3.6电压和无功优化
集成的电压/无功优化（volt/varoptimization，VVO）与传统未经协调的局部控制方法不同，VVO使用全网实时信息和在线模型对配电网络进行全面评估，提供全网优化和协调控制策略，使各项调节控制措施产生的结果能与最佳控制目标一致。当前应用的VVO系统采用准实时的配电网潮流模型，潮流模型建立在实时网络拓扑模型、节点负荷模型和二次回路等效模型之上。负荷模型的调整依靠变电站自动化和馈线自动化SCADA系统的测量来实现，并采用下游配电线路的状态估计电压作为配电网潮流模型的参考电压。因此客户端电压的精度取决于参考电压的精度与配电线路、配电变压器和二次回路等效模型的压降。这些模型的误差都给电压无功优化带来许多不确定性，降低了VVO的性能。利用覆盖全网的智能电表（包含馈线、配电变压器和居民电表）和通信网络，智能电表的量测数据作为SCADA系统的冗余，能够通过减少无功优化中的不确定性，提升电压无功优化性能。
VVO的另一个目的是在不违反电力服务标准的情况下，使得任意用户点的配电电压尽可能低。大多数VVO方案依靠状态估计所得到的低电压限制和模型结果往往精度不够，VVO应用倾向于采用保守方案来保持电压不违反低电压门限。智能电表的历史数据和实时数据能显著提升模型的精度，并保证无功控制行为不违反运行限制。另外在系统中的薄弱点，通过对智能电表进行特定的设置，使其能为VVO返回近实时测量数据，为其优化过程提供帮助。
综上所述，智能电表数据大量应用于配电网的规划设计、运行维护及客户服务等各个方面，除了上面列举的方向外，智能电表数据还可以广泛应用于负荷预测、可靠性评估、相位识别、三相不平衡分析等方面。
4、基于智能电表数据的配电网拓扑校验应用实例
本应用实例将介绍如何采用智能电表数据分析方法，对配电网地理信息系统（GIS）中设备的电气连接关系进行正确性校验。电力公司通常使用GIS系统来描述和管理配电系统中各种电力设备以及它们的电气连接关系，在已有的配电网GIS系统数据中，存在着大量的错误或者误差，例如：
1）实际电气拓扑关系与GIS系统数据不相符，如电力用户与台式变压器的连接线路不相符、台式变压器与馈线的连接线路不相符等；
2）设备资产的地理位置错误、参数不一致等。
这些错误和误差对配电系统的资产管理、系统运维、供电中断响应以及维修人员的人身安全都有不良影响。目前，为了校验和修正这些错误或者误差，电力公司的通常做法是：当实际拓扑关系发生变更时，利用人工记录这些变更并更新GIS中的相关数据，或者专门组织人力进行实地巡测来修正这些错误。这些方法均需要耗费大量的时间、人力和物质资源，而且准确性不够，同时对于采用地下电缆铺设的台区、偏远台区等不具备良好的可操作性。
