2023電力大數(shù)據(jù)存儲與分析應(yīng)用

面向智能電網(wǎng)的電力大數(shù)據(jù)存儲與分析應(yīng)用TOPIC專題TOPIC專題BIGBIGDATARESEARCH大數(shù)據(jù)引言電力工業(yè)正朝著以物理電網(wǎng)為基礎(chǔ)的理電網(wǎng)高度集成而形成的新一代現(xiàn)代化電兼容以及集成等特點[現(xiàn)在實時調(diào)度和管理、雙向信息流、新能指的是對電網(wǎng)進行實時的管理，在此基礎(chǔ)上進行主動的節(jié)能與增效，同時能夠?qū)Π踩[患進行及時發(fā)現(xiàn)并且診斷和修復(fù)。雙向信息流指的是實現(xiàn)發(fā)電和用電的實時交些數(shù)據(jù)能夠反映系統(tǒng)的運行狀態(tài)，系統(tǒng)能夠快速處理和分析這些數(shù)據(jù)，然后將其轉(zhuǎn)換成可以指導(dǎo)電網(wǎng)運行的決策信息，從而實現(xiàn)對電網(wǎng)的智能管理和實時調(diào)度。為了實現(xiàn)對電網(wǎng)的智能管理和實時調(diào)度的目標(biāo)，就必須在智能電網(wǎng)的發(fā)電、輸電、變電、配電和用電五大環(huán)節(jié)安裝大量的信息采集設(shè)備和信息管理系統(tǒng)。例如，在用電網(wǎng)中采用智能電表代替?zhèn)鹘y(tǒng)的老式機械電表，采集數(shù)據(jù)的頻率從15min/

變?yōu)?s/次；在輸電網(wǎng)中需要采集各種開關(guān)信號量信息以及遙測信息，其刷新頻率也能達到1s/次。在智能電網(wǎng)安裝這些信息采集設(shè)備和信息管理系統(tǒng)，對電網(wǎng)各個環(huán)節(jié)進行實時而精確的監(jiān)控，必將在智能電網(wǎng)中產(chǎn)生大量的數(shù)據(jù)。這些在電網(wǎng)運行和設(shè)備檢查、檢測過程中產(chǎn)生的數(shù)據(jù)量呈TB級逐漸增長為PB使得電力行業(yè)也進入大數(shù)據(jù)時代[2,3電網(wǎng)中的大數(shù)據(jù)具有典型的“”特征，olumvarietvalu和處理速velocit[4]據(jù)為電網(wǎng)的發(fā)展和運行控制提供科學(xué)的決策，不僅是智能電網(wǎng)發(fā)展的迫切需求，也5]。電網(wǎng)業(yè)務(wù)數(shù)據(jù)大致可分為3客戶等方面的數(shù)據(jù)[6建設(shè)越來越深入，大數(shù)據(jù)技術(shù)成為支撐智將從面向智能電網(wǎng)應(yīng)用的電力大數(shù)據(jù)存儲4基于主數(shù)據(jù)管理的智能電網(wǎng)全業(yè)務(wù)統(tǒng)一數(shù)據(jù)中心在智能電網(wǎng)信息化和自動化建設(shè)過程理信息系統(tǒng)，系統(tǒng)之間的信息無法互聯(lián)，據(jù)多源、格式不一致等問題，使不同電力企業(yè)單位及部門之間數(shù)據(jù)不能及時共享、7]。數(shù)據(jù)融合與管理是智能電網(wǎng)大數(shù)據(jù)的應(yīng)用基礎(chǔ)。在電力行業(yè)，最早提出的電力系統(tǒng)公共信息模型commoninformationmodelCI[8]系統(tǒng)性地描述了電力企業(yè)尤其是與電力運行有關(guān)的所有主要對象，介紹了面向電力生產(chǎn)與電力交易全環(huán)節(jié)實體及關(guān)系的建模方法，并被國際電工InternationalElectrotechnicalCmmsoIEIEC9、IEC61968IEC61925系列標(biāo)準(zhǔn)的一個重要組成部分[9司公共數(shù)據(jù)模型SGCI[0]等多個地區(qū)性、公司性私有模型，但是對于多領(lǐng)域的完整應(yīng)用架構(gòu)與系統(tǒng)調(diào)優(yōu)來說，這些模型與拓展方法并不適用。國家電網(wǎng)各業(yè)務(wù)條線信息系統(tǒng)建設(shè)和應(yīng)用的深入發(fā)展暴露出跨專業(yè)業(yè)務(wù)協(xié)同與信息共享不足，數(shù)據(jù)多頭輸入，數(shù)據(jù)反復(fù)對數(shù)據(jù)的準(zhǔn)確性、實時性等要求逐漸提高。為加快構(gòu)建全球能源互聯(lián)網(wǎng)，全面建

