面向智能電網的電力大數據技術

余艷偉

摘要 文章首先對智能電網中電力大數據技術的特征進行簡要介紹，隨后分析了電力大數據在智能電網中的分布情況，在此基礎上對智能電網中電力大數據的處理方法進行論述。期望通過本文的研究能夠對提高智能電網的運行效率有所幫助。

【關鍵詞】智能電網 電力數據庫 處理技術

1 智能電網中電力大數據技術的特征

大數據是一種復雜的數據集，具體是指在某個特定的時間段內，無法用常規的方式進行處理、存儲、管理和分析的海量的、結構各異的數據集合。目前，國際上對大數據尚無統一的定義，互聯網數據中心（IDC）提出了大數據所具有的“4V”特性，具體如圖1所示。

l.1 規模性

在我國電力體制改革的不斷推進下，電力系統的信息化建設進程日益加快，由此使得電力的各個方面產生出了大規模的數據，如實時狀態監測、生產運行調度、管理運營、電力用戶服務等等，不僅如此，數據也從原本的PB級增長至EP級。

1.2 多樣性

在相當長的一段時期內，我國的電力系統中所產生的數據均為結構化數據。而隨著近幾年智能電網的快速發展，一些非結構化數據大量產生，如圖像、音視頻等等，由此使得電力數據的結構呈現出多樣化的特性。

l.3 價值性

對于電力系統而言，在海量的監測數據中，存在這大量的信息，通過對這部分信息的挖掘，能夠為電力生產、運維管理和客戶服務提供有價值的信息，電力大數據中的隱藏的這些信息，不但具有經濟價值，而且還有巨大的社會價值。

1.4 高速性

數據流是電力大數據的主要生成方式，由此使其具有了如下特點：動態性、及時性和快速性。電力系統在正常運行和電能生產的過程中，需要對各種數據進行快速、有效地處理。同時，隨著網絡的快速發展，數據間的網絡化關聯愈發復雜。

2 電力大數據在智能電網中的分布

對于電力系統而言，在各個應用流程中，如電能生產、運維管理等，均會產生出海量的數據，這些數據分布在發電、輸配電、變電、調度及用電等諸多環節當中。在智能電網中，數據的結構類型有兩種，一種是結構化數據，另一種是非結構化數據，隨著智能電網的持續發展，非結構數據的增長量已經超過了結構化數據量，同時受到一些因素的影響，如設備類型、技術標準等，使得系統采集的數據存在異構性，無法對系統的綜合特征進行全面衡量，數據的價值無法獲充分發揮。在智能電網中，電力大數據主要分布在以下幾個方面：

2.1 發電側

目前，國內一些大型的發電廠紛紛開展了數字化建設，在這一前提下產生了海量的過程數據，這些數據中蘊含著豐富的信息，它們的產生來源是監測和檢測過程，由此使得這部分數據對電力設備的運行狀態評估以及故障問題檢測具有重要的作用。

2.2 輸變電側

電力系統的PMU（相量測量裝置）每天會對數以萬計的數據點進行數據采集，同時輸電網和無人值守的智能變電站的安全監測也會產生出海量的非結構化數據，如圖像、音視頻等等。

2.3 用電側

現如今，我國電網的智能化程度較之以往獲得了大幅度提升，智能電表也獲得了廣泛應用，由于智能電表可以進行雙向通信，其每天產生的數據都多達數百萬條。

3 智能電網中電力大數據的處理方法

3.1 流式與批處理技術

3.1.1 流式處理

這是一種流計算技術，在該處理方式下，數據集會以流的形式、毫秒級別連續到達，對數據進行最快速的處理并對數據進行輸出。這種數據處理方式適用于對實時性要求較高的處理過程，如配電網絡。電力配網對于數據的實時性具有較高的要求，如在線評測、設備監測以及調度等等，流式處理大數據在智能電網中比較常見的框架結構有三種，即Samza、Srorm和Spark。

3.1.2 批處理

這種數據處理方式能夠先將待處理的數據進行暫時性存儲，然后再通過計算進行處理，對于實時性要求較低的數據處理任務可以采用批處理方式進行處理。

3.2 數據融合技術

在智能電網當中存在著大量的多源數據，對于此類數據可以通過融合與集成的方法進行綜合處理。所謂的融合具體是指將數據進行多層次的分析后，融合到一起，使其形成綜合的數據。如通過對多源傳感器的數據進行綜合分析，并借助分布式系統的監測數據與社會經濟數據進行融合集成，據此對數據的潛在價值進行分析，用于指導發電、用電、調度以及電價調整等。數據融合實質上就是一個多級、多層次的分析和處理過程，是對多個信息源的關聯與整合。而數據集成則是在物理和邏輯層面，對不同來源的數據進行集中處理。

