电力大数据关键技术的应用

电力大数据关键技术的应用

段亚青

国网山西省电力公司晋中供电公司 山西 晋中 030600

摘要：大数据时代，人们愈加趋向多样性、规模性和高速性的信息获取和信息甄别。大数据已经对人们的生活产生了深刻的影响，大数据技术也在不断地给予人们生活的便利。大数据关键技术的发展对要求与数据有关的企业进行相应技术的更新，通过应用大数据技术为不同领域的发展提供关键信息。电力企业也是如此，同样正朝着信息数字化和智能化的方向发展，在此基础上进一步改进了大数据技术的应用需求。

关键词：电力大数据；关键技术；应用

1 引言
信息时代的到来，人们无论日常生活亦或是生产都不能离开电力系统，但是其运行中会产生极为庞大的数据信息，且信息从速度和类型上都增长较快，这与大数据的特征也有相符合的地方。当前，由于电网系统的不断推进，系统内的数据资源会持续增多，甚至会出现极强的增长态势，这是传统数据处理系统很难完成的事情，所以使用大数据技术有一定的必然性。

2 电力大数据关键技术相关概述
       2.1电力大数据的内涵
       当前的电力大数据是在云计算与基础设备层上形成的数据平台，通过云计算服务访问层与应用软件的结合使用，为供电系统内部实现分层管理创造基础条件。电力大数据具有较好的通用性，因而绝大多数的电力企业也能够在大数据规划管理中获得较好的适用效果。当前的大数据规划主要是通过对分布式计算技术进行利用，保证数据查询、存储、处理等任务能够得到顺利完成。除此之外，提升智能化水平，将先进的智能设备运用到数据库构建与操作系统中，也成为拓展系统服务性能的可行手段。
       电力大数据平台的构建应当包括存储框架、调度框架、分析框架等部分，在调度框架内部序列化的传输工具、数据信息存储库、日志收集系统以及分布锁设备等也应加强注意。只有重视数据的组织与调度工作，让数据信息的准确性、效率性得到保证，才能为储存系统、访问系统等功能发挥创造前提条件。
       2.2大数据、云计算以及智能电网之间的联系
       智能电网同大数据、云计算有着不可分割的重要关联，智能电网可以将计算机技术、通讯技术、信息技术进行整合。加之原有输配电设施的协调配合，从而为提高电网安全性、效率性、经济性，缓解环境因素给供电带来的不利影响创造条件，继而打造出先进的新型电网。而大数据、云计算也是借助于网络技术的不断发展而形成的能够实现信息采集、监测、控制等功能的技术手段。其中，大数据的建立需要依托云计算功能的发挥，云计算的存储管理以及数据分析等强大的功能又能为大数据业务开辟更为便捷的路径，因而云计算也成为大数据得以实现的前提条件。总的来说，云计算、大数据与智能电网三者之间存在着相辅相成的关系，在各自发展的基础上又能促进其他技术性能的提升。

3 电力大数据的特点
       3.1规模性与多样性
       互联网、社会计算和移动计算等新兴技术的飞速发展，智能电网数据的来源和规模正呈现出爆炸式增长态势，数据类型也呈现出多样性，主要包括历史数据、实时数据、时间序列数据、及跨媒体数据等各种结构化数据、半结构化数据以及非结构化数据。目前电力系统中非结构化数据占到很大比重。
       3.2低价值密度
       在大量的数据当中找到有价值的数据概率会较低。以波形数据为例，在产生的大量波形数据中，几乎所有的波形数据都是正常数据，但是对监测、检查异常这项工作来说，有价值的数据恰恰是那些数量极少的异常数据。
       3.3实时性
       指大数据中的物理数据都是真实事物物理状态实时更新的数据，如电网调度、控制需要的数据是实时数据，需要快速而准确地处理。电力生产需要发电和用电及时平衡，需要对电力调度、设备检修等生产数据实时处理。

