1、大数据的概念和特点

大数据是指不同于传统数据，不能通过传统数据处理软件进行分析、分类和共享的数据。大数据结构复杂，数量规模大，人们在收集、处理和保存方面面临很大困难。在电力行业，加强对低智能电网内外数据的管理，可以进一步完善电网运行的反馈过程，及时发现和解决电网运行中存在的问题，为电力企业的健康发展提供保障。因此，对智能电网应用大数据的研究具有重要的实践价值。

2、大数据挖掘在配网运行中的应用

2.1大数据分析技术。大数据分析技术在配电网中的应用主要是通过分析不同类型的信息来发现各种信息之间的相关性，然后选择重要的信息。目前，大数据在配电网分析中的应用主要集中在过程挖掘和数据可视化两个方面。过程挖掘技术的核心任务是利用差异化的方法建立电力数据与不同模型之间的有效相关性，有效地将配电网中的数据与大数据技术相结合。数据可视化的目标是以图像或表格的形式显示配电网中的信息，提高数据的形象和直观性，从多个角度分析电力数据。

2.2大数据存储技术。配电网的应用使电力数据的规模迅速增长，对数据存储技术提出了更高的要求。在数据存储方面，配电网应用网络云存储技术，最大限度地降低企业运营成本，提高电力系统的工作效率。同时，利用大数据存储技术将电力系统中产生的所有信息保存在互联网上，通过可视化等数据处理技术满足不同用户的多样化数据使用需求。大数据存储技术也存在一些不足，即存储过程中数据备份和存档冗余过高，要求电力企业采用高效的重复删除技术，减少信息占用空间。

2.3数据计算及电费回收风险评估。在电费回收和大数据分析中，需要根据用户的实际情况进行评估。可以分析电力用户缴费中的实际应收、预算收入和欠款情况，监测企业电费回收情况。这样就可以了解和控制电费回收的每一个环节。供电企业可以根据大数据挖掘分析结果对部分电力用户进行风险等级评估，对电费回收控制有很好的效果。用户对“用户电费风险评估标准”的认定一般由供电企业决定。当然，各供电公司需要按照统一的标准对用电客户进行电费风险回收判断。从供电电压等级、电费结算方式、电费金额比例等支付情况进行数据挖掘，然后有效分析信用程度、欠款情况和用电行为。在电费回收风险评估中，用电主体等因素由高到低分为A、B、C、D、E五级分别对应“极高风险”、“高风险”、“般风险”、“低风险”、“极低风险”。对用户进行风险评估后，根据风险水平采取差异化的电费回收措施，突出重点，降低电费回收的潜在风险。

2.4海量异构数据处理技术。随着互联网的快速发展，海量机构数据的种类越来越多，数据的种类也越来越复杂，这就需要加快数据处理的速度，才能提高数据挖掘的效果。但从现实来看，在数据处理过程中，由于技术和概念的落后，数据信息的使用价值往往降低。因此，有必要利用大数据技术对信息进行有效处理，通过集成模块和数据库进行整理，实现数据的深度集成，进而更有效地利用数据。在数据处理过程中，借助必要的探测模块，可以将在线时间、时间和离线时间划分为数据，从而进一步提高数据的分析计算能力，最大限度地发挥数据的价值。

2.5配网设备故障预警处理技术。根据相应的分析结果，结合环境、设备本身等因素，制定相应的处理方案。(1)配网停运。在拓扑关系的基础上，通过收集设备运行状态数据，准确了解整个停机状态，包括停电的具体情况，以及哪些用户会受到干扰。通过对这些信息的统计，结合两票的内容，我们可以发现不良行为。在此基础上，判断相关计划是否科学，以提高管理效果，使电力传输更加稳定。以停运为中心，深入分析相关工作活动，探索省级单位运维工作中是否存在不合理问题，从多个角度评价运维工作效果，制定相应的优化建议。(2)馈线停运调整。从事件等级、时间、区域等方面，全方位检测馈线停运情况，挖掘事件具体信息，包括：电流负荷图像，反映一段时间内电流变化；影响范围图像反映故障后哪些用户会受到干扰；负荷损失图像反映故障造成的负荷损失。

3、大数据挖掘技术的应用前景

3.1用电预测和协调调度

在用电预测方面，可以利用大数据技术分析影响用电量的诸多因素，找出各种因素与用电量的相关性，从而构建科学合理的用电预测模型。比如相关人员可以分析节假日人口流动规律、雾霾天气频率等影响因素，研究各种因素与用电量的相关性，从而量化这些抽象的相关性，构建标准化、高质量的用电量预测模型。在协调调度方面，相关人员可以将用电量预测结果与配电网错峰资源聚类进行比较分析，以具体量化的方式展现错峰潜力，优化整合不同类型的电源和用电量，从而有效完成电源与电源支架的协调调度。

3.2优化网架规划

配电网不是独立存在的，它与用户的服务体验密切相关。目前阶段，传统的网格数据结构已不能满足当前电力业务发展的需要，大数据技术的应用可以有效减少传统网格结构的不足，包括数据处理的模糊性、数据处理结果反馈的不及时性等。通过对现有网格状况的分析，结合城市电力发展趋势、电力预测结果和网格结构信息，可以提高电力预测结果的真实性，符合当地电力发展趋势，有利于网格规划的优化升级。参考网格结构信息和客户差异化的业务水平需求，为各电力区域设计个性化的网格设计规划，提高网格设计方案的科学性和可操作性，提高电力用户的满意度。

3.3实现智能用电

参照用电预测结果，为不同地区制定专门的用电计划，以客户服务为电力服务工作的核心，每月或每半年详细告知用户用电成本和用电量。利用相互联系的数据处理技术对客户的用电信息进行整理分析，综合考虑客户所在地区、家庭人口、经济状况等，为客户设计智能化、更贴合现实生活的用电计划，可以最大限度地降低用电成本，降低用电高峰期配电网的压力，提高用电效率。

4、结束语

综上所述，智能技术的发展使配电网行业逐渐向业务流、数据流等方向发展。将大数据挖掘技术应用于配电网可以最大限度地满足电力用户的需求，为客户提供差异化的电力规划方案，加强电力企业与用户之间的沟通，促进配电网向电力预测调度、网格规划、智能电力方向的发展。