秀的現(xiàn)代公司，企業(yè)需提高全業(yè)務(wù)協(xié)同性和全流程貫通性，深入挖掘數(shù)據(jù)價值，實現(xiàn)用數(shù)據(jù)管理企業(yè)、用信息驅(qū)動業(yè)務(wù)。數(shù)據(jù)是信息化的核心，建設(shè)全業(yè)務(wù)統(tǒng)一數(shù)據(jù)中心[11]是源端全業(yè)務(wù)融合、后端大數(shù)據(jù)分析的必然選擇，對建設(shè)信息化企業(yè)具有重趨成熟，為全業(yè)務(wù)統(tǒng)一數(shù)據(jù)中心的建設(shè)提供了技術(shù)保障。通過建設(shè)全業(yè)務(wù)統(tǒng)一數(shù)據(jù)中心，實現(xiàn)對公司全業(yè)務(wù)數(shù)據(jù)資源的統(tǒng)一為公司開展跨專業(yè)數(shù)據(jù)綜合利用，實現(xiàn)用定了堅實基礎(chǔ)。從對基于主數(shù)據(jù)管理的現(xiàn)有數(shù)據(jù)中心的進一步發(fā)展和完善的角度出發(fā)，本文提出一種全業(yè)務(wù)統(tǒng)一數(shù)據(jù)中心，主要包括數(shù)據(jù)處理分中心、數(shù)據(jù)分析分中心和數(shù)據(jù)管理分中心3部其總體架構(gòu)如所示。圖1全業(yè)務(wù)統(tǒng)一數(shù)據(jù)中心總體架構(gòu)數(shù)據(jù)處理分中心可對公司生產(chǎn)經(jīng)營管理過程中各類業(yè)務(wù)數(shù)據(jù)進行存儲、處理和融合，是對原業(yè)務(wù)系統(tǒng)各個分散數(shù)據(jù)庫的邏輯統(tǒng)一的數(shù)據(jù)支撐，使過去數(shù)據(jù)復(fù)制的業(yè)務(wù)集成方式向共享使用方式轉(zhuǎn)變，實現(xiàn)企業(yè)級端到端流程的真正貫通，同時解決系統(tǒng)之間數(shù)據(jù)集成及數(shù)據(jù)復(fù)制過程中存在的數(shù)據(jù)安全、效率低下和資源浪費等問題，逐步實現(xiàn)源端數(shù)據(jù)的干凈透明。數(shù)據(jù)處理分中心包括業(yè)務(wù)處理數(shù)據(jù)庫和統(tǒng)一數(shù)遵循公司統(tǒng)一數(shù)據(jù)模型和數(shù)據(jù)架構(gòu)要求設(shè)計業(yè)務(wù)處理數(shù)據(jù)庫，按照業(yè)務(wù)主線對業(yè)務(wù)應(yīng)用與數(shù)據(jù)庫的直接連接，構(gòu)建統(tǒng)一數(shù)據(jù)訪問服務(wù)，為不同類型數(shù)據(jù)庫構(gòu)建統(tǒng)一接口提供靈活的訪問權(quán)限管理、數(shù)據(jù)路由與調(diào)度能力，實現(xiàn)統(tǒng)一的數(shù)據(jù)管控。數(shù)據(jù)處理分中心目標(biāo)架構(gòu)如圖2所示。數(shù)據(jù)分析分中心匯集了全業(yè)務(wù)、全類型、全時間維度的數(shù)據(jù)，可為公司各類分析決策應(yīng)用提供完備的數(shù)據(jù)資源、高效的分析計算能力及統(tǒng)一的運行環(huán)境，改變過去需要反復(fù)抽取分析型應(yīng)用數(shù)據(jù)和數(shù)據(jù)冗余存儲的局面，由“搬數(shù)據(jù)”轉(zhuǎn)變?yōu)椤鞍嵊嬎恪?，促進企業(yè)級數(shù)據(jù)分析應(yīng)用的全面開展。數(shù)據(jù)分析分中心依托企業(yè)級大數(shù)據(jù)平臺構(gòu)建，由統(tǒng)一存儲服務(wù)、企業(yè)數(shù)據(jù)倉庫和統(tǒng)一分析服務(wù)3部分組成，物理上兩級部署。統(tǒng)一存儲服務(wù)實現(xiàn)對結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)、采集監(jiān)測類數(shù)據(jù)和外部數(shù)據(jù)的統(tǒng)一存儲和管理。企業(yè)數(shù)據(jù)倉庫支撐結(jié)構(gòu)化數(shù)據(jù)的抽取、清洗、存儲和多維分析模型的構(gòu)建，適用于多維分析應(yīng)用。統(tǒng)一分析服務(wù)為數(shù)據(jù)分析應(yīng)用提供計算能力和應(yīng)用構(gòu)建的支撐，具備高效、便捷訪問數(shù)據(jù)分析分中心數(shù)據(jù)的能力。數(shù)據(jù)分析分中心目標(biāo)架構(gòu)如所示。