3、智能电表数据分析主要应用场景
3.1客户行为分析
负荷曲线是客户消费行为的直观显示，智能电表数据能详细的记录客户消费细节，如间隔为15min的电量、功率、电压等参数。由于具有相似消费习惯的客户具有相似的负荷分布形状，因此可以根据其负荷分布的相似度来对客户加以分类，从而更加方便企业对客户的分类和精细化管理，并针对某类用户制定更加有针对性的运营策略。
把用户实际的负荷曲线叠加到电网峰谷时段上，可以展现出用户更多的用电细节，计算其峰值时段的电能费用，估算用户错峰的潜力。因此利用智能电表数据对客户行为进行分析，能更有效地促进需求侧管理，合理抑制负荷峰值，提高电网资产的利用率。
3.2资产管理
利用智能电表数据来辅助配电网资产管理是智能电表数据应用的一个重要方向。通过对电表数据的分析，可以监测设备的运行状态，提前识别设备故障，从而合理优化资产的维护和更换计划。美国的弗罗里达电力电灯公司（FloridaPower&Light，FPL）利用智能电表量测数据，对故障配电变压器的二次侧电压数据进行回溯分析，结果发现故障变压器的二次侧电压在故障发生前2～3个月的时间内存在明显的偏高现象。通过对变压器故障机理深入分析得出，这类故障是由于高压侧绕组损坏，变压器变比发生变化而导致。利用这一规律，FPL实施了全系统变压器的故障预警监测，主动更换将要故障的变压器，实现防患于未然。在AMI项目启动的第1个月（2012年11月），就发现了372台符合此条件的变压器（FPL变压器总数在879000台左右）。在2014年1～6月也已更换452台配电变压器（以电压高于252V为判据，240V为额定电压），它们大都是服务年限高于15年的老变压器。通过对智能电表数据的应用，FPL在系统运营方面得到了显著的收益，包括变被动故障为主动的计划停运维护，变压器更新开支平均节省25%，缩短了用户停电时间（比故障停运情形减少93min）。
从以上案例可以看出，智能电表数据能很好地帮助电力公司提高其资产的管理和运维水平，减少非必要的事故停电，提高用户满意度。
3.3故障定位与响应
通常电力公司一般依据客户电话来确定电网故障的位置，在派遣工作人员去现场处理之前，需要几个或是更多的故障电话来大致确认故障范围和影响区域，然而这样就会大大增加故障的处理时间。派遣现场工作人员处理故障前，利用电表数据和线路故障指示器联合判断故障地点，将极大地减少故障影响时间。
