电力大数据技术在智能电网中的应用

杨鑫

摘要：随着工业升级以及人民生活水平的不断提高，人们对电力供应的质量与稳定性有着越来越高的要求，传统的电网建设与运行模式将越来越不适应时代发展要求，高度融合了传感、测量、通信等技术的智能电网成为必然的发展趋势。随着各类智能设备在电网中的应用，产生的电力运行数据较之前将高出4个数量级。面对海量的数据，只有有效应用大数据分析技术，才可对其进行分析，并输出有价值的信息，为智能电网的运行与建设提供决策依据。

关键词：电力;大数据技术;智能电网;应用

一、智能电网与电力大数据分析技术的关系

简单来讲，大数据（Big-Data）是指无法在一定时间范围内引用常规软件工具对其内容实施抓取、管理及处理的数据集合，具有规模性、多样性及高速性等特点。而电力系统属于社会经济与人类生活的基础内容，也具有大数据的典型特征。由于电力系统属于人造系统最为复杂的一种，不仅包含广泛的地理区域，而且需要传递大量能源，若在运行期间发生故障，短时间内将会产生不可估计的影响。这些内容都与大数据特征相符。尤其是在智能电网的全面推广中，电力系统的智能化与信息化水平越来越高，促使系统内部储备信息数据越来越多，如安装在家庭和企业终端的智能电表收集的数据;电力设备状态监测系统实时跟踪调查发电机、变压器及开关设备等内容的运行信息;对光伏与风电功率实施预测，必须掌握的历史数据、气象信息等。由此可知，在新时代背景下，电网企业要突破以往数据处理技术的制约，在明确自身发展需求的基础上，合理运用电力大数据分析技术，不仅能快速獲取所需信息，而且符合电网企业发展需求。

二、智能电网大数据关键技术

（一）多源异构数据聚合管理技术

前文已经提到过，智能电网是一种非常复杂的系统，其存储的数据量非常大，且种类较多，如果只是简单地进行数据处理工作的话，那么处理速度会非常之慢。正因如此，在智能电网的数据管理方面一定要做好以下几项工作：首先是将数据整合，对其进行排查，选出与此次工作内容相关的数据进行转换，在剔除和修正之后就可以将其投入使用。当然，在开始之前，要选择合适的数据集成模型，现有的模型主要包括数据链板、基于中间体模型、数据仓库等等。

数据仓库技术又称ETL（Extract-Transform-Load），很多企业都会使用这一数据集成模型作为集成数据的方式。其主要分为三个方面：首先是对数据的抽取，通过数据源的系统，抽取与工作内容相关的数据;其次是数据的转换，在数据抽取工作完成之后，按照相应要求，将数据转换为另一种形式，如果数据出现了偏差等情况，也要对其进行清理、加工等步骤;最后是数据的加载，完成数据转换之后，要将这些数据加载至目标数据源的系统当中。就当前的智能电网发展形势而言，数据的集成是该技术中的关键步骤，它需要工作人员综合考量多方面的因素，并依托多种技术完成集成。

（二）数据计算

智能电网数据分布范围广，在电网内部网络和硬件设备等计算资源有限的条件下，需采用分布式计算技术对数据进行处理，具体来说则是需建立电力云计算平台。通过电力云计算平台整合数据资源和硬件资源，为产生的大量数据提供足够的存储空间，同时借助云计算技术提供超级计算能力，从而为实现系统互联和数据共享提供强大的技术支持和技术保障。

（三）ELT关键技术

关于智能电网中的电力大数据而言关键技术之一便是ELT技术（Extract-Load-Transform）。可以说电网数据有着信息庞杂、分散的具体特征，针对这种情况便不断地增加大数据处理的难度，然而应用这种技术手段能够有效地梳理流程，实现自动化信息技术处理，进一步通过数据集成、抽取、转换、剔除、修正的过程实现数据的有效收集。目前，这种方法已经被广泛使用，为提高技术的优化管理和升级要求，工作人员应结合自身企业的发展情况，加强对多种技术手段的合理应用，促使数据呈现出集成化的发展趋势，不断为电网企业发展提供新思路、新方法。

