大数据分析技术下能源互联网及综合智慧能源应用分析

摘 要：电力系统涵盖发电、输电、变电及配电等功能，电力运行过程中会产生大量的数据信息，单单依靠传统的信息采集与储存技术是无法实现对电网全面性的管理的，随着能源互联网及综合智慧能源的兴起，在这一前提下，电力系统的建设必须遵循节能环保的管理理念，利用大数据分析技术可有效的带动电网与整个能源行业信息数据的共享，充分的运用到了互联网技术，极大的促进了我国电力事业的发展。

分类号：TK01;TP311.13;TP393.0

关键词：能源互联网;综合智慧能源;大数据分析技术;信息系统

前言：大数据分析是指分析大规模数据的过程。其特点可以用四个V来概括，即数据量大、类型多样、速度快、值密度低。大数据是目前最流行的IT代词之一。依托它，发展数据仓库、数据安全、数据分析、数据挖掘等关联产业，实现大数据分析的系统化、精细化，为互联网的发展创造条件。

一、分析具体过程

1.大数据采集

大数据采集依托物联网和互联网技术，是指以特定的方式对大数据载体的信息进行验证和存储的过程。大数据采集主要采用标记识别、传感和数据集中技术，包括RFID、条形码、虹膜、指纹等生物特征识别技术。传感器功能是指基于嵌入式传感器形成传感器网络，采集处于运行状态的物品等数据。常用的采集方法有电量、状态量、SCADA、WAMS等。数据集中处理可以使采集工作尽可能地在本地进行，不仅减少了通信的消耗，而且还使本地信息有效地集中，减少了繁杂的信息，提高了网络频率的带宽利用率。

2.大数据导入

这一步是指将收集的信息数据导入数据库，使格式和标准与数据操作相匹配的过程。大数据具有数量大、种类多的特点，而且在天气和物理环境的影响下，设备极易老化或失效，由于在采集过程中不可避免地会出现误差，所以说必须对数据进行预处理，恢复信息丢失，在此基础上进行降噪处理，从而实现数据清理。

二、能源互联网及综合智慧能源大数据分析技术

1.大数据处理平台

云计算平台可以对计算资源和物理资源进行合理的虚拟化，对资源进行动态分配和调用，最大限度地提高了计算能力，运行成本低，安全性能高的新特点。大数据处理平台还设置了数据可视化功能。通过将数据转换为图像，实现了数据处理的视觉突破，并扩展到计算机辅助设计、图像处理等多个领域。反过来，它已经成为一项综合数据处理、决策分析等一系列问题的技术。常见的数据可视化技术包括地理信息系统、GPS技术等。

2.大数据分析算法

分布式聚类算法是一种针对处于故障状态的数据库的算法。通过对故障设备的状态数据进行聚类，将正常状态和故障状态的数据分离并划分为不同的聚类。聚类是基于样本之间的相似性，通过曼哈顿距离、欧氏距离等不同的距离计算方法来计算数据。这种计算方法实现了分布式计算和迭代计算的结合，大大节省了计算时间。大数据挖掘多采用并行化的思想，如关联分析与FP-growth算法相结合，这是针对Apriori算法固有缺陷而提出的一种升级算法。通过两种技术的并行化，可以更好地发挥挖掘技术的作用。

三、能源互联网及综合智慧能源大数据分析技术的应用

1.负荷建模

在传统电网中，负荷的识别是一个很大的问题。电力系统中缺乏有效的检测设备，导致采集到的数据可靠性较低。一旦负荷问题解决不了，很可能会影响电力设备的连续运行，降低系统的运行效率。负荷建模是电力系统负荷数据分析模块。随着大数据与云平台的结合，负载建模的应用性能得到了显著提升。它可以实现负载参数的准确估计，提高数据质量，加快采样频率。负荷建模是能源互联网和综合智能能源大数据分析的重要应用。它可用于电力调度、故障定位和负荷测量。

2.状态评估

状态评估主要是对状态进行分类确定，对系统过程的稳定性进行检测，它是电力系统正常运行的重要保证，在电网输送过程中，每次监测分析，都需要进行相应的时间序列分析、运行分析等。而且節点越多，采集频率越高，计算任务越重，因此需要大数据分析技术。电力系统评价主要关注电能质量、故障恢复和安全性能。通过对电力系统在不同运输条件下的分析，了解电力系统内部存在的问题，找出隐患，并改进相应的自愈控制技术，进一步加强电力系统的稳定性。

3.质量检测

我国用户对于电能质量的高低体验满意度，这对电网系统的未来发展至关重要。因此，加强电力系统质量监测与检测是电网发展的重中之重。电网的传输质量是用功率单位来衡量的，如有功功率、无功功率、谐波、频率等。随着电力设备的不断完善，越来越多的分布式电源接入配电网，从本质上给电力输送带带来了质量问题。为了解决传统电网计算精度不足的问题，需要增加采集点的数量和数据采集的频率，密切关注电力输送的这一趋势，及时处理电压凹陷等问题，实现大数据的精确计算，以满足用户工作生活的需求。

四、结语

在大数据技术于电网系统中逐渐渗透背景下，传统的信息管理方式被这种新技术所取代，改革了电网能源的结构，我国电力行业出现了新的增长，但由于大数据技术还处于发展过程中，本身就存在很多问题，比如数据采集和处理工作量大，计算比较复杂等等， 因此我们必须加强大数据分析技术的研究，提高力量和能量，使其更适合互联网和集成智能能源，从而促进我国能源结构的优化，为电网的发展提供有力的机遇。

参考文献：

[1]夏旭，朱雪田，梅承力，李维，方海鹏.5G切片在电力物联网中的研究和实践[J].移动通信，2019（01）.

[2]程琳琳.中国电信夏旭：用比特驱动瓦特电力切片5G行业应用突破口[J].通信世界，2018（21）.

作者简介：李浩（1991—），男，汉族，河北省沧州市人，职务：国家电投-吉电股份-北京吉能新能源科技有限公司项目管理，职称：助理工程师，学历：大学本科，研究方向为新能源、综合智慧能源、能源互联网方向。

1909501705310