智能电网中的电力大数据应用

刘福君　包鸣

【摘 要】目前，信息技术的快速发展，在社会中出现了智能电网这一新型的技术，其应用为电力企业带来了新的发展，进而提高了供电质量和管理水平。在大数据的环境下，企业要想长久的发展，需要合理的处理电力系统中存在的大量数据信息，进而确保数据处理工作的准确及高效，最终实现电网的可靠运行。本文就对智能电网中的电力大数据应用进行探讨。

【关键词】智能；电网；电力；大数据

随着我国科学技术的快速进步，智能电网技术也日趋成熟，其规模不断扩大。智能电力系统与电力企业信息在日常运行中持续不断地产生庞大的数据信息，这些数据增长速度极快并且类型繁多，与大数据的特性相一致，电力大数据的瞬时处理特性使其对数据分析的速度提出了更高的要求。传统的电力数据分析技术一般都是基于关系数据库，分析速度慢且可伸缩性差，这已经远远不能满足当前电力发展需要，大大制约了智能电网的发展。为了保障电力数据处理质量，促进我国经济社会发展，更好地满足社会需要，在智能电网中采用电力大数据分析技术成为了一种必然，符合电力行业持续发展的需求。

1、电力大数据特点

参照传统大数据的分类方式，电力大数据也可以分为结构化数据和非结构化数据。目前，我国大部分电力大数据都是不可以用简单的结构化数据表示的复杂数据，例如电力视频监控数据、电力企业和电力营销过程中产生的图形和图像数据等。这些复杂数据需要大量的关联分析，对电力大数据处理的实时性要求较高，给电力大数据的应用带来了很大的挑战，这也是电力大数据与传统大数据的最大区别。现阶段，我国电力大数据在数据量方面已经达到TB级，并且正在向PB级稳步发展；在数据速度方面，大部分已经达到“实时数据流”，具有对电力大数据的即时处理能力；在数据价值方面，通过采用高性能计算、数据挖掘、统计分析、数据可视化等一系列先进的大数据处理手段，已经可以辅助电力企业进行各种趋势预测和决策分析。电力大数据具有以下显著特点：（1）数据量大。电力行业的显著特征就是数量众多，这既包括用户数量多、电力企业多，也包括电力在生产、传输和管理过程中设计的层面多，而电力数据涉及生产、传输、管理和使用全过程。（2）数据类型多。在庞大的电力闭环系统中，涉及的数据类型往往是形式多样的，这与其他行业的大数据存在着显著不同，电力大数据不仅包括数字、符号等结构化数据，还包括图像、视频等非结构化数据，并且还会产生半结构化数据。（3）数据速率高。对于电力行业的运行过程而言，数据分析处理的速度是一个关键因素，必须大力普及速度快、智能化程度高的设备，才能提高电力大数据使用的准确性与及时性，保证充分发挥电力大数据应有的价值。（4）数据价值高。电力大数据将电力使用过程中的各个环节进行全方位的综合，这包括发电、输电、配电、变电以及用电，这不仅仅可以带动电力行业的发展，同时保证了人民群众的生产和生活的安全用电，也为经济快速发展增添活力。

2、智能电网、云计算以及大数据技术之间的联系

科学技术发展日新月异，电力系统中已经实现了信息化技术的使用，希望能够在电力系统中加入信息技术，来有效进行信息共享，进而有效的控制电网，让电网能够稳定的运行。但是当前电网中基础设施还不完善，不能有效的对相应信息资源进行搜集、分析和存储，要解决当前现状，就需要在电力系统中加入智能电网应用。要对电网中的数据信息资源进行合理的使用，为决策提供有效的依据，就需要构建大数据平台，实现科学决策。在构建的过程中，还需要加入云计算技术，将云计算技术和大数据技术进行有机结合，这样可以提高计算机在数据计算和处理方面的能力，利用计算机高容错的能力，去有效解决大数据技术使用中可能遇到的难题，实现企业对智能电网下各类数据信息的有效分析、计算与存储，为更好的控制智能电网提供技术支撑。智能电网、大数据技术、云计算之间具有紧密联系，在构建大数据平台时，要将云计算加入其中，靠其功能对智能电网下各项数据信息进行计算以及分析，云计算技术具备很大的信息存储功能，而电网运行又会不断产生庞大的数据，因此在搭建平台时，可以利用这一功能，来满足智能电网运行的实际需求，为实现智能电网数据在线分析功能提供技术支撑。另外，应用这一技术，还可以加强对智能电网的实时监控与管理，为其经济合理的运行提供支持。