4 运用于智能电网中的大数据关键技术
       4.1数据分析技术
       简单来讲，大数据技术的关键是用数据替代信号，通过一系列数据处理以及数据分析的操作将数据变为信息，之后进行信息提炼，得出相关结论，为电力企业方案制定以及行动决策提供一定的参考。所以大数据技术可以分析大量的数据，发现其中隐藏的规律，利于管理者进行决策。决策对于企业来讲十分重要，其影响企业产品的生产与市场规模的扩大，只有科学决策，才能保障企业各项事务平稳运行，明确企业未来发展的方向，提升企业的核心竞争力，在消费者中树立良好的口碑，提升经济利润。德国在推广太阳能时准确运用数据分析技术，提高了决策的科学性与合理性，实现了太阳能的广泛运用，使用户将剩余的电能传输至电网中，大大提升了企业的利润，保证了企业今后的发展。
       4.2 ETL技术
       智能电网中涉及的数据并不集中，数据种类多样，数据量大，影响了数据处理工作的开展。因此，需要遵循相关标准开展数据处理工作，主要流程包括数据集成、数据抽取、数据转换、数据剔除以及数据修止。大部分电力企业会在数据集成方面运用数据仓库技术。ETL指的是“Extract-Transform-Load”，所以ETL主要包含以下三方面：Extract，其指的是数据抽取，即对数据源系统中的数据进行筛选，抽取所需目的数据；Transform，其指的是数据转换，即将数据抽取得到的目的数据依据相关标准进行转换，将其转变成其他形式，同时该过程中需要处理数据源中存在的错误及偏差，对数据进行适当的补充或者加工；Load，其指的是数据加载，即加载数据转换得到的相关数据，并将其输入至目的数据系统中进行保存。ETL技术在电力大数据集成中具有重要作用，在实际应用时，需要从多角度进行考虑，之后将该技术与其他技术相结合，提升数据集成化，推动企业的发展。

       4.3数据展现技术
       应用于智能电网中的数据展现技术主要有三种：空间信息流、历史流以及可视化技术。上述数据展示技术能够使电力企业的管理人员直接了解相关信息，例如主要的电力数据以及系统运行状态。空间信息流技术主要运用至现有GIS与电网参数的结合，如虚拟现实以及三维展示技术。将GIS运用于配电设备管理中，可以方便管理人员掌握设备运行情况，明确地理信息。将空间信息流技术运用于变电站规划时，能够提升规划效率、节约时间、降低投入成本、提升能源的利用率，进而提升电力企业的效益。智能电网中可视化技术得到了广泛应用，其主要功能是监测电网运行数据，并根据相关指令进行调整，保证电力系统的平稳运行。历史流技术主要运用至历史数据管理以及历史数据展示中。历史数据也具备一定的价值，只有对其进行分析，才能更好的利用电力系统。该技术能够实时监测电力生产过程，并能够预测负荷数据以及电网规划等，应用价值较高。所以，历史流技术能够模拟以往重大事件的发生与演变趋势，通过对其的分析掌握内在规律以及相关知识。
       4.4数据处理技术
       数据处理技术是将收集的数据按照一定的标准处理，主要分为数据分区、数据分表以及数据分库。其中数据分区指的是将通表数据存储在不同文件内，避免大型表内容过多，提升数据的访问速度，进而保证平稳运行。数据分表指的是依据一定的标准建立数据表，降低单表的压力。数据分库指的是将应用价值高的数据储存在不同的数据库内，进而提升数据利用率。另外，建立纵列式与并行式数据库能够提升数据加载速度，节约数据查询时间。比如，结合MapReduce与结构化查询语言来提升数据处理水平。

5 结语
由于智能电网的迅速发展，可以在运行期间产生海量数据，但是在大量的数据处理和分析中，若依旧沿用传统的数据处理方法不但不能满足当前时态的发展需求，也不利于企业的未来优化发展，所以就要搭建出完善的电力大数据平台，挖掘数据价值，并通过关键性技术，以提升智能电网中的电力数据水准，从而提升企业的经济效益。

参考文献：

[1]万义飞,艾徐华,陶镇威.面向智能电网应用的电力大数据关键技术研究[J].电子世界,2020(18):58-59.

 [2]虞翔.电力大数据关键技术及建设思路的分析和研究[J].电力信息与通信技术,2019(01):12-13.