3.2用户用电负荷数据存储分析与修正技术
用户用电负荷数据存储分析与修正技术内容包括2个方面：用电负荷数据存储分析技术、用户用电负荷数据分析与修正技术。用电大数据存储分析图见图3。
图3 用电大数据存储分析图
3.2.1 用电负荷数据存储分析技术
用电负荷数据存储分析技术包括数据索引、高效存储。具体包括：①负荷均衡的高维时序数据分布式索引;②针对用户用电负荷数据不同维度剖面特征的多级索引;③面向配用电网多源数据的行列融合的索引机制;④基于列存储的用户用电负荷时间序列数据的存储模型;⑤基于分布式文件系统的多结构用电负荷数据的存储模型;⑥支持大规模时序数据的数据压缩存储及支持用户用电负荷数据分析的高效行列混合存储技术。
3.2.2 用户用电负荷数据分析与修正技术
用户用电负荷数据分析与修正技术包括大数据的清洗与修正、聚类分析、关联与演化分析。具体包括：①基于时间序列分析的卡尔曼滤波用电负荷数据修正方法;②基于用户用电数据关联性的分布式海量数据清洗、修正算法;③基于用电负荷数据时序性的并行聚类算法，结合异构数据源的协同聚类分析方法;④面向用电负荷数据的多源用户关联分析方法;⑤基于分布式计算框架的分布式关联规则挖掘算法;⑥基于社会公共信息分析的用电用户关联挖掘算法。
3.3智能配用电典型业务大数据分析技术
智能配用电典型业务大数据分析技术研究内容包括4个方面内容：节电技术、用电预测技术、配用电网架优化技术、错峰调度技术。智能配用电大数据分析图见图4。
图4 智能配用电大数据分析图
3.3.1 节电技术
基于智能配用电大数据的节电技术包括典型电力用户用电特性聚类分析、电价、激励机制、用户用电行为、环境感知等多因素用户节电关联分析方法。具体包括：①典型电力用户用电特性局部敏感性相似分析技术;②综合考虑用户社会经济、气候等因素对电力用户用电特性的影响并研究量化不同因素对电力用户用电特性的关联度;③智能配电网中分布式电源的配置和运行策略对电力用户用电特性的关联度;④计及电价、激励机制、用户行为、环境感知等因素的用户用电数据分析模型;⑤与大数据分析相结合的多因素用户节电关联分析方法;⑥面向用户用电、网架结构特性的配电网节电降损分析方法。