3.3 數據挖掘技術

數據挖掘是處理復雜數據結構較為有效的方法之一，由于智能電網中除了存在大量的結構化數據之外，還有很多圖像和音視頻等非結構化數據，對于后者，可以采用智能的分析方法，如模式識別、關聯分析等等，從而達到對大數據進行深層次挖掘及多維化展示的目的。通過對智能電網中的數據進行挖掘分析，能夠獲得如下信息：電力負荷、設備故障等等，可為電網的運維和升級改造提供可靠的依據。同時，可以借助智能電網在發電與用電兩個環節之間建立起一個能夠進行數據互傳的雙向信息流，由此可使供電效率獲得大幅度提升，有助于防止資源的浪費。此外，隨著智能電網中大量新能源的接入，對電網的安全、穩定運行造成了一定程度的影響，通過數據挖掘技術，可進行有效的調控，從而對電能進行合理的調度分配。

3.4 可視化處理技術

電網大數據分析可借助可視化技術展現動態、形象、三維的數據處理結果，主要通過數據建模的形式形成幾何圖元，再將其轉化為易于識別的圖像。數據可視化技術可將復雜的數據信息轉化為直觀的圖形圖像，便于人們直觀了解數據信息。在電網大數據分析中，可利用圖元表示數據庫中的數據，將其按照時間、空間等不同維度進行分配，通過集成處理構成數據圖像。這種處理技術符合智能電網大數據的應用需求，可直觀展示生產運營的相關數據信息，并且還能夠支持對外發布。經過數據可視化處理得出的數據信息，能夠全方位立體式地反映電力系統運行情況，一旦遇到異常的經營狀況，可及時發出預警信息，提醒管理人員注意。同時，可視化處理技術還可被應用于電力系統經濟發展規律的預測中，結合用電側數據分析電力行業的社會地位和社會作用。如，利用可視化技術動態展示電網數據集以電力系統與其他系統之間的關聯性，預測電力系統的的發展趨勢;利用可視化處理技術集成各區域的用電信息、用戶情況、用電特征、電價波動等情況，為電力系統進行經濟活動分析提供可靠依據;利用可視化處理技術集成天氣、能源消耗等數據信息，在電網系統友好界面顯示與電力負荷相關的圖像，為調整電力計劃提供依據。

3.5 數據存儲技術

所謂的數據存儲具體是指通過軟件對存儲設備進行整合，使其協同工作，并對相關的數據進行存儲。在智能電網中，結構化與非結構化并存，為實現對數據的有效利用，需要對不同結構類型和功能的數據庫進行協調，從而完成海量數據的存儲。目前，比較常用的數據存儲技術有以下幾種：分布式、非關系型等。前者是通過網絡共享計算機的磁盤空間，將分散的存儲資源整合成虛擬的存儲設備，從而實現對數據的分散存儲;后者沒有固定的表結構，并且也無需連續操作，正因如此，使其在大數據的存儲方面有著關系型數據庫不具備的優勢。通過這兩種技術可以對智能電網中的海量數據進行有效存儲，從而為數據的利用提供便利。

4 結論

綜上所述，隨著我國智能電網的快速發展，產生出了海量的數據信息，其中除結構化數據之外，還有非結構化數據。為保證智能電網的安全、穩定運行，可將電力大數據技術在智能電網中進行合理應用，為電力企業的科學決策提供強有力的數據支撐。

參考文獻

[1]崔曉優，饒國輝，面向智能電網應用的電力大數據關鍵技術研究[J].科技創新與應用，2017 （07）：182 -182.

[2]崔大明，李超，侯慶雷.面向智能電網應用的電力大數據關鍵技術研究[J].數字通信世界，2015 （12）.

[3]王慶斌.面向智能電網應用的電力大數據關鍵技術[J].電子技術與軟件工程，2017 （19）：168-168.

[4]蔡力軍，探討面向智能電網應用的電力大數據關鍵技術[J].科技展望，2017，27 （06）.

[5]梁正波，面向智能電網應用的電力大數據關鍵技術[J].科技傳播，2015（20）：2-2.

[6]張克宇， 淺談面向智能電網應用的電力大數據關鍵技術[J].電子世界，2016 （22）：19 3-19 3.