018年底结构化数据达到35T，非结构化和半结构化数据达400T，并且数据以每年30%以上的复合增长率快速增长，特别是今年国网提出了泛在电力物联网的建设，数据将呈爆发性增长。这些数据源于电网内的各种信息系统，包括：用电信息采集系统、负荷控制系统、营销应用系统、调度自动化系统、配电自动化系统、生产管理系统和电能质量监测系统等，所有数据与气象数据和上海社会经济数据等外部数据一起为开展电力大数据的研发提供了一个很好的数据基础。
国网上海电力的电力大数据实验室依托国家863课题“智能配用电大数据应用关键技术”， 积极开展电力大数据实验平台建设，以电力大数据的应用为核 心，为电力大数据的系统集成、组件研发、模拟验证、数据共享、示范应用等奠定技术和工程基础。
基于星环大数据平台TDH构建的智能配用电大数据应用系统汇集了浦东1210平方千米的236万户的用电数据，最高负荷738万千瓦，年用电量329亿度，占上海全网四分之一。集成的内外部数据源有10个，整个数据量到现在已经接近8个T了，台账的数据总量有29.14万条。
在多元数据集成及大数据平台基础之上，应用系统实现了用电查询，电力地图等基础功能及用户用电行为分析，节电用电预测网架优化和错峰调度等业务应用。
首先基于多源异构数据的关联解析，和海量用电负荷实际数据存储、索引，实现了用电查询的基础应用，包括230万用户，26000个台区，4000余中压馈线的基本台账及用电数据的快速查询，并可以进行用户用电画像、地图定位、供电范围等数据的查询，服务响应时间在三秒以内。
用电查询是大数据平台的基本功能，快速有效的查询，为进一步的业务应用提供了基础。电力地图是应用系统实现的另一基础功能，在这里可以查看浦东每个行业的用电量变化趋势，每个台区每个时刻的负债率，浦东个规划功能区块的用电密度图以及用电热，力图通过用户测到电网侧数据的关联集成，与GIS空间可视化技术融合，实现浦东全景用电监测及能耗监测，为城市及电网发展规划提供服务。在用电查询电力地图这些基本功能之上，智能配用电大数据应用系统分析了用户用电行为，并将大数据技术应用于电力系统传统业务场景，形成了节电用电预测网架优化错峰调度等高级应用。
在用户用电行为分析场景中，主要考虑居民工商业的用电行为以及用电异常辨识和特殊用电分析。首先在居民用电行为分析中，根据居民长期用电数据，对居民进行聚类分析，将居民按照用电行为分为不同类型，如控制用户，季节敏感用户，周期型用户等。针对空置用户，构建了灵活的控制指标。同时还根据居民用户调研结果，分析了居民用户用电量受外界天气因素收入电价的影响程度，全方位多角度的分析居民的用电行为。
在工商业用电行为分析中，主要使用复杂网络模型，研究分析不同行业的用电行为的关联关系和演化关系，从而寻找行业生产行为之间的关联。左侧这张图是针对每个行业的用电量行为，构建了行业间相关关系复杂网络。
在特殊用电分析中，首先分析了大型商业运行后对周边用户用电的影响。以迪士尼为例，通过对迪士尼投运前后半年周边五公里范围内商户的用电量进行分析，发现在迪士尼建成后，绝大多数的商户用电量构成下降趋势，距离越远的商户受到的影响更小。南部和东北这两个方向的商户受到的影响更小，表明迪士尼的整体产业链对周边工商业在地理上经济上产生了较大的替代效应。此后分别分析了不同区域不同行业的商业用户的用电量变化及受影响程度，以及商业和居民用户在迪士尼开业前后的用户数变化。分析结果能够更直观地体现出大型商业投运对周边用电的影响，为今后大型商业的配套设施建设和配网规划提供参考。
用户用电行为分析从四个场景针对居民工商业的用电行为进行分析，综合考虑日常用户行为以及特殊情况对于用户行为的影响，深入挖掘用户用电特征，准确分析了用户用电行为规律，实现了异常用电行为监测。同时为网架优化台区负荷预测，用户节电潜力分析以及错峰调度提供了理论与行业基础。在节电的研究中，课题从用户节电和配网降损两个方面开展了应用。在用户节电分析中，对每个行业的用户采用高维聚类流行降为等方法，实现了行业用电群体的清晰划分。
每个群体用电特征相似，规模相近，具备可比性。通过选取节点标竿，即可对每个用户的节点潜力进行评估。对每个用户可以从日典型用电曲线电价及环境感知三方面分析用户用电行为以及节电潜力影响因素。在配网降损中，首先展示了不同类型台区的线损在地理上的分布及每个台区的情况。在通过台区供电量峰谷比功率因数三相不平衡度等特征，对浦东所有台区进行多维聚类。基于随机森林算法建立线损分析模型，计算出不同类台区线损率对各影响因素的敏感系数。
对于线损率异常的台区建立决策树分析模型，将这些台区进行归类，进而根据该类的随机森林分析模型，估计出其合理线损之节电应用，有助于提高供需两侧的能源经济和技术效率，可以帮助用户掌握自身节电潜力及行业平均节电水平，促进全行业节能减排另一方面可以帮助电网管理人员掌握影响台区线损率的关键因素，采取针对性措施，降低台区电能损失，实现台区精益化管理。在用电预测应用中，实现了多种方法的台区负荷用电预测。在第一个预测场景中，综合考虑了气温湿度气压等气象因素，以及刑期类型节假日等因素，建立了样本次适应的负荷预测模型，提供预测精度。
台区用电预测不仅实现了台区每日用电的最大值最小值，还实现了对未来七天用电负荷曲线的准确预测。第二个场景中实现了聚类深度学习两种方法的台区用电预测，深度学习方法，考虑天气预报用电负荷等数据，构建九个输入层的bp神经网络算法。去类预测方法，考虑台区用电负荷特性，构建相似样本训练及实现用电预测。通过神经网络的优化，可以将预测误差降低到1.2%左右。在区块用电预测中，综合考虑每个区块中用户的经济类型，构成行业的经济走势，以及每个个体的用电行为，可以实现对未来三个月每月用电量的预测，实现了中期用电预测。
基于大数据的网架优化方法，不仅能体现传统优化方法中潮流可靠性等用函数方程表达的群体性因素，还能考虑用统计量描述的因素，如负荷用户画像，用户行业分布等体现个体信息，因而基于大数据的网架优化方法，能更好地适应生产实际，提出更具可行性与可信度的优化方案。在错峰调度应用中，分为错峰潜力分析和错峰指标分配。在错峰潜力分析中，首先分析了不同电压等级，工业商业以及台区用电负荷与气温的相关性。
依托智能配用电大数据平台与示范工程，结合电力公司生产需求及政府社会应用需求，开展数据分析研究和业务应用开发，为推动配用电发展，实现以客户为中心的电力核心价值，有效配置清洁电力资源，推动我国能源结构绿色转型而做出努力。