圖2數(shù)據(jù)處理分中心目標(biāo)架構(gòu)圖3數(shù)據(jù)分析分中心目標(biāo)架構(gòu)規(guī)劃和管控，為全企業(yè)范圍內(nèi)數(shù)據(jù)的一致級應(yīng)用，以統(tǒng)一數(shù)據(jù)模型及主數(shù)據(jù)管理為世界中的事物抽象為實體及實體之間的關(guān)系，主數(shù)據(jù)管理可以在此基礎(chǔ)上建立信息利用信息技術(shù)對數(shù)據(jù)進行加工處理，使數(shù)數(shù)據(jù)挖掘，可進一步形成有助于決策規(guī)劃和行動指導(dǎo)的知識。通過對電力系統(tǒng)的公cmnirno，CI它表述的對象及其關(guān)系構(gòu)成電力數(shù)據(jù)及相

關(guān)外部數(shù)據(jù)的本體[12,13]。基于MongoDB的用電信息大數(shù)據(jù)存儲技術(shù)智能電網(wǎng)以電力數(shù)據(jù)的采集和存儲為基礎(chǔ)]，電力用戶數(shù)量和終端數(shù)量的快速增長使用電數(shù)據(jù)成為典型的行業(yè)大數(shù)據(jù)[14]。用電數(shù)據(jù)具備大數(shù)據(jù)的規(guī)模大、種類多、要求處理速度快和價值密度低等特性[]，為滿足大數(shù)據(jù)管理需求，以非關(guān)系型數(shù)據(jù)庫NoSQL為代表的大數(shù)據(jù)存儲技術(shù)應(yīng)運而生，SQL技術(shù)的優(yōu)點包括非關(guān)系型、分布式數(shù)據(jù)存儲和可橫向擴展等，一般分為：基于鍵值對存儲技術(shù)，如RedisoldemortCassandraHBaseCouchDBMongoDB等；基于圖存儲，如Neo4JInfoGrid等[16]。MongoDB[17-19]作為典型的面向文檔的數(shù)據(jù)庫，支持的數(shù)據(jù)結(jié)構(gòu)非常松散，因此可以存儲復(fù)雜的數(shù)據(jù)類型，保留了SQL一些友好的特性MongoDB的上述特性滿足了用電大數(shù)據(jù)對存儲容量、存儲速率等方面的要求，其自動分片機制增強了集群水平擴展能力]，可解決用電大數(shù)據(jù)基本的存儲問題；MongoDB的高并發(fā)讀寫性能可實時緩存高速采集到的數(shù)據(jù)流，解決數(shù)據(jù)流到達速度與生產(chǎn)庫寫入速度不匹配的問題；其自動故障轉(zhuǎn)移機制為平臺的高可用性提供了有效保障；對于存儲模式靈活、時效性低且利用率相對較低的通信源幀、采集狀況等數(shù)據(jù)，可采用模式自由的鍵值對作為文檔存儲結(jié)構(gòu)，而對于存儲時效性高、利用率高的數(shù)據(jù)，可采用MongoDB內(nèi)置的分布式文件存儲結(jié)構(gòu)。用電信息采集系統(tǒng)對用電信息的自動采集、計量異常和電能質(zhì)量監(jiān)測、用電分析和管理提供了技術(shù)支持。為適應(yīng)大規(guī)模用電信息數(shù)據(jù)的存儲要求，設(shè)計了一種具有高并發(fā)、高可靠性和高效存儲等特點的

存儲架構(gòu)，加快數(shù)據(jù)訪問速度，本節(jié)提出如圖4所示的面向用電信息大數(shù)據(jù)的存儲常等功能，并適應(yīng)用電數(shù)據(jù)種類繁多的特點，將數(shù)據(jù)平臺劃分為前置通信平臺數(shù)據(jù)MongoDB能夠存儲并支持大數(shù)據(jù)集的紹了基于面向用電信息大數(shù)據(jù)的存儲架構(gòu)首先將原始的二進制數(shù)據(jù)幀轉(zhuǎn)換為JSONvaScritojectnttio[2]格式的數(shù)據(jù)，再進一步轉(zhuǎn)換為業(yè)務(wù)數(shù)據(jù)，并存儲至5所示。分布式存儲圖4電力用戶用電信息采集系統(tǒng)邏輯架構(gòu)圖5前置通信平臺采集數(shù)據(jù)存儲基于MongoDB存儲模式作為一種分布式文檔存儲數(shù)據(jù)庫，MongDB可以存儲比較復(fù)雜的數(shù)據(jù)類型，本節(jié)提出通過對不同類型的采集數(shù)據(jù)采取不同的存儲方式來優(yōu)化大規(guī)模數(shù)據(jù)的存儲和查詢效率，采用多集群存儲方式提高數(shù)據(jù)讀寫速率。MongoDB的自動分MongoDB集群，臺服務(wù)器提供路由服臺服務(wù)器提供配置服務(wù)，另外包括由副本集構(gòu)成的3現(xiàn)，路由服務(wù)和配置服務(wù)對內(nèi)存的依賴程度較低，因此可將路由服務(wù)和配置服務(wù)置于數(shù)據(jù)分片所在的服務(wù)器上，從而提高云資源的利用率。