摘要：传统的数据处理技术已经无法解决爆发式增长的电力数据，导致智能电网无法跟上市场变化，阻碍着电力行业的发展。根据智能电网中大数据处理的特征，提出了电力大数据占有的绝对优势，并从数据分析、数据管理、数据处理和数据展现多种关键技术进行分析，研究电力大数据在智能电网中的应用效果，对电力系统的发展起着必不可少的因素。
关键词：电力大数据；智能电网；关键技术
0引言
随着我国电力行业的迅速发展，行业内相关的电力数据呈爆发式增长。以电力大数据为基础的智能电网，可提升智能电网系统的运行速率，提高企业的供电效率，保证用户的用电质量，从而使电力系统更加安全稳定[1]。因此，研究面对智能电网的电力大数据关键技术，对实现电力系统的稳定、推动社会经济的发展具有重要意义。
1 智能电网中大数据的特征
电力系统一般包括发电、用电、调度以及生产管理等环节。大数据具有强大的信息采集与存储功能，基于电力大数据的智能电网具有数量大、多元化、速度快、准确率高和价值性高等特征
1）数量大。我国不断普及智能电网，增加各个网络节点的设备数量，电力数据资源非常巨大。在分析并处理这些数据时，基于电力大数据的智能电网可高效进行搜集与分析。
2）多元化。传统电网的数据结构比较单一，且数据分析方式无法适应数据的快速变化，需要不断地对电网进行改革。而基于大数据的智能电网涉及到生产管理与营销等系统，包含结构化和半结构化等多种数据类型，对这些系统的建立都要利用大数据技术，引进先进技术以及设备来实现电力大数据的多元化。
3）价值性高。智能电网内部的电力数据可以反映电力行业的整体运行规律，对电力系统的运行以及管理起着指导作用。电力系统的外部特征反映了国家经济以及社会的发展状况，可为未来电力行业的发展奠定基础，具有很高的潜在价值。
2 电力大数据的优势
电力大数据能够通过网络技术对数据进行分析与处理，具有很强的数据存储功能，它与互联网也是紧密联系的。电力大数据能够利用软硬件等设备，如存储设备、移动终端和服务器等，来为智能电网提供相应的服务。传统的数据存储空间有限，且存储状态不稳定，可能造成数据丢失、排列失序等情况。电力大数据在计算机网络技术的支持下，对电力数据进行分析与处理，将数据分门别类地规整在一起，有序排列，提高了数据的稳定性。智能电网对数据分析处理的速度有很高的要求，分析数据的快慢、处理效率的高低是衡量数据分析处理能力的重要指标。电力大数据需要通过繁琐的计算，分析数据信息，高效地处理信息，并设备预警模式，为之后的电力工作打下坚实的基础。
研究传统的数据处理平台可知，传统的数据处理平台具有同构性等技术特点，且所有资源采用同种类型的接口，这种规模状态是很难达到的。电力大数据在解决智能电网数据处理的问题上具有很多优点，充分利用电力大数据来解决智能电网发展的问题，可更好地推动电力行业的发展。
3 面向智能电网的电力大数据关键技术
智能电网需要对数据进行采集、分析与处理，还要解决一些无法处理的文件、故障图片、监
控视频等，因此需要相对较高的技术水平才能实现。面对智能电网的电力大数据关键技术包括数据分析技术、数据管理技术、数据处理技术以及数据展现技术，本节主要对这些关键技术进行研究。图 1 所示为电力大数据在整个电力系统中的作用示意图。
图1 电力大数据的关键技术
3.1 电力大数据的数据分析技术
智能电网的电力系统内部的存储数据巨多，而存储功能可能会影响内部资料进而无法发挥其本身的价值。通过使用数据分析技术，可在之前的内部存储系统上进行优化，从而提高对数据的处理能力，保证数据处理的效率与质量。电力系统的在线跟踪、智能决策以及自动识别等功能都可以采用在线安全分析技术来实现。下面将分别介绍这几种技术类型。
1）多维索引技术。之前的智能电网使用的是Hive 系统索引技术，这种技术的功能较少，很
