随着电网智能化的推进,“电力大数据”应运而生,数据异构问题引人注目。配电网作为连接供电企业和用户的重要环节,其安全性备受重视。在当今电力企业市场化运行的背景下,配电网检修计划的经济性要求日益迫切,合理的检修计划已是提高企业效益的途径之一。配电网大数据背景下数据的丰富性为计划检修更加合理精确地编排提供了数据基础,但配网管理系统数据异构不能充分共享,计划检修优化不能充分合理利用各种数据,亟需一种将各种数据结构统一的解决方法。从配电网计划检修编制的实际情况出发,首先考虑天气及电价变化对检修安排的影响,建立了可同时兼顾可靠性和经济性的双层优化模型,该模型以检修时间优化为上层优化问题,以负荷转移路径优化为下层优化问题,两层优化问题通过上层问题的适应度值结合起来,相互嵌套,反复迭代,最终获得供电企业售电损失最小的检修时间安排和停电负荷、开关操作、网损最小的负荷转移方案。针对此模型上层优化问题引入了遗传算法和粒子群算法串行结合的算法,下层优化问题考虑先求取各种设备组合的影响情况后再分别求取每天的负荷转移情况,并利用长沙地区的实际算例验证了本模型的可行性。此外,对考虑了天气和电价变化情况的计划检修优化模型进行了CIM模型扩展,解决了计划检修所需数据异构问题。同时,对简化网络拓扑进行公共信息模型(CIM)拓展,缩短了拓扑应用程序的搜索分析时间。