MongoDB布式存儲的水平擴展，均衡器在一定程度上確保了數(shù)據(jù)塊在每個分片上的均勻分MongoDB將數(shù)據(jù)按用戶指定的分片鍵劃分為多個chunk（均衡器進行數(shù)據(jù)遷移的基本單位，使用均衡器檢查各分片內(nèi)的chunkchunk最多的分片和擁有chunk最少的分片的chunk數(shù)之差超過某個閾值例如均衡器則對這些不均勻的分片進行遷移，將前者的chunk移chunk的數(shù)目無法從根本上解決云存儲數(shù)據(jù)訪問的動態(tài)均衡問題，本文考慮分片所在數(shù)據(jù)節(jié)點負載差異，提出從數(shù)據(jù)量和負載兩方面對負載均mongos獲取分片所在節(jié)點負載，考慮負載因素在遷移限制條件判斷、遷移源分片與目標(biāo)分片選取等環(huán)節(jié)帶來的影響。2016016-482016025-482016016-482016061-482016016-482017001-482016016-482017007-22016016-482017009-12016016-482016025-482016016-482016061-482016016-482017001-482016016-482017007-22016016-482016025-482016016-482016061-482016016-482017001-482016016-482017007-22016016-482017050-12016016-482016025-482016016-482016061-482016016-482017001-482016016-482017007-22016016-482016025-482016016-482016061-482016016-482017001-482016016-482017007-22016016-482017035-12016016-482016025-482016016-482016061-482016016-482017001-482016016-482017007-22016016-482016025-482016016-482016061-482016016-482017001-482016016-482017007-22016016-48 2017060-7 2016016-482016025-482016016-482016061-482016016-482017001-482016016-482017007-22016016-482017009-12016016-482016025-482016016-482016061-482016016-482017001-482016016-482017007-22016016-482016025-482016016-482016061-482016016-482017001-482016016-482017007-22016016-482017050-12016016-482016025-482016016-482016061-482016016-482017001-482016016-482017007-22016016-482016025-482016016-482016061-482016016-482017001-482016016-482017007-22016016-482017035-12016016-482016025-482016016-482016061-482016016-482017001-482016016-482017007-22016016-482016025-482016016-482016061-482016016-482017001-482016016-482017007-22016016-48云存儲和副本集技術(shù)促進了從副本對讀擴展的適用。在從副本上執(zhí)行查詢請求增大數(shù)據(jù)吞吐量。采用響應(yīng)速度均衡策略執(zhí)行請求的從副本，向從副本發(fā)出探測請求，并將請求分發(fā)給最短時間內(nèi)給出響應(yīng)的從副本，以較準(zhǔn)確地反映節(jié)點的運行狀態(tài)?；陉P(guān)聯(lián)分析的電網(wǎng)電能質(zhì)量監(jiān)測分析目前，電能質(zhì)量干擾源的發(fā)展呈現(xiàn)多大電網(wǎng)之間高度互聯(lián)，電能質(zhì)量擾動的傳年青藏直流700km外的750kV主變充電引起的[22質(zhì)量往往受多個動態(tài)隨機干擾源的共同影響。