3电力大数据关键技术

3.1电力大数据的集成管理技术

电力大数据的集成就是把不同来源、格式、特点性质的数据在逻辑上或物理上有机的集中，从而为用户提供全面的数据共享。目前电力企业各部门的数据运行管理大多是竖井模式，信息采集与管理系统是相对孤立构建的，这也就导致了很多问题的出现，数据多源异构、信息冗余、統计分析模型不一致、数据质量参差不齐等问题。这对电力大数据的集成管理提出了很高的要求，必须能够有效解决企业内部系统之间的数据冗余及部分数据信息无法实现关联的问题。大数据处理过程中非常关键的一个技术就是存储技术，可以采用NoSQL（NotOnlySQL，泛指非关系型数据库）技术，可以很好的解决大规模数据集合多重数据种类带来的挑战，应用时，不需要事先定义数据模式，数据中的每条记录都可能有不同的属性和格式。NoSQL将数据划分然后存储在各个本地服务器上，从本地磁盘读取数据的性能往往要好于通过网络传输获得，系统的性能得到了大大的提高。

3.2数据处理关键技术

在电力大数据中，使用数据处理技术就是对采集来的数据进行处理，包括分库、分区与分表。数据分库处理就是要按照一定的处理原则将一些利用率高的数据输入到不同的数据库中，这样可以提高数据库中一些数据的利用率。数据分区处理，就是将通表数据有效的载入到不同文件中，可以有效减轻大型表压力，可以提高数据的访问性能，让运行情况更好。数据分表处理，就是按照相关的数据处理原则来建造各种数据表，这样可以减轻单表压力。除此之外，构建并行式和纵列式数据库，可以提高数据加载性能，可以实现高效的数据查询。例如，可以将结构化查询语言和MapReduce进行有机结合，可以加强数据库中数据的处理性能，提高数据的抗压弹性。

4、电力大数据在智能电网中的应用

近年来，由于电网故障而引起的大规模停电事故时有发生，这就给国民经济和人们生活带来了严重的损害。研究表明，很多大事故发生原因往往都是因为某一元件或某一环节发生故障后，事故逐渐扩大，最后导致电网崩溃。随着智能电网建设的推进，大数据在智能电网中占有了越来越重要的位置，应用大数据技术识别出电力系统的关键节点和薄弱环节并对其进行重点保护具有重要的意义。典型的基于大数据的电网关键节点和薄弱环节识别系统以电网拓扑、运行数据、地理信息为数据基础，然后通过算法模型层、判据层、业务逻辑层推理分析，最终得到识别结果。

5、结论

大数据及云计算和智能电网这三方面息息相关，大数据关键技术被电力行业广泛应用，可迅速带动行业性变革，亦可将智能电网发展推入下一个阶段。信息通讯系统属于智能电网重要系统，其合理推进了现代化电网生产及管理方式的发展，也让电力行业迎来了电力大数据时代。电网技术水平的不断提升，使得大数据关键技术在电力系统中的应用量飞速增长，其间数据量及信息量提升快速，这对电力系统信息处理则提出了更高要求。目前，电力行业信息处理水平不能适应现代化社会发展需求，更不能满足智能电网需求。所以，分析面向智能电网应用的电力大数据关键技术有着极大现实意义。本文就云计算及大数据关键技术和智能电网这三者关系进行了深层探析，对电力大数据关键技术展开了概述，基于此分析了智能电网中大数据关键技术应用实际，以期提升国内智能电网中电力大数据关键技术应用水平。

参考文献：

[1]樊邦奎，丁冠军，兰海滨.面向智能电网应用的云计算架构研究[J].电力信息与通信技术，2014（1）.

[2]彭小圣，邓迪元，程时杰，等.面向智能电网应用的电力大数据关键技术[J].中国电机工程学报，2015（3）.

[3]饶威，丁坚勇，路庆凯智能电网云计算平台构建[J].华东电力，2011（9）

（作者单位：国网山西省电力公司忻州供电公司）