智能電網大數據處理技術現狀與挑戰

陳祺

摘 要：在電網的運行和管理過程中會產生海量的數據信息，將這些數據信息進行分類存儲與使用也就是我們常說的大數據處理技術。大數據技術的終極目標在于提升數據信息存儲的效率與質量，加快數據訪問和處理的速率，從而使智能電網的建設能夠更符合智能化和自動化的根本需求，彌補當前電網系統中存在的缺陷和不足，促進我國智能電網事業的深入發展。

關鍵詞：智能電網;大數據處理技術;現狀;挑戰

引言：

在進行智能電網大數據處理技術的研究中，應該從智能電網大數據處理技術的現狀入手，找到智能電網大數據處理技術的應用方式。同時了解當前智能電網大數據處理技術面臨的機遇與挑戰，進而為智能電網大數據處理技術的發展與廣泛應用奠定更加堅實的基礎。

一、智能電網大數據處理技術的現狀

所謂的智能電網大數據處理技術是當前隨著全球能源形勢日益嚴峻的情況下創設的全新技術，其最終的目標在于能夠覆蓋電力系統整個生產過程，建成電力系統運行的一體化智能化管控方案，從而使電力系統在運行過程中更具安全性和穩定性。這種技術能夠實現電網的全景實時數據的收集、存儲和傳遞，從而使其能夠成為電網系統數據處理的重要依據。隨著時代的發展、科技的進步，越來越多的先進技術被應用到智能電網大數據處理技術中，能夠滿足越來越高量級的電網運行和設備檢測的需求。而隨著云計算平臺的全面應用，大數據技術也成為了智能電網處理技術的核心技術。大數據技術能夠直接應用于智能電網系統運行的每個環節和流程，從用電端到管理端都能切實享受到大數據處理技術的優勢。比如說在進行智能電表安裝的環節中，供電企業可以通過讀取用戶的電表讀數和用電信息獲取用戶的用電習慣和消費能力，從而有針對性的制定供電服務方案，進而能夠更好的理解和滿足電力客戶的消費需求，從而能夠為完善和優化整個電力系統做出重要的參考[1]。

當前我國智能電網產生的數據主要有三種，第一種是電網運行以及設備維護升級中產生的監測數據;第二種是通過銷售獲取的營銷數據，比如說電量的交易價格，用電客戶的種類等;第三種則是電力企業的用電管理數據。而根據數據的結構與組成，這些數據也可以分為結構化數據和非結構化數據兩種。結構化數據指的是通過采集和存儲等方式存儲在數據庫中的數據信息，而非結構化數據一般是指通過數據監控系統以及圖像圖形處理系統獲取的數據。非結構化數據在近些年的增長較為迅速，根據科學調研表明，這部分的數據每年的增長量可以達到百分之60，而在電力系統中，非結構化數據也占據了相當大的比重。結構化數據在使用過程中根據處理時限的要求可以劃分為實時數據和準實時數據。一般情況而言，電網調度數據和控制需求數據都是實時性數據，這些數據需要進行實時處理，要求處理的方式較為精準。而電網系統中的狀態檢測數據對實時性要求相對較低，這些數據也就是所謂的準實時性數據。智能電網與傳統電網之間最大的區別在于其智能化水平較高，而實現智能化的最大前提即在于數據獲取的準確性和實時性。而目前智能電網中，為了能夠獲取電網運行的實際狀態，需要對大量的采集點進行數據采集[2]。當前常規的調度自動化系統大概需要配置十萬個數據采集點，而配用電和數據中心數據采集點的量級將在百萬以上，需要在多個設備上安裝設置大量的傳感器，檢測裝置會通過通信通道將這些傳感器進行有效的連接，并由變電站的數據收集服務器將這些數據進行收集、解碼和傳送至數據中心的存儲服務器上。而為了能夠定向采集多種狀態信息滿足電網的使用需求，數據采集的設備采樣頻率也越來越高。在輸變電設備的狀態檢測中，信號的采樣頻率要求在200KHZ以上，特高頻的檢測需要GHz以上的采樣率。也就是說，在智能電網大數據處理技術中，其數據監測平臺需要檢測的數據量十分龐大。為了能夠將這些數據準確完整的傳遞，要求大數據處理技術能夠有著實時性、靈活性的采樣方案[3]。

