摘要：随着大数据、云计算和智能电网等新兴技术的快速发展，大数据平台的搭建对电力企业来说具有越来越明显的应用价值。实际上，大数据技术是包含了数据的集成、存储、处理、分析和展现等多个层次的综合性技术。既可以使电力企业更加快速准确地获取相关的信息资源，又可以利用现有的数据创造出更大的商业价值，在智能电网的安全评估、预警以及更多的应用领域发挥着越来越大的作用。
关键词：智能电网；大数据平台；关键技术
早在2008年，Nature杂志就出版了大数据专题的专刊，从多个领域分析了大数据技术及其应用潜力。随着计算机信息处理技术和互联网的不断发展，越来越多的国家、企业和组织认识到大数据技术的重要性。而电力系统作为人类社会的能量供应系统，其本身就包含了大量的数据量，具有大数据发掘潜力。因此，依托大数据技术发展的智能电网，以及衍生的电力领域的不同应用，是智能电网未来发展的必然趋势。
1 智能电网大数据的基本概念与特点
虽然距大数据的概念产生已有一段时间，但业界对大数据的定义仍然存在分歧。总的来说，大数据首先应当具有规模性，即其数据规模一般应超过典型的数据分析抓取软件的适用范围；在处理速度上，应当有一种或多种新型的处理方法，可以接近于实时性地快速处理这类数据；另外，这类数据的挖掘和处理，应当可以为生产活动提供可观的价值。基于以上特点，大数据技术很快在许多领域里应用开来。在电力系统领域，由于供电系统规模庞大，其发电与传输数据惊人，且在安全、效率等方面具有很强的数据需求，因此也完全符合大数据技术的应用特征。实际上，业界所提出的智能电网概念，很大程度上就依赖了大数据技术的使用。例如智能电表的应用，其本质就是在收集和分析千家万户的用电数据及其所带来的价值。电力大数据贯穿发电、输电到用电各个环节，是智能电网的建设的坚实基础。
2 智能电网大数据平台的关键技术
2.1 大数据平台的基本框架结构
基于大数据技术，业界提出了一些具有通用意义的大数据技术平台。一般的，大数据平台都具有分布式的文件处理系统和计算技术，这样可以使更大规模的数据存储成为可能，通常可以达到PB甚至ZB级别；也使得超大规模的数据检索更为方便。基于基础的数据存储框架，可以建立起大数据访问框架和调度框架，这两类框架为数据分析提供了基础条件，基于此，更多的企业级智能电网商业应用和数据管理系统可以被开发出来。实际上，智能电网的大数据平台和常规意义的大数据平台除了数据的结构以外，其余架构差别不大。
2.2 大数据的集成技术
所谓大数据集成，就是要将来自于多个系统的数据进行合并。更具体的，就是要集成不同来源、格式、性质的数据，并将其转化为需求主体所可以参考的数据集合。一般的，电力系统的大数据可以靠扩关系型和非关系型的数据库技术，可以将数据进行很好的融合与集成。电力大数据的一个典型特点就是数据的多样性，由于数据的来源较为广泛，要保障数据的应用可靠性，就必须先对数据进行集成。常用的集成技术有以ETL为代表的数据库解决方案，其通过数据抽取、简化解决了海量数据的集成难题。
2.3 大数据的存储技术
智能电网数据中，大多数都为结构化数据，一般都可以采用传统的关系型数据库进行存储。对电网数据中存在的图像、音频、视频等非结构化数据，可以采用分布式数据库进行存储。其中，一个重要的技术是以NoSQL为代表的数据库技术，其具有良好的可扩展性，很大程度上解决的海量数据的存储难题。基于此，很多很多商业公司开发了一些专用的数据库系统，如BigTable或Dynamo等。
期刊文章分类查询,尽在期刊图书馆
2.4 大数据的处理技术
