大數據技術在電力行業中的應用

文/馬俊明 包樂慶 申富泰 李泊愷

近幾年，隨著經濟水平的不斷提升，我國電力市場需求量不斷增加，當下居民對電力生產以及運輸提出了更高要求，在保證正常生產的前提下還需要做到高效、安全和穩定。大數據技術的產生與應用便可以達到以上目的，也是現階段我國電力行業研究的主要內容之一。因此，對大數據技術在電力行業的應用研究有著鮮明現實意義。

1 大數據概述

隨著云技術以及物聯網技術的出現以及應用，IT行業已經迎來了第三次變革，就目前信息技術的發展情況而言，正在朝著大數據挖掘角度進行衍變，數據信息的存儲以及處理特點發生了明顯的變化，最終表現為數據信息數量巨大，種類繁多，并且在數據多樣性的基礎之上還表現出了數據的非一致性。此種背景下，傳統數據處理方法以及處理體系所能發揮的作用逐漸降低，因此必須從實際角度出發，開發出一種契合時代大體量數據分析以及處理的技術，籍此，大數據技術被發明并且應用。從該類技術的實際應用情況而言，大致可以將其體系分為四個部分。分別是應用服務層、數據分析層、數據計算層以及數據存儲層。

1.1 數據存儲

大數據技術中的數據存儲，主要采用分布式存儲方式進行，就實際應用情況而言，可以完成大規模數據存儲要求，并且可以保證數據存儲吞吐率，降低存儲中的數據故障。具體存儲內容可以概況為以下幾種：

（1）數據存儲基本路線為行存儲以及列存儲，或者是采用二者融合形式進行存儲。

（2）立足于存儲實際情況而言，數據信息將會被存儲在多個設備當中。

（3）為保證存儲質量，存儲設備需要被連接在高速網絡當中。

（4）為保證數據查詢效率與質量，需要建立一個分布式搜索引擎。

雖然大數據技術在實際應用過程中，數據存儲效果良好，但是仍然存在一定的局限性，具體內容為：

（1）當下技術手段雖然可以建立起一個穩定的數據結構，但是建立的數據結構較為單一，并不能支持復雜數據結構建立。

（2）數據的調度技術尚且不完善，而不適當的調度將會增加數據結構承載力。

（3）數據存儲過程中所應用到的列存儲技術尚不完善，有待進一步優化。

1.2 數據遷移

隨著社會的進一步發展，產生的數據信息量逐漸增加，為保證各類數據信息可以正常應用以及分析，最終引入了大數據技術。在大數據技術中，為確保大體量數據遷移正常，又引入了平滑遷移概念。就目前實際應用情況而言，平滑遷移主要分為兩種形式，第一種是追日志法以及雙寫法。其中追日志法的應用較為廣泛，本文以此種方法為例，對大數據技術中的數據遷移技術進行簡要論述。

追日志遷移方法的應用大致可以分為五個步驟，具體可以總結為以下內容：

（1）服務將會進行升級，并且記錄清晰庫上的數據修改內容，這些內容便是數據的日志，記錄不需十分詳盡。

（2）記錄完成之后需要對數據遷移工具進行構建，要求其與離線遷移工具相同，可以完成數據日志新到舊的遷移。

（3）數據遷移所采用的格式為單獨形式，因此需要構建一個日志解讀工具。

（4）為保證數據追評質量，需要構建一個校檢工具。

（5）數據校檢比對完成之后，進行數據舊庫到新庫的遷移。

2 電力行業大數據技術應用分析

就目前我國電力行業基本情況而言，對于大數據技術的應用仍然處于初期發展階段，大多集中在一些基礎電力設施的融合應用之上，例如常見的數據收集以及電表配置等。當下，大數據技術在電力行業中的應用，正在朝著大體量電力數據的分析與處理方向發展，其基礎核心是完成數據信息中的商業價值以及生產價值信息提煉。

2.1 用電需求分析與預測

大數據技術在電力行業中的應用，最為明顯的應用內容便是用電需求分析。實際應用形式可以總結為以下內容：電力行業將會以SG186營銷業務相關標準作為基礎，并且結合我國電力應用情況、自然環境、社會環境以及政策環境，構建一個大數據電力用戶欠電模型，這樣就可以通過實時檢測，獲取電力用戶數據，之后通過對數據的分析知曉電力用戶電費回收風險，以及導致電費回收失效的具體原因。此種背景下，電力企業的事后管理將會與事前以及事中管理達到融合，相比于傳統電力管理工作而言，更加高效合理，進一步提升了電力費用回收質量，保證電氣企業營銷績效考核可以順利完成。