二、智能電網大數據處理技術的應用方式

在智能電網的運行過程中，大數據能夠產生于電力系統運行的的每個階段，而隨著發電廠的數字化建設，越來越多的數據被保存下來，這些數據中包含著大量有效的信息，能夠為技術人員分析電力系統運行故障和完善系統提供重要依據。而智能電網大數據處理技術在應用過程中可以在發電側通過對海量數據的建模處理，以定型的經驗和知識作為現實依據，能夠為電力系統設備的故障診斷和系統優化做出重要的參考。同時，在技術應用過程中，為了及時和準確的掌握分布式電源的運行狀態，需要采用大數據處理技術對分布式電源進行實時監測和掌握。在用電側，智能電網大數據處理技術一般會用具有雙向通信能力的智能電表進行數據的采集和處理[4]。智能化電表可以以每5分鐘的頻率向電網的管理端發送實時用電信息，從而滿足電網運行數據收集的實際要求。在智能電網中，大數據的基本特點在于規模龐大、類型眾多、價值密度較低、數據的變化速度較快等，應用過程中也要對實時數據、歷史數據、文本數據、時間數據以及多媒體數據等多種數據分類進行有效區分。同時也要注意到數據采集后價值密度低的問題，很多數據在采集后有用的數據信息占比較少，需要進行篩選和區分[5]。比如在進行視頻監控過程中，在經過高強度的監控后，需要的數據很可能只有幾秒鐘。再比如，在輸變電設備狀態監控中，所采集的數據信息大部分都是較為正常的信息，而異常數據信息占比較少，只有異常數據信息才能為狀態的維修和檢護提供依據。

三、智能電網大數據處理技術的挑戰

隨著智能電網大數據處理技術的深入發展，處理技術的應用也面臨著一定的發展機遇與挑戰。首先，大數據技術的關鍵在于數據的類型較多，數據的數量較多，會隨著時間的推移產生海量的數據，對數據傳輸設備和存儲設備造成了極大的負擔，成為了電力系統大數據處理技術深入發展和廣泛應用的最大阻礙。而將數據壓縮技術應用到智能電網數據處理中能夠有效的減輕網絡數據傳輸的數量，提升數據存儲的效率。數據壓縮技術能夠通過線性整數變換的方式實現數據的壓縮和解壓縮，通過這種方式能夠使數據自動進行歸類和劃分，從而減少存儲空間，減少CPU資源的耗費量。數據壓縮技術要求電力數據管理系統有著合適的計算平臺和存儲平臺，從而能夠完成數據解壓縮的任務。另一方面，海量的數據資源也需要更大的存儲空間進行存儲，目前常用的存儲系統為Hadoop的HDFS進行存儲。然而這些系統雖然能夠滿足數據存儲的基本要求，卻缺乏智能電網系統本身的實時性要求，需要對系統中的大數據進行深入的分析，了解數據的性能和特性，從而完成分類存儲。對于性能要求較高的數據要另外建立實時性數據庫進行存儲，提升數據調取和存儲的速度。對核心業務數據而言，要使用傳統的安全性較高的數據存儲系統，而對歷史的非結構化數據而言，要采用分布式處理系統。在這其中，智能電網大數據也可以構建多級存儲系統，從而能夠實時對通信系統中的警報信息和監測數據進行處理和反饋[6]。

智能電網大數據處理技術的另一項挑戰來自實時數據處理技術的功能性實現。對技術自身而言，其處理速度非常重要，一般來說，數據的規模越大，那么分析處理的時間就會越長。傳統的數據存儲方案是為了一定大小的數據而設計的，雖然這種數據傳輸方式也可以達到較高的速度，但是對大數據而言，其無法滿足實時性的具體要求。在未來，智能電網大數據處理技術的處理速度要求較高，要求從發電、輸變電以及用電環節都能達到實時性數據傳遞，這也是當前技術人員需要面臨的另一項挑戰。隨著智能電網大數據處理技術的普及，基于內存的數據存儲和分析系統也越來越受到業內人士的關注。這種數據處理和存儲系統的讀寫速度要比傳統數據存儲系統高出幾個數量級，能夠全面提升數據使用的速度和安全性。而在這基礎上，相應的數據查詢和調用系統也需要進行全面的優化，從而提升數據使用的便捷性。

四、結束語

在未來，智能電網的運行方式將以大數據為主進行數據分析和處理的全景化自動化實時性電網系統，而大數據處理技術也為這種數據處理方式提供了堅實的技術依托。在未來，大數據處理技術將以數據信息傳遞質量和傳遞效率作為主要的技術攻堅目標，從而提升數據傳遞的實時性，提升數據的準確性和安全性，進而促進我國電力事業的深入發展。

參考文獻：

[1]周宇晴，魏徐，劉釗，王治玲.智能電網大數據處理技術現狀與挑戰[J].數字化用戶，2017，23（45）：164.

[2]張君.智能電網大數據處理技術現狀與挑戰[J].軍民兩用技術與產品，2015，（10）：108-108.

[3]劉義德，梁堅.智能電網大數據處理技術現狀與挑戰[J].科技創新與應用，2015，（29）.

[4]李寶玉，戴羽.智能電網大數據處理技術現狀與挑戰[J].科技經濟市場，2018，（4）：6-7.

[5]于勇.智能電網大數據處理技術現狀與挑戰[J].城市建設理論研究（電子版），2015，5（28）：4696-4697.

[6]劉義德，梁堅.智能電網大數據處理技術現狀與挑戰[J].科技創新與應用，2015，（29）：184.