（四）数据处理技术

这项技术包含分库、分区及分表处理三方面。其一，分库处理是指研究多个数据库数据，并从中寻找应用率较低的内容，将其传递到系统平台中;其二，分区处理是指科学划分不同文件的类型，并依次记录到通表中，以此控制大型表压力影响，促使数据访问操作更加流畅;其三，分表处理是指按照数据处理原则，分类构成数据表，以此减少单表工作压力。同时，这项技术还可以用来构建纵列式和并行式数据库，不仅能提升数据加载的效率与质量，而且具备全天候查询功能。

（五）展现技术

在我国智能电网建设的时候，电力大数据分析技术中有两种技术得到了很好的应用，分别是可视化数据处理技术和空间信息流的展现技术，在该两种技术的合理应用下，智能电网系统才可以得到更好的利用。例如在我国某智能变电站运行管理的过程中，就充分的发挥出了电力大数据分析技术的优势。在MR增强型虚拟技术的应用下，工作人员可以实时对电力数据流进行查看，并且在互联网技术的支持下，可以对电网的运行情况进行数据的查看，有效的提高了电网工作人员的工作效率与安全性。

在数据展现技术和可视化技术的支持下，电网的工作人员则可以通过对电力系统的实时监测，从而根据电力大数据分析给出的工作调整方案，更好地开展电网调度工作。我国基本国情具有特殊性，电力系统覆盖的地区非常广泛，为了更好地发挥智能电网系统运行的质量与安全。在电力大数据分析技术中的展现技术与可视化技术在实际应用的时候，为了确保智能电网运行的整体效率，在实际应用的过程中，可以借助GIS系统的技术支持，从而帮助电网工作人员，更好地调整电网调度运行方案，确保清洁能源得到最大化的利用，不断促进我国智能电网建设与发展。

三、电力大数据关键技术的应用

（一）数据仓库技术

因为智能电网获取信息的渠道非常多，数据分布范围较广，不同类型处理要求也有差异，所以在收集与管理中会受多种因素限制。通过在系统中运用数据仓库技术可以有效解决这一问题。通常情况下，智能电网处理数据会根据搜集、选择、转换等步骤进行操作，因此运用数据仓库技术主要分为3点：第一，数据抽取技术，在源系统中获取数据，再向其传输目的数据;第二，数据转换技术，通过转换获取数据，改变具体形式，并处理其中存在的错误数据;第三，数据加载技术，加载转换后的数据，并将其传递到源系统中有效储存。由于数据仓库技术是一项非常关键的数据集成技术，在智能电网数据搜集工作中占据重要地位，所以在企业创新发展中，必须要充分展现应用技术的价值，只有这样才能实现电网企业可持续发展目标。

（二）应用于电网运行

电网的稳定运行依赖于发电侧出力与用户侧负荷的平衡，利用大数据技术对电网运行的实时数据进行监控和分析，可及时实现电厂出力及短期负荷的精准预测，实现调度部门的精准调控，保障电网安全稳定运行。同时，在线路损耗计算、电网异常监测等方面，大数据技术也有广阔的应用空间。

（三）数据安全

随着时代的发展，互联网成为人们生活中必不可少的一部分。在这样的环境下，信息的安全也成为人们重点关注的内容。因此，在大数据技术之下，做好数据安全工作也是非常必要的。通过大数据技术，对电网系统当中损失的数据可以及时地恢复，并提高其防御风险的能力，保障信息和数据的安全性。

四、结论

综上所述，要想实现大数据管理我国电力系统必须优化完善信息的多样性和复杂性，促使在优化完备的研究过程中能够有效收集数据形成数字化管理，进而实现创建、储存、处理等各项功能的优化，帮助我国电网企业高效的进行用户分类，促使电网企业本身提高更加完备的产品服务。可以说这种利用数据驱动的发展战略，是提高企业核心竞争力的重要举措，需要工作人员加强研究力度，进一步推动中国特色智能电网的发展。

参考文献：

[1]邢宇辰.智能电网大数据技术发展研究[J].中国新通信，2019.

[2]李永光，张彦军，汪凯威等.面向智能电网应用的电力大数据关键技术探讨[J].数字通信世界，2019，171（03）：58.