無線計量模塊三相電參量測測量支持復費率

大數據技術對電網的意義主要表現在發電、輸電和用電這三個方面：在發電環節中，大數據技術能統計出很大范圍的電力需求，然后通過收集的數據預測出后一段時間的用電負荷，發電領域在考慮預測結果的基礎上進行有計劃發電，這樣有利于整個社會的生態文明建設；在輸電環節，輸電線路上的所有信息都可以使用大數據技術來進行收集和處理，此方法能使得低電壓損耗率大大降低，還能保證線路的正常運行；在用戶用電環節，所有用戶的用電量能采用大數據技術進行整理，通過采納電力市場中的*營銷策略，引導用戶擁有節約用電的理念，以此來推動電力產業的“集約化"發展。

3.2預測風電功率

       由于現如今大規模風電并網對電力系統和電網調度的安全運行產生了嚴重影響，而對風電功率進行預測能使這個問題得到有效緩解。風電的特性是隨機性和波動性，這個特性使得預測風電功率需以大量的歷史數據作為支撐，此類數據主要包括風電機組信息、地貌形勢、風電場實時和歷史輸出功率數據、實時和歷史測風塔等數據。其中采集的風塔歷史數據的時間分辨率短則超過10min，時長則超過1年；通過風電場采集的歷史輸出功率數據的時間分辨率要超過5min，數據的時長要超過1年。面對大量的歷史數據，此時就需要建立可靠的預測模型來對風電功率進行預測，通過選擇不同的時間尺度，結合實際工程應用需求，嘗試多種預測模型對風電功率進行預測，以便得到更精準的預測結果。無線計量模塊三相電參量測測量支持復費率

3.3定位和治理配電網低電壓

       由于現在電網仍然存在低電壓的問題，主要原因是整個電網系統升級較慢，以及用電負荷的大大增加，這樣對用戶的正常用電造成了負面影響。利用大數據技術能定位配電網低電壓，電網的相關信息可通過用電信息采集系統和SCADA系統進行收集[7]，這些相關信息如變壓器和線路的電流電壓斷貨負荷類型、功率因數等參數。與此同時，與配電網相關聯的無功補償、負載率、供電半徑、配電網結構、故障情況等信息，為了深度了解電網低電壓的原因，采用數據挖掘模型對配電網低電壓的影響因素進行關聯分析，提升了配電網合格率，對電網的安全運行給予保障。無線計量模塊三相電參量測測量支持復費率

3.4預警評估配電網重過載風險

       伴隨著用電量即電力需求的大幅度增長，傳統“輕配重輸"的工程建設模式已與現如今的發展需求不太符合，主要原因是常常會出現重過載的問題，因此不但對供電質量失去了保障，還影響了配電網的正常運行[8]。為了更方便的獲取配電變壓器和輸電線路的歷史和實時的三相電壓、電流和功率因素等相關信息，可通過這些系統來獲取，如用電信息采集系統、OMS、SCADA、AMI、OMS、關聯營銷業務等系統。然后采用綜合分析的方法來評估配電變壓器的相關特性，如容載比、配電網元件故障率、線路間負荷轉移能力等。