摘要：分析了电力采集大数据应用现状和存在的问题，阐述了大数据分析对营销工作发展的重要性。搭建用户分析模型和台区健康状态评价模型，使用海量历史数据对模型进行优化，通过实际用户数据验证模型分析结果的实用性和正确性。
关键词：采集；智能应用
引言
随着数字信息化在各个行业的不断发展，促使电力行业服务模式向多元化发展。我国能源互联网技术与智能电网建设得到迅速发展，以云计算和物联网为代表的新一代互联网技术在电力行业中广泛应用，电力数据资源开始急剧增长并形成了一定的规模。电力大数据的应用将推动公司业务发展水平和管理水平，满足不同用户用电需求，实现用户科学用电成为电网发展必然趋势。
2、当前智能化体系应用模式
从电力配套设施来看，世界各国发展不尽相同，但都在向着电力系统智能化、集成化应用方向发展。比如，非洲国家已经着手建设可持续的电力基础设施（大力发展太阳能），为后期的智能电网全面发展奠定基础，欧洲的发电量较大（大力推进智能化电表），北美区域大力发展智能化的同时，将太阳能、风能和地热能的发展统一入网管理，实现智能化发展。不同智能化供电公司更多考虑不再是单一的市场需求之间的竞争，而是更多考虑不同用户之间特殊的需求。经过智能化数模计算、数据抽取与采集，得出相同规律，从而更好地服务于不同用户的需要，比如智能电表、电价与供电时间的合理安排等。如果管理不善，势必对供电公司经济性和安全性造成威胁，这就要求各部门之间应遵守相同的发展规律，更好地适应市场的需要，从而提高智能化核心竞争力水平，降低系统中不确定的市场风险。应用智能化的电力营销客户信用风险管理系统，不仅能对客户进行全面评估，还能对用户的信用水平提升进行科学的引导，将电力公司的经营风险降低到最小化，为电力事业的稳定发展奠定基础[1]。
2、智能用电网络的系统架构
智能用电网络具备对用电终端电器的监测与控制、并对终端负荷进行能效管理、参与电网优化运行的三个主要功能。智能用电网络主要由智能插座、信息能量网关、数据处理服务器和云端大数据服务器等组成。数量众多的智能测控终端是整个智能用电网络的底层数据采集部件，可以实现电压、电流、功率等电气量及设备开关状态的高精度采集，具有低待机功耗及智能无线传输自组网的特点。智能终端采集的遥测、遥信数据由 ZigBee 无线通信网络传输到能量信息网关，并通过能量信息网关获得智能用电云平台的遥控、遥调指令。目前微型智能终端的待机功耗在控制在 300 毫瓦以内，采用基于事件驱动的数据采集和通讯机制，及改进的数据实时压缩技术，可使智能用电网络的终端数据采样时间缩短到100 ms。能量信息网关基于内嵌 Linux 系统的芯片搭建，是连接智能测控终端与智能用电云平台的动态数据交换单元，具有上下行数据传输和本地计算功能。通过串口与内置 ZigBee 通信模块实现信息交互，通过以太网或无线公网与智能用电云平台进行通信，分别实现智能终端遥测、遥信数据的上行传输，及智能用电云平台遥控、遥调数据的下行传输。
3、智能化技术在电力系统中的具体应用
3.1、对电力系统数据
进行采集要在传统的电力系统中采集数据，就需要进行人工采集，这样一来不仅要受到庞大设备的限制，同时操作人员还会受到地理环境的约束，从而导致数据的采取精度较低。
现代智能化电力系统大多数都在多采用多个检测设备集成化联合作业，这种设备不仅携带方便，且采集的数据也会比较准确，同时还可以安装在偏远地区，实现实时检测和远程控制，从而使采集成本得以降低。
3.2、窃电用户识别模型
电能表计量电量的多少主要取决于电压、电流、功率因数三要素和时间的乘积。窃电一般采用改变计量回路二次接线等方式窃电，监测窃电时产生的电流、电压、用电量变化可以精准捕获窃电的起止过程，实现精准防窃电。从主站采集电量、负荷及线损的历史样本数据，对历史样本数据进行预处理，即构成窃电分析所需的专家样本库。专家样本虽在一定程度上能直接反映用户窃电行为的某些规律，但作为构建模型的样本，特征不明显，因此需要在此基础上构造指标体系 （包括电压类指标、电流类指标、负荷类指标、用电量指标、线损类指标等）。在反复分析历史窃电案例基础上，确立了窃电评价指标体系，然后采用神经网络和 CART 决策树构建窃电用户识别模型，输入项包括电量趋势下降指标、线损类指标和告警类指标，输出项为窃电标识 [2]。
3.3、人工智能神经网络在电力采集系统中的应用
电力系统自动化控制中的人工智能神经网络，是一个可以进行电力系统数据信息处理的数学模型，人工智能神经网络的构造形式与人类的大脑中的神经网络有很多的相似之处，这种神经网络控制系统，在复杂的自动化控制系统当中可以发挥十分巨大的作用。像电力系统、通信系统、航空系统等自动化控制体系较为庞大且复杂的系统的建设，都可以将人工智能神经网络纳入到系统中来，从而实现对复杂系统的智能化管理与控制。目前，人工智能神经网络技术在我国的发展还处于研究和初步应用的阶段，在电力系统自动化控制中的人工智能神经网络，目前已经可以实现电路故障的智能化处理和控制的能力，它利用人工智能神经网络中的各个神经元来模拟电力系统不同的节点，通过将这些神经元进行连接，构建了完整的电力系统神经网，对各个电路在运行中产生的数据、图像等进行自动的抓取和分析，帮助电力自动化系统优化输电方案，降低电力损耗，提升供电能力。
3.4、采集数据的标准化
智能用电云平台中进行数据分析与挖掘的各种机器学习算法，如神经网络、支持向量机等，对数据的异常值非常敏感。数据预处理主要是消除异常数据对算法模型的影响，使经过数据清洗、数据特征调节等方法预处理后的数据表示更适合于负荷分析及预测算法。智能用电网络中的异常数据产生的原因较多。首先，智能测控终端的损坏和异常，可能会导致采集数据缺失。其次，线路维护或者安检等配电网的正常活动可能会导致用电数据缺失，而用电数据本身从测控终端到用电云平台的数据传输也有可能导致数据异常[3]。采集和传输过程中的数据缺失和数据突变，会使得智能用电数据产生空缺值、出现噪声数据、出现不一致数据，不利于后续的数据分析与处理。因而在智能用电云平台，需要对采集的用电数据做相应的数据预处理。
结束语
电力自动化控制系统中的智能技术，是基于信息技术与人工智能的快速发展而产生的新型智能控制技术，其应用有效提升了电力自动化控制系统的运行效率，减少了故障发生的几率，提高了故障排查和处理的效率，从而为电力系统的运行管理提供了巨大便利。
参考文献：
[1]邱国强.电力自动技术在电力工程中的应用[J].通信电源技术,2019,36(10):116-117.
[2]陈忠武.电力智能通信电源技术应用[J].通信电源技术,2019,36(10):194-195.
[3]王春宝.电力调度自动化系统应用现状与发展趋势分析[J].通讯世界,2019,26(10):244-245.