（国网辽宁省电力有限公司阜新供电公司）
摘要：当今世界，随着科学技术的快速发展，智能化社会进程的不断推进，智能化发展已经渗透到社会的各个领域，其中配电网也在随着社会进程的推进，逐步向着智能化在发展，并因此使得电力系统形成了大量的原始数据数据。科学合理地应用这些数据，对电力企业未来的发展意义深远。电力企业要想合理恰当地利用智能配电网的大数据，就必须通过借助一些先进的技术得以实现。
关键词：智能配电网；大数据；应用
目前，由于大数据技术分析的日益普及，各大行业都非常重视大数据的价值分析，并通过使用大数据的价值分析，来提升企业的核心竞争力，电力行业也不例外，运用系统战略性的管理加强智能配电网大数据运作的管理，可以使电网运行过程中涉及到的相关反馈环节更加丰富，实现对电网运行过程中出现的问题及时纠正，促进电力行业的智能化发展，使电力企业可以更好地为用户提供电力服务。
1智能配电网大数据的主要特征
具体而言智能配电网大数据具有一次特征和二次特征，一次特征主要体现在智能配电网大数据关系复杂、结构形式多样、来源广泛、形成速度快和粒度精细等；而二次特征则是在一次特征的基础上逐渐形成的，二次特征具体指处理困难、信息储量丰富多样、信息存储量巨大等。在今天这个经济、文化等不断朝着多元化方向发展的社会，用电行业、用电个体数量与种类都变得越来越多，而这些行业与个体都是智能配电网大数据的来源之一。即智能配电网中的数据信息可能来自于智能电表、配电设备，也可能来自于电动汽车中的GPS，不同用电个体、不同用电行业用电信息来源及数据信息生成方式存在着巨大差异。
2智能配电网大数据的应用技术分析
随着智能化普及和社会的不断发展，电力行业也逐渐渗透大数据应用技术的分析是因为，原有的配电网的设计规划方案不能适应当下的电力负荷，为了提高电力运行系统的安全与稳定，必须对当前现有的设计方案进行改造，使得配电网逐步向智能化管理设计迈进；电力企业客户众多，系统所含有的业务也复杂多样，在日常经营过程中会产生大量的数据，行业要想有更深层次的发展推进，就要配电网的进一步智能化，去智能化分析这些数据，更好的了解客户；智能化技术的应用，会使电力行业的管理水平提高，工作方式更为快捷，工作内容更为简洁，因此智能配电网大数据具有光明、态势大好的发展前景，在智能配电网中大数据的分析应用过程中，主要涉及到大数据的收集技术、大数据的解析技术、大数据的处理技术、大数据的存储技术、大数据的驱动决策方法等，这些方法的实施使大数据得到了更深层次的应用，为企业带来更有力的价值。
2.1大数据收集技术
传统的数据统计通过人力进行市场调研或采用调查结果邮寄等形式来进行，需要花费大量的人力，物力，耗费大量的时间和经历去完成，即使做了大量准备，调查的结果仍然不尽如人意，因为人们的不配合或对调查的敷衍等人为主观性因素的影响，使得最终的结果只浅显地存在于调查的事物表面，并不具有什么代表性。而大数据收集技术与配电网智能化的完美结合，使得数据信息的统计更为方便快捷，收集结果更有代表性，更具有利用价值，使得电力企业更加了解客户的相关用电情况，有利于进一步为客户提供更加优质的服务。
2.2大数据解析技术
