電力大數據多元數據采集監視技術研究與應用

郭峰

摘要：大數據時代的到來，為我國社會主義經濟的發展帶來了機遇與挑戰，人們生產生活水平的不斷提高，極大的促進了電力行業的發展，這使得電力系統中產生的數據也迅速增長，大數據技術在電網安全穩定運行的決策過程中起到的作用越發重要，然而各類數據的采集與集成的復雜度高穩定性差，缺乏有效的監視手段，成為制約大數據技術應用的一個主要障礙。

關鍵詞：電力大數據;多元數據采集;監視技術;研究應用

引言

大數據技術在現代社會生產生活中都顯現出極大的應用優勢，以大數據云平臺作為重要基礎，作為電力行業采集電力能源信息與數據的重要手段，將能夠起到積極效果。電力行業持續穩定發展過程中，廣泛應用多種云計算技術和大數據技術手段，良好適應了用電信息采集系統不斷產生的大量數據信息分析和利用需求。

1電力大數據多元數據采集概述

在“能源互聯網+新電改”的背景下，以智能電網為代表的電力技術不斷與以云計算、大數據為代表的信息技術融合，改變著電力企業的生產經營方式。隨著智能電網建設的不斷推進，作為電網用電側信息獲取及用電控制重要途徑的用電信息采集系統（以下簡稱“采集系統”），產生的大數據日益劇增。面對海量的用電數據，如何快速挖掘出有價值的信息，指導企業發展并服務社會民生，成為當前研究的熱點。

2電力大數據多元數據采集監視技術研究與應用

2.1在線損管理中的應用

利用電力數據采集系統探析用戶是否存在竊電行為，可有效提升防竊電工作質量。為明確臺區高損原因，各單位對竊電用戶表進行了分析，發現竊電這一違法事件主要出現在開蓋時間、電壓異常等事件當中。其中最為常見的是開蓋事件。電力企業利用采集系統采集、統計用戶用電信息及電表開蓋事件，可確定存在異常情況用戶地址、事件發生時間、發生次數等數據信息，這對電力企業明確竊電用戶、制定有針對性處理措施、降低線損十分重要。通過對海量數據的分析，可減少工作人員現場排查時間、提升工作效率。

2.2實時數據處理

采集接口收到邊緣側發送的數據包后，首先解密數據包;其次，采用deflate解壓算法對數據進行解壓操作，通過PROTOBUF實現數據的反序列化，并將數據寫入到緩存中;最后，數據通過旋轉門壓縮算法寫入HBase。第一，采用PROTOBUF對數據進行序列化和反序列化，提高了多種編程語言、數據轉換的性能和效率，并且支持代碼生成機制，數據解析類可根據配置文件自動生成，降低網絡傳輸的數據量。第二，采用deflate算法壓縮數據，可以對數據進行無損壓縮，減小單次傳輸的數據包大小。第三，采用3DES算法加密數據包。該算法屬于對稱加密算法，特點是算法公開、計算量小、加密速度快和加密效率高，可以保障數據傳輸過程中的保密性。第四，在數據入庫前，采用旋轉門算法壓縮實時數據，減少數據占用的存儲容量。

2.3負荷預測

以大數據云平臺作為支撐，采集用電信息與數據，可以實現精準性、全面性負荷預測工作，準確預判出配電變壓器的實際運行狀況，從而制定出一系列科學合理性的配變重過載應對策略，有效保障整個電網系統的安全穩定運行。在預測日負荷的過程中，同樣需要使用到回歸分析方法，歸一化處理好原始數據。想要得到準確可靠的預測結果，需明確好日負荷預測值的各項關聯性因素，如氣溫、PM2.5以及降雨量等。實際預測活動進行中，能夠積極使用到帶動量梯度下降BP神經網絡算法、趨勢外推法以及灰色模型等方法。在開展電力運行負荷預測工作的過程中，還能夠實施臺區超載預測和過載預測活動，形成關于過載與超載臺區的明細，為有效實施科學合理的應對工作提供重要前提支持。