傳統(tǒng)的仿真建模方法在電網(wǎng)范圍確定、參數(shù)獲取以及干擾源特征模擬等方面均存在較大困難，不利于分析電能質(zhì)量擾動事件發(fā)生的具體原因。面向電網(wǎng)擾動事件的提取、定位和原因分析，本節(jié)提出了一種基于異常指標(biāo)關(guān)聯(lián)分析的電能質(zhì)量擾動事件挖掘方法，通過挖掘頻繁共現(xiàn)的異常指標(biāo)組，形成能表征特定類型擾動事件的特征集合，進而發(fā)現(xiàn)電網(wǎng)中可能存在的電能質(zhì)量擾動事件。本文提出的電能質(zhì)量擾動事件特征挖掘方法面向電網(wǎng)監(jiān)測點采集的電能質(zhì)量監(jiān)控指標(biāo)，在不依賴于特定業(yè)務(wù)背景和業(yè)務(wù)知識的情況下，通過識別和關(guān)聯(lián)電能質(zhì)量

異常指標(biāo)來定位電能質(zhì)量擾動事件。由于若干監(jiān)測點往往受到某個特定干擾源如的影響而產(chǎn)生電能質(zhì)量擾動，本文提出的挖掘方法關(guān)注不同監(jiān)測點周期出現(xiàn)的具有相同特征的電能擾動事件之間的關(guān)聯(lián)。圖6給出了電能質(zhì)量監(jiān)測與分析方法的流程示意。首先，基于監(jiān)測點實時獲取的三相電壓電流提取分析電能質(zhì)量的監(jiān)測指標(biāo)；然后，根據(jù)電能質(zhì)量監(jiān)測指標(biāo)提取指標(biāo)異常數(shù)據(jù)，形成異常指標(biāo)時序數(shù)據(jù)；接著，基于異常指標(biāo)時序數(shù)據(jù)分析指標(biāo)間的關(guān)聯(lián)關(guān)系，形成一組擾動事件特征的關(guān)聯(lián)指標(biāo)；最后，通過分析多個檢測點的空間分布情況和監(jiān)測點之間的關(guān)聯(lián)，過濾不相干的擾動特征，提高擾動特征的可用性。本文提出通過監(jiān)測指標(biāo)數(shù)值的異常來定位電能質(zhì)量擾動事件。公用電網(wǎng)對諧波出規(guī)范范圍的指標(biāo)作為異常電能質(zhì)量指標(biāo)。然而，在實時獲取的電能質(zhì)量監(jiān)測數(shù)據(jù)中，多數(shù)情況下并不存在超標(biāo)數(shù)據(jù)，導(dǎo)圖6電能質(zhì)量監(jiān)測與分析方法流程致可用于電能質(zhì)量分析的數(shù)據(jù)很少。事實上，監(jiān)測數(shù)據(jù)中存在大量數(shù)據(jù)孤立點，這些孤立點雖然沒有超標(biāo)，但是可以用于區(qū)別正常數(shù)據(jù)，因而可將這些數(shù)據(jù)孤立點作為分析電能質(zhì)量數(shù)據(jù)的異常電能質(zhì)量指標(biāo)。電網(wǎng)某監(jiān)測點C功率因數(shù)的時間曲線如GB/T45993.97所示，實際數(shù)據(jù)中功率因數(shù)曲線始終高于0.0.93的指標(biāo)數(shù)據(jù)極少，這些數(shù)據(jù)從一定程度上也可以用于異常指標(biāo)分析。因此從整體來0.93而非0.9作為閾值更為合適。本文通過對指標(biāo)數(shù)據(jù)的數(shù)值分析來提取異常指標(biāo)，基本思想為：找出數(shù)據(jù)中分布稀疏的數(shù)值區(qū)間，并將這些數(shù)值區(qū)間的邊界作為判定指標(biāo)異常的閾值。一般來講，這些閾值為指標(biāo)數(shù)值的上下界。本文提取異常指標(biāo)的過程以指標(biāo)時序數(shù)據(jù)為輸圖7功率因數(shù)時間曲線指標(biāo)上限指標(biāo)上限下限電壓偏差B相73.567573.8498電壓偏差C相73.625873.9587電壓總諧波畸變率A相0.2253340.46073電壓總諧波畸變率B相0.2325570.126436電壓總諧波畸變率C相0.222890.45829 2017060-9