以上作業形式可以看做是一種電力客戶分析，在分析過程中又可以達到電力用戶的細分，可以幫助電力企業更加直觀的了解電力客戶，這樣就可以做到差異性服務，進而提升電力服務質量。目前，電力行業對電力用戶的劃分方法較為多樣，既可以按照部門方法進行劃分，也可以按照用電目的進行劃分，或者是按照用電數量進行劃分。以上劃分方法大多都屬于一種定性劃分方法，其中帶有著鮮明的市場管理色彩，總體而言缺乏統一性以及規范性，并沒有立足于電力用戶角度進行綜合考慮，這也是實際應用過程中，雖然可以進行應用，但是最終取得效果較為一般的主要原因。鑒于此，就需要應用大數據方法對電力用戶的電力使用情況進行細分，結合電力用戶具體行為以及分布情況等內容構建分析模型，實現智能配電。

2.2 用電異常診斷

就目前發展情況而言，國網對于電力信息的采集要求正在不斷提升，并且實際業務部署已經業務發展也在追求一種高效之下的創新。電力信息采集范圍正在不斷擴大，最終表現為采集數據信息較多，業務種類多樣化等特點。例如我國甘肅、浙江以及山東等地的電力用戶數量已經達到了1000萬級別。此種背景下，傳統電網信息系統暴露出整體性能下降等問題。

除此之外，在電力系統建設規模的不斷提升背景之下，數據的分析與采集需要做到更加精準，在線數據分析要求進一步提升。例如，在經濟利益的影響之下，竊電技術逐漸完善并且應用范圍逐漸擴大，此種背景下，想要單單依靠現場檢測，進行竊電排查無法達到目的，但是只要存在竊電行為，電力電流以及電壓數值就會發生波動，而得出數據波動的依據便是大數據技術的應用。大數據技術在實際應用過程當中，將會對電表以及電壓互感器等相關電力設備進行實時監控，然后對監測的數據進行分析，對比智慧庫中的標準數據，這樣就可以實習對電力系統的全面檢測，促使檢測工作逐漸智能化。

2.3 電網負荷預測

立足于電網建設實際內容而言，想要保證電網建運行效率，就需要對電網負荷進行合理預測，這樣才能保證電力活動質量。也正是因為此種原因，現階段的電力建設十分注重預測模型的研究，希望可以提升預測模型質量，提升預測效率與精度。在模型的構建中，主要遵循以下原則：尋找出影響用電質量的因素，然后對因素產生的影響量化度進行分析。實際檢測過程中，可以根據負荷預測度對象，將預測形式分為兩種，一種是系統負荷預測，另一種是母線負荷預測。根據預測時間，可以將電網負荷預測分為超短期、短期以及超長期負荷預測。不同負荷預測形式所具有的預測特點并不相同，因此在大數據預測分析也存在一定差異性。

對于短期系統負荷變化的影響，可以發現氣溫和地區類型的影響都比較顯著，當天氣劇烈變冷/變熱時，將有大量采暖，降溫負荷投入運行。除此之外，就目前我國電網建設情況而言，系統中很多分布式非統調發電最終被歸納到了負荷側，而分布式發電量受地理、氣象等因素的影響較大，因此分布式發電是導致母線負荷誤差的主要原因之一，隨著智能電網的建設，分布式發電的比例將不斷擴大，對母線負荷的影響也更加顯著，急需引入大數據技術更精確地預測變電站所覆蓋地區的負荷變化。對于中長期負荷預測，還需要考慮人口、國民經濟、用地類型等多種社會因素，才能更為精確地預測未來較長時間的負荷。

3 結論

總而言之，大數據技術是新時代背景下所產生的尖端技術，尤其是在計算機技術以及網絡技術廣泛應用的背景下，該類技術在工業生產以及人們生活中發揮的作用更加明顯。立足于電力系統而言，大數據技術不僅可以提升的系統穩定，還可以保證電力營銷質量以及電網運行安全，可以說是當下電力行業建設的主要動力。