面向智能電網大數據的分析研究

李國文++王靜怡++陳紅

摘 要：電力供應網絡已經進入智能時代，大數據概念為智能電網的發展提供更加強勁的動力。發展智能電網的基礎是分析了解和掌握大數據關鍵技術，構建電網大數據平臺框架，通過大數據分析，智能化優化和管控電網運行。本文分析探討電力企業及電網發展中大數據的處理分析方法。

關鍵詞：大數據；智能電網；數據分析；數據處理

中圖分類號：TM76 文獻標識碼：A 文章編號：1671-2064（2017）19-0145-02

社會經濟發展離不開電力能源供應，電力供應系統已經成為社會經濟發展的重要基礎。電力系統從產生就具有覆蓋面大、系統復雜、管控困難等諸多特點，但同時，也具有大數據的典型特點。電力系統在運行中，產生龐大的數據量，數據信息復雜多變，而隨著智能化設備及軟件系統的使用，更加龐大的數據信息產生。面對愈加龐大的數據信息量，傳統的數據分析處理技術已經無法滿足速度及精度要求，大數據環境下的電網智能化、信息化是電力發展的必然結果。

1 智能電網運作概念

電力系統大數據產生并貫穿于電力發生、輸送、變壓、配電、使用各個環節，是電力能源技術變革的必然產物，其不僅是電力技術方面的改革進步，也是智能化電網體制與理念的突破與變革。大數據背景為電力系統的改革提供了堅實的理論與技術基礎。

與智能電網密切結合的兩項技術分別是大數據和云計算。三者關系交互關聯，共同構成智能電網的整體基礎架構。

首先，智能電網與大數據。智能電網的智能性在于，其整合當代計算機技術、信息技術、電力技術、先進儀表設備于一體，形成高度集成性，具有自動監測控制功能的新型電力網絡。智能化的電力系統通過反饋的終端數據，如用電量、用電時段情況、電網監測信號等，能夠自我優化電力供給，自我監測報警和修復故障。通過數據采集分析交互，實現自動化控制、智能調節、及時分析反饋等功能。智能電網是大數據概念的充分體現。

其次，大數據與云計算。所謂云計算，是一種數據計算分析模式，充分利用互聯網的便捷，海量信息及信息共享技術。大數據側重于數據的采集沉淀，云計算側重于數據的計算分析處理。但二者相互促進，云計算為大數據的利用提供技術基礎，大數據為云計算的技術發展創造了新方向，促進云計算的實踐應用。

再次，三者交集關系。云計算能夠發揮其技術優勢，處理電網內部數據與存儲資源，提高數據信息內部交互效率；大數據基于終端信息反饋，采集數據信息，通過云計算分析處理；智能電網則是依托大數據與云計算形成的整體智能化系統。

智能電網是現代科技信息技術的集大成者，是電力發展的必然階段。處于信息技術前沿的大數據和云計算，其強大的數據處理能力，能夠很好的滿足電力系統的數據處理需求。電力系統也相應的以大數據和云計算為基礎提出了電力云概念。

2 智能電網數據挖掘處理

所謂數據挖掘，是基于一定的運算方法，在海量的數據中提取價值數據，進而對這些數據進行精細分析提煉，形成某些結論和結果的過程。

2.1 基本數據的挖掘提取處理

（1）基本數據的挖掘提取分析計算。基本數據是指，根據已有的數據模型，建立的分類數據規則，系統根據既定的規則提取相應的數據信息并進行分類輸出。運算法則包括貝葉斯模型、決策樹及K近鄰等算法。

（2）數據關聯挖掘分析。大量數據之間是存在一定關系的，通過一定的運算法則，提取數據間具有一定的關聯關系的數據，如相似、差異、趨勢、對立等，建立相應的挖掘法則，進而提取相關數據。如Frequent pattern樹算法。

（3）類聚挖掘分析。類聚挖掘處理分析是以數據間的距離為基準，所謂“距離”是指具有函數關系的數據，這表明數據間具有一定距離，能夠通過法則進行推算。這樣，以函數關系定義數據間的遠近，進而挖掘提取相關數據并予分類。包括層次、頻率、密度等運算方法。

