关键词：大数据；供电技术；电压监测；具体应用
引言
以配电大数据为基础监测供电电压能够通过现有在线监测终端的电压监测功能，针对不同等级的电压用户、配电变压器、变电站馈线和母线等进行全面监测，为检测电压是否合格提供合理的数据支撑。以配电大数据为基础分析供电电压，能充分利用信息系统中的数据，实施多维度、深层次的数据分析，从而准确快速找出故障，为提高电压质量提供可靠支撑。
1大数据技术在电压监测中的应用展望
1.1基于大数据的电压监测影响因素分析
在配电网运行中，电流、电阻、变压器容量等因素均会影响电压，另外，功率因素、短路电流，甚至电线长度和设备类型等也会直接影响电源电压。根据实际情况，在计量自动化系统以及综合调度系统的基础上，引入大数据技术实现配电网低电压的实时监测功能。（1）将配电网的电压情况以可视化的形式在接线图上展示出来，并且依托基础数据进行分析汇总，最终形成电压情况总图并进行可视化显示。（2）利用大数据统计对不同区域分别进行统计分析，形成不同区域的电压情况趋势图并进行可视化展示。（3）通过监控功能筛选配电网中不合格的主变、配电台区以及输电线路等，对不合格的部分进行汇总和可视化展示。同时，依托基础数据进行深入分析，归类分析得出不合格原因。（4）一般需要对重要的设备进行特别关注，并设置自动预警功能。设置相应预警参数，系统实时监测的电压值等参数能够和预警参数阈值比对，当出现问题或者故障的时候，能进行预警。（5）低电压监测数据和信息能够在数据库中进行存储，并以“图+表”的形式展示给工作人员。
1.2基于大数据的停电监测影响因素分析
结合配电网低电压监测数据得到相应的数据库汇总信息，借助大数据技术对汇总数据进行深入分析和挖掘，能够得到用户平均停电时间趋势图以及停电持续时间分布情况等，同时，还能够结合实际情况得到用户停电的原因，并利用大数据对主要责任原因进行比对分析。利用大数据分析还能够对配网自动化覆盖路、线路分段数、带电作业次数等与可靠性相关的生产指标进行分析，通过指标分析得出供电可靠性薄弱环节与其薄弱的原因，以此为基础制定相应的整改措施。（1）利用大数据技术结合配电网系统对不同区域用户停电情况进行分析，得到相应停电时间趋势图。（2）统计不同区域用户停电次数，根据统计数据以及大数据技术得到不同区域停电次数趋势图。（3）利用大数据技术统计分析停电的主要原因以及每个原因导致停电的占比，以“图+表”形式展示出来，为提出应对措施，提供借鉴资料。（4）结合供电率、线路分段数、绝缘化率等对生产指标进行分析。
2以配电大数据为基础的供电电压分析
2.1变电站母线电压分析
变电站母线电压分析中的重点包括主变压器的感性/容性无功补偿率、主变压器运行挡位、aVC和无功补偿壮设备的投运率等内容。在母线不达标的情况下，应该通过生产管理系统以及自动化系统中的各种数据信息，对问题进行全面分析，通过数据对比分析，判断变电站中母线电压合格率降低的原因：主要是主变压器操作挡位设置不合理、变电站中并联的无功补偿率问题，以及无功补偿设备利用率过低，缺少aVC功能和电压调控功能下降等。
2.2线路电压分析
线路电压中的关注重点需要放在线路无功补偿设备的利用率、线路过载问题、线路路径和线路半径等内容。如果线路中的供电电压出现异常状况，则应该通过自动化计量系统、生产管理系统中的数据进行系统分析。从准确定位线路电压整体合格率过低的原因，包括没有按照标准要求设计线路半径、线路中的无功补偿设备存在利用率不足的问题、线路中无功补偿设备内部结构配置问题、线路过载问题、线路路径违背了规划要求等。
2.3配电区电压分析
配电变压器中的电压监测重点应放在变压器的过载、分接头挡位设置、三相负荷不均、无功补偿设备利用率不足和低压无功补偿率等内容上。如果变压器的低压侧出现异常状况时，可以通过自动化计量功能和生产管理系统实施数据系统分析工作。低压线路中的电压监测重点需要放在低压线路的输电路径、供电半径等内容上，如果低压用户相关输电线路中产生电压异常状况，可以结合营销系统、自动化计量、电压监测和生产管理系统等实施数据分析。通过数据分析，对配电区过低的电压合格率问题进行准确定位：如没有合理设置变压器分接头的档位、低压线路中的路径过小、低压线路中的供电半径较高、三相负荷不均、低压补偿装置利用率低、低压无功补偿设备整体结构配置不合理、变压器过载等问题。
3关键技术分析
3.1系统关键技术
配电网低电压监测系统在数据获取过程中，一般对接多个系统，导致整个系统平台数据量极大。为更好应对较大数据量问题，引入并行计算基数以及分布式存储技术以实现数据分析和存储。为保证配电网低电压数据的深入分析，还引入了大数据挖掘技术以及指标预测技术等，这些技术的应用满足了智能电网建设的实际需求。
3.2分布式存储技术
当前电网建设存在分布范围广、相关设备繁多的特点，导致采集到的数据量极大，传统集中式数据存储方式应用性交叉，限制数据处理速度，在数据存储可靠性和实时性方面欠佳。并且这种传统集中式数据存储的方式需要在各服务器之间进行大量的数据交换，会浪费大量的网络资源。针对这种现状，寻求一种适合智能电网数据存储的方法成为一大研究热点，其中，分布式数据存储技术很好地解决了这一问题。分布式存储充分利用网络中各个存储设备之间的存储容量，进行虚拟连接，形成大容量存储池，使大容量的数据分散存储在不同节点，同时，选用科学的存储策略将存储数据有机联系在一起，形成存储整体。应用分布式存储技术，能够有效、安全地处理配电网低电压监测过程中产生的大量数据。
3.3并行计算技术
采用集群、分布式处理、任务调度等策略实现统一的数据采集管理。采取内存计算技术，在内存中驻留各类服务和节点所需访问的参数数据，将大部分业务对历史数据库的访问转为对内存的访问，减少数据库压力、提高性能。采用多机集群以及多线程并行计算等实现高效的数据计算处理，从而保障了电压监测的实时性和高效性。
3.4数据挖掘技术
在配电网低压监测过程中，不应该仅通过传统联机分析的方式进行数据分析处理，还应该借助大数据技术进行深入挖掘，分析各项指标以及潜在规律，为配电网运营与发展提供科学、有力的支撑。目前，大数据挖掘技术已经开始应用于配电网络当中，采用聚类模型、遗传算法模型等进行分析，取得了较好的效果。
3.5指标预测技术
利用大数据技术结合基础数据，得到已有的趋势图能够进行预测和分析如配电网低电压波动趋势、停电时间趋势以及停电次数趋势等。对相应的指标也能够进行预测，并且给出短期、中期、长期预测，未雨绸缪，保证配电网稳定运行。
结束语
改善供电电压质量在配电网中具有重要意义，除满足供电指标要求，实现对用户的优质服务承诺，还能有效降低配电网的电能损耗，取得显著的经济效益。
参考文献
[1]补敏，丁泽俊，钟锦群，等.基于配用电大数据的供电电压监测与分析研究[J].电力大数据，2019（3）：1-7.
[2]王亚君，孙希阔，赵丽新.大数据技术在配电网低电压监测中的应用研究[J].电子制作，2018（22）：91-92.
[3]张宇帆，艾芊，肖斐，等.数据驱动电能质量分析现状及其支撑技术与展望[J].电力自动化设备，2018（11）：187-196.