大数据解析技术的主要内容就是通过研究复杂多样的数据类型，找到各种类型数据之间所存在的各种显隐性联系，并从中筛选出对企业而言具有使用价值的信息。因此为了价值信息的筛选，在数据分析过程中，必须要对大数据进行解析。就目前实际情况来看，智能配电网当中应用的大数据解析技术分为以下两大类：过程挖掘和数据的可视化。过程挖掘主要目的在于采用不同方式构建电力数据与不同模型之间的有效联系，并将二者联系起来，就会在很大程度上将大数据应用技术应用于智能配电网这一端的电力信息上，提高数据的可利用价值；数据的可视化是将数据库中数据形成一种数据形象，基于多种维度对数据进行深入地观察，并对数据进行深入的分析。不同维度在电力系统方面主要指的是像时间、空间以及逻辑等，通过数据的详尽展现以及集中管理，能够构建多维数据的立方体可视图像，使得数据分析更加详细，并因此能为客户提供更优质的服务。总而言之，数据可视化技术可将与客户相关的数据展现，而撇去部分无价值的信息，使数据分析的结果具体地展现出来，能够充分反映智能配电网大数据的应用方式以及其应用价值。
2.3大数据的存储技术
大数据时代下的智能配电网发展领域，数据的数量和增长速度呈现高速发展之势，因此大数据的存储技术的应用就显得尤为重要。在智能配电网系统运作过程与网络云计算处理技术进行无缝连接，通过大数据存储将整个电力系统的数据存储在整个互联网网络资源中，运用专业的数据处理系统支持，为智能配电网的数据存储提供强大的技术服务，因此使整个电力系统的运作效率得到迅速提高，对客户的服务要求及产品需求更加了解，可以进一步满足广大用户对数据处理的功能需求。
2.4大数据的处理技术
相较于传统数据处理的结构性、局限性，拘泥于处理的结构条理性，却因此而增加了业务处理量，使工作内容更加繁琐复杂，大数据处理技术工作方式更加灵活，更加符合电力系统数据的大量性，且处理具有扩展性延伸服务，可以做到混合型处理，工作内容减少，与互联网技术的完美结合，使得处理更加透明化，工作效率大大提高。
2.5大数据的驱动决策方法
按照大数据作用程度，将数据驱动决策方法分类，可以大致分为三类决策：首先，模型为辅且数据驱动为主的驱动决策方案，这种方案贯彻的思想就是对现有模型并不是完全采用，而是选取一部分进行利用研究分析，通过数据与模型这二者的相互联系及内在联系地合理匹配，采取迂回的方式，一步步地向前推进，最终将决策方案制定完成。其次，无模型的数据驱动，它指的是数据模型的一种，模型当中蕴含着决策系统，这种方法的使用是针对规模比较宏大蕴含较明显的规律性、并进行不断重复的行为进行决策。最后，以大数据的观察研究为主要核心所进行的驱动方案决策，指的是建立在已有模型或方法的基础之上，对大量的数据进行研究分析，产生一定的数据研究分析结果，在结果之上，进行更深层次的研究决策。大数据处理技术在现有技术进行优化，更符合客户需求的电网规划方案。
3结束语
伴随着配电网的进一步智能化，电力行业朝着大数据方向发展，智能配电网大数据应用技术前景良好，因为其针对客户的每个问题采取针对性的解决方案，对症下药，使得问题得到最有效的解决，不断提升用户对电力企业服务的满意度。在智能配电网的运行和规划过程中，运用电力企业外部和内部的大数据资源，有利于形成驱动型的数据智能配电网，智能配电网大数据的应用，准确地进行用电预测，还可提高网架优化效率，优化电力资源。
参考文献
[1]王涛.智能配电网大数据应用技术与前景探讨[J].低碳世界.2017(11).
[2]赵腾,张焰,张东霞.智能配电网大数据应用技术与前景分析[J].电网技术.2014(12).
[3]刘科研,盛万兴,张东霞,贾东梨,胡丽娟,何开元.智能配电网大数据应用需求和场景分析研究[J].中国电机工程学报.2015(02).
[4]谭益.考虑新能源发电不确定性的智能配电网优化调度研究[D].湖南大学2014.
[5]王梦彪.基于无线传感器网络的智能配电网数据通信性能分析及研究[D].合肥工业大学2013.