难满足电力大数据的信息搜集与管理要求，浪费了大量的 CPU 资源，降低了电网数据分析的效率。目前，电力大数据需要具备多维度的查询功能，并固定每个查询维度，维度可能存在轻微的变化。
2）混合存储技术。现代的电力数据含有多种类型的数据，实时更新的速度很快，无论是数据删除还是数据重构，都会占用大量数据资源。混合存储技术可借助主表与附表的辅助，实现实时更新记录数据的功能，并根据数据运行要求，合理地分配数据存储的位置，来实现对资源的最大化利用。
3）分层次处理技术。在智能电网中，对信息的搜集、存储以及应用等都使用一体化的管理方式。分层次处理技术可对数据进行综合处理，保证电力系统之间的关联与独立，对实现大数据管理系统结构化管理具有重要作用。
3.2 电力大数据的数据管理技术
智能电网大数据具有多样性，在清洗和过滤数据信息时，需要充分保证数据的质量，因此电力大数据的数据管理技术融合了多种数据处理技术，如数据融合技术、数据集成技术、数据
清洗技术、数据过滤技术和数据提取技术等，能够从海量的数据中提取出来有效的数据信息，并整理好数据之间的关系，形成一种统一的数据结构体系。电力数据统一公共模型是标准的数据模型，这种标准模型建立在准确、全面解析数据的基础上，使数据更立体、更形象。通过数据描述与视图的方法，可以实现数据之间的共享，使数据交换变得更加方便，为整个电力系统的扩展提供了基础。
3.3 电力大数据的数据处理技术
电力大数据的数据处理技术一般包括分布式计算技术、流处理技术和内存计算技术等，分布式计算技术主要是用来解决大数据内部分布式预处理的问题，其主要的适用范围如图2所示。
图2 数据处理技术的适用范围
云计算一般通过互联网将企业内部和 IT 上的应用转移到云端，并构建一个云端的资源库；互联网的计算处理技术可以对数据内部的程序进行拆分，形成易于分析的小程序，进而利用分布式服务器对数据进行计算，并通过通讯设备将分析计算的结果反馈给用户。
4 电力大数据在智能电网中的应用
随着社会科技的进步，电力大数据技术不断发展，电力系统的稳定性不断提高，因而得到了广泛地应用。电力大数据的处理技术朝着可视化的方向发展，使电力数据展示的方式变得更加多样，这也对电力系统提出了更高的要求。电力大数据技术可以依据谐波数据分析其产生的原因，预测谐波对电力系统造成的风险，进而为谐波治理提供更加切实可靠的依据。
在完成谐波数据的存储与计算后，需要对谐波进行风险评估，可进一步保证电力系统的安全性。目前我国智能电网还是会出现电网故障。电网大规模的停电，会给人民的生活和经济带来很大的影响，这种大规模的停电现象，往往是由于电路中某一元件发生事故，而没有得到及时控制造成的。以运行数据、电网拓扑等为数据的基础，通过算法的模型层以及业务逻辑推理分析，建设一种能够有效保护大数据关键节点和薄弱环节的智能电网。
5 结语
在智能电网快速发展的背景下，合理有效地利用数据信息，能更好地推进我国社会经济的发展。结合实际将电力大数据的关键技术应用在智能电网中，充分发挥电力大数据的技术优势。
在未来电力系统发展的过程中，电力大数据分析技术会应用得更加普遍，其中的可视化数据处理技术更是重中之重，对未来电网的发展有重要影响。在目前电力的发展中，仍然存在很多的问题，为更好地提高电网的服务质量，保证系统的稳定运行，推动社会的经济发展，还需要不断加大对电力大数据分析技术的研究与利用。
参考文献
白浩[1] 王辉，郝丽丽，黄梅，等.基于电压薄弱环节识别的配电网供电恢复策略[J].电力电容器与无功补偿，2020，41（5）:158-163，170.
[2] 白浩，袁智勇，梁朔，等.基于大数据处理的配网运行效率关联性分析[J].电力系统保护与控制，2020（6）:61-67.
[3]李峰，陈松波，顾洁，等.基于大数据结构方程模型及分位数回归的用户需求响应分析[J].
电力科学与技术学报，2019，34（3）:120-128.
发布评论