基于大数据技术的配电网停电优化包括：1)停电信息分类，基于调度、营销、配网贯通的海量数据对停电信息数据进行整理与分类;2)停电预警，对设备故障可能导致停电进行预警;3)配电网停电计划制定，采用大数据技术制定合理的停电计划，完善配网停电优化分析系统。
3 配电网多源数据融合中的不良数据辨识
3.1 不良数据检测与辨识方法
不良数据检测是指判断某次量测采样中是否存在不良数据。不良数据辨识是指在发现某次量测采样中存在不良数据后，确定哪个(或哪些)量测是不良数据。不良数据的处理已经成为一个热门课题，目前国内外已经提出多种不良数据检测与辨识的方法，大致分为以下2 类：
1)传统的不良数据检测方法包括目标函数极值检测法、加权残差法、检测法或标准化残差检测法、量测量突变检测法等。传统的不良数据辨识方法主要有残差搜索法、非二次准则法、零残差法、估计辨识法等;
2)相对传统的一些新理论和新方法主要有基于数据挖掘的模糊数学法、神经网络法、聚类分析法、间隙统计法等。这些方法大多针对传统配电网比较简单的小规模结构化数据。随着智能配电网规模的不断扩大、分布式电源的接入以及网络技术在配电系统中的广泛应用，对于配电网中达到大数据级别的不良数据的检测与辨识，传统方法很难达到处理需求。
3.2 基于多源数据的不良数据辨识方法
根据配电网大数据多源、多渠道的特点，可基于不同来源的数据进行互校核，实现不良数据的检测与辨识，包括电度量和量测量的互校核、不同数据系统间的互校核方法、不同结构数据的互校核等，如图3所示。
图3 基于多源数据融合的不良数据辨识方法