针对大数据的不同类型特点，在实际应用过程中开发了许多不同种类的处理技术。由于智能电网具有较多的数据类型，因此可以选择的数据处理技术也较为丰富。例如即时性很强的流处理技术，其将源源不断的数据组成数据流，在接收数据的同时返回已经处理的数据信息，而不对数据进行长期存储，这样一来大大减轻了大数据存储的压力；而批处理技术则属于一种并行运算技术，其抛弃了实时性，而更适合于处理大规模的离线数据，采用这种处理方法，可以大大减小数据的通信成本；另外，随着硬件水平的不断提高，类似于内存计算一类的数据处理技术也在不断的研究和应用之中。
2.5 大数据的分析技术
由于大数据具有多样性和规模性的特点，合理的数据分析技术成为了大数据技术的核心。现有的数据分析思路中，一方面是采用分类、关联分析、回归分析等针对大规模数据的特殊算法，每一类中都包含了众多各有特性的算法，需要根据智能电网的具体数据需求进行选择。大数据的处理算法与传统的逻辑推理型算法不同，其更加重视于对数据进行归类、比较，因此也更具有统计科学的特点。总而言之，就是寻找大量数据中的相关关系，相比起传统的小数据算法，其运算效率更高且结果不易受到干扰。另外，机器学习是一种面向任务的经验型算法，适合于理论模型尚不完善的经验性领域，近年来也受到了研究领域的重视。在对电力系统进行大数据分析的过程中，重点可以从数据的聚类、分类算法，以及机器学习领域进行研究。
2.6 大数据的展现技术
大数据的展现技术，顾名思义就是帮助管理人员更直观和准确地了解电网的运行状态，实现对电网的全方位监控。比较流行的大数据展现技术包括可视化技术、信息流展示技术等。在未来的应用中，可视化技术将更加广泛地应用于电网状态的实时监控，实际上可视化技术还可以结合复杂网络理论在电网的自动分层分区领域进行深入研究。除此以外，三维立体展示、虚拟现实等技术，也有望在未来进入更加广泛的应用。
3 大数据在智能电网中的应用举例
3.1 大数据在电网安全评估中的应用
大数据在电网故障预测和安全评估领域有着广阔的应用前景。尤其是在气候、地质环境等综合数据量较大的水电、风电机组中，可以依据大数据所采集的部件疲劳数据和机组使用环境参数，对机组的运行状态进行评估，并对潜在故障进行预测。采用大数据技术进行电网安全评估后，不仅可以有效降低机组运行风险，还可以一定程度上减少机组的日常维护费用。
3.2 大数据在电网灾难预警中的应用
随着电力系统的不断复杂化，电网故障也越来越难以预测和检测，且往往在发生后更加不可控，甚至由于连锁故障造成灾难性停电。因此，运用大数据监测和预测技术，不仅可以对电网中大量元件的运行数据进行实时检测，及时发现可能或已经出现故障的元件，也可以从历次故障的经验出发，对电网中的薄弱环节进行判断，从而准确地对电网的安全性进行改进。这样从事后维修和事前预防双管齐下，可以从技术角度大大提高电网的可靠性。
总结：总而言之，智能电网依据其数据量大、内容多样、类型复杂的特点，现在越来越受到大数据应用领域的重视。而传统的数据处理技术受其处理速度和精度的限制，远不能满足智能电网的发展需求。因此，如何利用先进的计算机技术，建立起可靠的智能电网大数据集成、存储、处理、分析和展示平台，是相关研究领域未来需要重点关注的问题。本文仅针对智能电网大数据的发展方向，提出了一些创新建议，对相关工作的进行具有一定的参考意义。
参考文献：
[1]刘义德,梁坚.智能电网大数据处理技术现状与挑战[J].科技创新与应用,2015(29):184-184.
[2]李杨.智能电网大数据处理技术应用现状及困境探讨[J].硅谷,2014(14):91-91.
论文作者:刘钦威,罗金满
论文发表刊物:《电力设备》2017年第32期
论文发表时间:2018/4/11
标签：数据论文; 电网论文; 技术论文; 智能论文; 算法论文; 平台论文; 领域论文; 《电力设备》2017年第32期论文;