2.2 綜合類數據的挖掘處理

（1）仿生學挖掘處理。其一，ANN是基于人類神經系統的突觸連接進行信息處理和存儲的數據挖掘處理方法。人類神經系統的突觸連接結構可以作為一種映射數學函數或運算法則的表達方式。類似的計算方法有前饋、反饋等。其二，遺傳學法則，簡寫GA，是基于生物進化過程中的優勝劣汰法則，模擬產生的一種數據挖掘處理機制。其三，蟻群優化法則，簡寫ACO，是一種模擬螞蟻群體在覓食行為中的發現和選擇最優路徑的算法，模擬大量螞蟻個體信息激素釋放、痕跡、揮發等信息反饋過程。其四，粒子群調整優化法則，這是模擬鳥類群體捕食活動中，群體通過個體的反饋信息調整飛行方向、路線、距離的方法，挖掘和提取數據。其五，免疫算法，通過模擬生物體組織的免疫機制運作原理和過程，用于數據空間探索和調整優化。

（2）數學集合論挖掘處理方法。其一，基于模糊性現象的模糊集論。模糊集不同于隨機性事件，后者是不確定是否發生，但隨著時間和數量的累積，是一定會發生的。而模糊性現象不隨時間數量等改變，形成的模糊集理論和方法可以用于大數據的挖掘提取集處理。其二，粗糙集法則，即不確定、不完全、不一致的數據信息仍然具有潛在的規律，從而有助于形成結果和決策的數據挖掘處理方法。比如近似集、大約范圍、高層次的屬性集等集合，用于處理數據中的非精準非完整數據。

（3）可視數據信息的挖掘處理。可視數據包括圖像、圖形等，這些數據信息能夠通過視覺進行挖掘提取分類。可視化數據分析是未來智能化發展的大趨勢之一，如實時監控、儀表數據讀取顯示、柱狀圖信息等。

3 智能電網的大數據技術

3.1 大數據的集成技術

智能電網的大數據技術的首要是數據的集成管理，包括數據庫建立管理技術、數據融合集成技術、數據挖掘提取技術、數據篩選提取技術等。大數據的特點是數量龐大和種類多樣，要想處理這種大數據，首要環節是對原始數據進行過濾抽取和集成，進而按照計算法則精細提取和處理數據。

3.2 大數據分析技術

數據分析是將數據信息進行加工出口最終形成可供決策和采取措施的結論或原因。憑借大數據分析技術，能夠從電力數據庫中提取需要的數據進行分析處理，從而為電網調整控制提供決策依據。大數據的分析處理不同于傳統的邏輯推理，是對大數據的一種統計分析和歸納，找到數據變化規律和分析數據變化原因，從而為智能調控提供支持。

3.3 大數據處理技術

智能電網的大數據處理技術包括分布式算法、內存計算技術和流處理技術。分布式技術是將較大的數據分析處理分解為若干小部分，然后將這些小部分數據處理任務分配給多臺計算機。最后將所有結果整合起來，產生規律或結論。內存計算技術是去除了數據拷貝轉移的環節，節省大量空間和時間，通過強大運算能力的計算機直接在內存狀態下對數據進行快速準確分析處理，大大節省運算時間。流處理模式類似流水線作業，接受的數據信息迅速處理并反饋結果，保證及時信息的傳遞反饋，應用于智能電網的緊急應急機制。

4 結語

伴隨著智能電網的快速發展，其融合的信息技術比重會越來越大，進而將會產生更加龐大的數據信息，智能電網將迎來真正的大數據時代。大數據時代對智能電力系統的數據處理能力提出更高的要求，因此，大數據關鍵技術的應用實踐和創新發展成為支持智能電網發展的基礎。將更強的大數據處理技術應用到智能電網中，才能不斷提升智能電網在數據管理方面的水平。

參考文獻

[1]張鵬飛，徐志宇，許唐云，許維勝，瞿海妮.面向智能電網大數據的分析挖掘與計算范式[J].電力學報，2016，02：89-94.

[2]劉廣一，朱文東，陳金祥，張逸.智能電網大數據的特點、應用場景與分析平臺[J].南方電網技術，2016，05：102-110.

[3]彭小圣，鄧迪元，程時杰，文勁宇，李朝暉，牛林.面向智能電網應用的電力大數據關鍵技術[J].中國電機工程學報，2015，03：503-511.

[4]但濤.面向智能電網應用的電力大數據關鍵技術分析[J].科技傳播，2015，20：31+29.endprint