2.4智能索引

統計和動態展示模塊需要快速地檢索HBase數據庫中的數據，然而HBase數據庫需通過行鍵訪問，這種訪問方式與常規檢索通過關鍵字對數據列查詢的模式不一致。為了解決這個問題，系統采用基于ElasticSearch組件的關鍵字檢索為分類統計和用戶界面展示等模塊提供服務，通過ElasticSearch將HBase數據庫中經常被訪問的列按照數據標簽建立倒排索引，并封裝數據檢索微服務。統計程序和界面實時檢索調用微服務，后者通過輸入的關鍵字調用Elas-ticSearch檢索功能獲取行鍵后再訪問Hbase數據庫獲取相關數據返回調用者。

3電力大數據多元數據采集監視技術發展趨勢

3.1電力能源大數據及能源互聯網

電力企業可依據新智能電能表建立用電監控系統，加強對配電網荷儲的控制，為用戶提供智慧、穩定供電服務。同時，電力能源大數據的應用可提升配網設備利用率，這對降低企業運營成本、推動企業穩定發展十分重要。電力企業可利用大數據采集系統采集電動汽車充電、放電情況，若發現異常自動上報，這對保證電動汽車及用戶安全具有重要意義。為實現這一目標，電力企業應加強與電動汽車廠家相關服務工作的合作及溝通，實現各方數據共享。利用數據采集系統可采集電動汽車余電量、目的地等數據信息，并對這些數據信息進行分析，提醒用戶及時到距離最近的充電樁充電，為用戶提供優質使用方案。隨著科技的發展，光伏發電設施建設規模、建設數量在持續增多，光伏發電、用電數據急劇增多，此時電力企業應建設智能用電終端用于采集這些數據。將海量數據與電力企業多個信息化系統結合在一起，可為用戶提供光伏智能選址、并網接電、線上結算支付等多項服務。

3.2智慧電能和運維搶修方面

電力能源大數據的實現，能夠為電力行業的長遠穩定發展提供重要基礎，還能夠給電力用戶帶來更為高效優質的服務。借助于電力能源大數據，針對用戶的實際用電習慣進行分析和研究，獲取關于用電時長混合用電負荷類別的信息，盡可能從全貌角度描述好用戶信息，結合用戶用電需求推送出一些及時性的、高耗能設備用電信息。還能夠在實施大數據分析的基礎上，制作出設備監控圖表，結合以往歷史數據信息，詳細準確判斷出突發故障問題，并形成工單報送給附近的維修人員，大幅度提升搶修效率，減少斷電時間。

3.3多表合一

通過互聯網、大數據等技術，對以往水、電、氣、熱的數據進行統一整合，從而實現集中抄表、聯合收費、用能管理等綜合能源服務，讓居民切實享受到“一鍵式查詢、一張卡交費”的一站式網絡化服務。采集水、電、氣、熱數據，一方面，監測上述能源損耗情況，分析不同類型用戶用能情況和竊能可能性，為能源企業挽回經濟損失。另一方面，基于采集的能源數據，進行未來用能的預測分析，為居民迎峰度假提供用電服務。

結束語

綜上所述，基于采集系統，發展電力能源大數據應用，是推進智慧能源發展的重要方向。通過采集電力大數據，能夠提升電網穩定運行和智慧服務水平。研究了采集數據在負荷預測、線損管理及大氣污染防治等方面的應用，創新性地提出了基于采集系統，建立大數據云平臺，提高線損治理成效;與環保部門等共享數據，利用BP神經網絡算法等大數據分析方法，顯著提升負荷預測準確性。采集數據還可與光伏、車聯網等多領域共享數據，進一步挖掘能源大數據的價值，服務社會民生和經濟發展。

參考文獻

[1]閆龍川.電力大數據面臨的機遇與挑戰[J].電力信息化，2020，11（4）：1-4.

[2]張沛，楊華飛，許元斌.電力大數據及其在電網公司的應用[J].中國電機工程學報，2020，34：85-92.

[3]商皓，雷明，馬海超.電網供應鏈大數據應用規劃方法研究[J].中國電力，2020，50（6）：69-74.