入，選取異常指標(biāo)時序數(shù)據(jù)作為輸出。首先，計算每個監(jiān)測指標(biāo)數(shù)值的累計分布概線拐點，以訓(xùn)練出該監(jiān)測指標(biāo)所屬區(qū)間的定義為異常指標(biāo)數(shù)據(jù)，并輸出異常指標(biāo)時為應(yīng)用此提取異常指標(biāo)方法得到的一組異常指標(biāo)。某一個監(jiān)測指標(biāo)的異?？赡苡啥鄠€干擾源造成，而特定的干擾源也往往會導(dǎo)致多個檢測指標(biāo)出現(xiàn)異常，故通過單一監(jiān)測指標(biāo)異常無法直接定位擾動事件及干擾源，本文考察異常指標(biāo)之間的關(guān)聯(lián)關(guān)系，將有關(guān)聯(lián)的若干異常指標(biāo)視為被同一個干擾源擾動的結(jié)果，并將這些異常指標(biāo)視為電能質(zhì)量擾動特征。本文將一組同時出現(xiàn)異常的電能質(zhì)量監(jiān)測指標(biāo)視為一組電能質(zhì)量頻繁項，因此可以將電能質(zhì)量異常指標(biāo)的關(guān)聯(lián)分析定義為異常電能質(zhì)量監(jiān)測指標(biāo)的頻繁項挖掘問題，并采用FP-Growth算法[23]挖掘頻8為異常指標(biāo)關(guān)聯(lián)分析示意，橫坐標(biāo)為異常指標(biāo)時序，縱坐標(biāo)為用于分析的Ct2t3t4能質(zhì)量監(jiān)測指標(biāo)的頻繁項。FP-Growth算法為數(shù)據(jù)挖掘領(lǐng)域的經(jīng)典算法，由于篇幅限制，本文不進行詳細描述?；诖髷?shù)據(jù)的配網(wǎng)運營能力業(yè)務(wù)模型2016016-502016025-502016016-502016061-502016016-502017001-502016016-502017007-22016016-502017009-12016016-502016025-502016016-502016061-502016016-502017001-502016016-502017007-22016016-502016025-502016016-502016061-502016016-502017001-502016016-502017007-22016016-502017050-12016016-502016025-502016016-502016061-502016016-502017001-502016016-502017007-22016016-502016025-502016016-502016061-502016016-502017001-502016016-502017007-22016016-502017035-12016016-502016025-502016016-502016061-502016016-502017001-502016016-502017007-22016016-502016025-502016016-502016061-502016016-502017001-502016016-502017007-22016016-50配電網(wǎng)直接面向終端用戶，是保障電2016016-502016025-502016016-502016061-502016016-502017001-502016016-502017007-22016016-502017009-12016016-502016025-502016016-502016061-502016016-502017001-502016016-502017007-22016016-502016025-502016016-502016061-502016016-502017001-502016016-502017007-22016016-502017050-12016016-502016025-502016016-502016061-502016016-502017001-502016016-502017007-22016016-502016025-502016016-502016061-502016016-502017001-502016016-502017007-22016016-502017035-12016016-502016025-502016016-502016061-502016016-502017001-502016016-502017007-22016016-502016025-502016016-502016061-502016016-502017001-502016016-502017007-22016016-50圖8異常指標(biāo)關(guān)聯(lián)分析示意停電原因、停電范圍分析困難，故障搶修效率低，客戶投訴處理不及時等問題，無法滿足國家電網(wǎng)公司提出的面向用戶提供優(yōu)質(zhì)服務(wù)的要求。如何利用大數(shù)據(jù)提高配網(wǎng)運營服務(wù)質(zhì)量和配網(wǎng)運營效能是實現(xiàn)配電網(wǎng)精益化管理的關(guān)鍵，研究如何利用大數(shù)據(jù)技術(shù)提升公司分析決策水平，對推動電力行業(yè)有效、可持續(xù)發(fā)展具