摘要：随着我国科学技术的不断进步，大数据、云计算技术已经成为发展方向，并且技术的成熟度越来越高，已经逐渐应用到各行各业中，本文从研究了智能电网下的大数据技术发展情况，电网依托智能电网大数据技术，在其指导下推动电力的发展，充分提高了电能的利用效率，实现资源的合理配置，这样无论在智能电网数据平台、资源配置以及在分布式控电方面都发挥着巨大的作用，实现电网智能化安全运转、监测和报警工作。
关键词：智能电网；大数据；处理技术；现状；措施
1智能电网大数据特征
在电力信息化推进过程中，电力数据种类和规模迅速增加，智能电表、智能变电站、现场移动检修系统、实时监测系统、测控一体化系统、为各个专业服务的信息管理系统的数据集合形成了智能电网大数据。依据数据来源可将智能电网大数据分为电网外部数据和电网内部数据，内部数据由电信息营销系统、采集系统、配电管理系统、广域监测系统、能量管理系统、生产管理系统、客服系统、设备监测和检测系统、财务管理系统数据构成，外部数据由公共服务部门、地理信息系统、气象信息系统、电动汽车充换电管理系统数据构成。这些数据由不同部门管理，在不同地方分布，其特性包括分布管理、分布放置。
这些数据相互影响、相互关联，之间并不完全独立，其关系较为复杂。例如用户用电情况会受到社会经济形势和气象条件的影响，电力市场交易情况和用户用电数据也存在密切联系，相关公共服务部门将电力市场数据作为决策依据，电力企业以市政规划数据为依据制定GIS数据。同时，这些数据具有种类繁多、结构复杂的特点，不仅包括大量传统结构数据，还包括非结构化数据、半结构化数据，常见的有巡检过程中图像数据、检测中获得的波形数据、服务系统语音数据。这些数据具有不同的生命周期和采样频率，可从微秒级至年度级。
2智能电网大数据技术的发展现状
2.1智能电网大数据处理技术
对于大数据技术在经济和科技发展中的巨大优势，大数据技术逐渐成为我国研究的对象，围绕着大数据的竞争已经逐渐形成，但是，现在大数据技术才刚刚起步，还存在诸多的问题，比如存储和处理能力的不足，已经严重影响了智能电网的正常运行，另外，一些关键性技术还需要改进，但是，基于云计算为主的智能电网大数据本身要具有稳定和拓展性，使用费用低，这样很大程度上减少了对数据处理软件的依赖，这样可以作为一个平台，实现智能电网的数据管理和设备检测。
2.2 云计算技术
云计算技术的应用是智能电网大数据处理的关键性环节，与传统数据处理技术相比，云计算具有强大的数据处理和运算能力，基于数据类型和分布，能够有效提高数据处理和存储的效果，提升电网运行过程中电力运行的检测能力，包括电网运行、维护、检测等众多的参数，这就要求技术性人员对数据使用进行全方位检测，实时监控。目前我国电力电网系统有效利用率很低，云计算技术的使用可以提高资源运行平台框架兼容性，提升云计算和互联网技术的联系，实现智能电网系统的最优发展。
3 智能电网大数据技术的发展策略
3.1大数据集成管理技术
在计算机领域，数据的概念是所有能够文档化的事务，其形式是多样的，包括文字、数字、图片、音频、视频等，而不同类型的数据有众多存储格式，比如文字数据有存储为文本的，有存储为文档的，有存储为 PDF 格式等；音频则有 mp3 格式、m4a 等类型。而在实际应用中，因为过去信息技术在实现不同电力功能时，多是单独进行数据捕捉和分析的，由此是多个应用在分别工作。
期刊文章分类查询,尽在期刊图书馆而在大数据技术理念下，这些在不同应用中的不同格式、不同类型的数据，需要有效地集中在一起，以统一的数据格式进行存储，以能够在后期进行合理合适地分析。也就是说，数据集成管理技术是将各个信息孤岛进行整合，形成一个数据大陆。在智能电网大数据技术领域，主要需要关系型数据库技术、非关系型数据库技术、数据融合技术、数据抽取技术、数据滤过技术、数据清洗技术等。首先在海量的数据中对一些数据进行筛选，过滤掉明显重复和无效的数据，然后对相关的数据进行有效地抽取和集成，利用实体、关系等结构化思想，将数据进行聚合与关联起来，以进一步保障数据的准确性和可靠性。近些年流行的 NoSQL 技术则实行了分布式数据存储的形式，摒弃了对关系的依赖，使得数据存储更加简单灵活，并具有相应的可扩展性。
3.2大数据挖掘与分析技术
这是大数据的核心技术。即通过一定的算法，从海量的数据中找出一定的规律，并得出具有实质性效用的结果，发现问题并解决问题。如何在大数据中找出非明显的规律，则需要计算机通过一定的方式开展关联分析、机器学习、数据挖掘、模式识别、遗传算法、神经网络、时间序列模型等技术。数据的挖掘与分析技术，根本上讲，是传统数据挖掘技术在大数据理念下的进一步发展。正是因为数据量的膨胀，并具有增长快、多元化的特性，结构多样使得传统的分析技术无能为力，只能借助更为先进的理念和技术。其一，由特征抽样选择的理念出发，使得大数据范围缩小；其二，通过聚类、分类算法的实施，使得大数据得到有效地归类；其三，利用并行算法，将数据并行化，进一步将数据的量度缩小。由此可见，借助上述三种理念，再对大数据进行传统的数据挖掘与分析，能够有效地实现大数据技术的效果。
3.3 数据处理技术
数据处理涵盖了分布式计算、内存计算、流处理等技术要素。其中分布式计算能够解决大规模分布式存储和处理的问题，其主要思路是将一个大的问题，通过分布式的方式变成小的问题；内存计算则能够高效地对数据进行读取与处理，并进一步对实时计算的需求进行满足，主要将各类信息置于内层之中，有效地摒弃了对磁盘读写的时间消耗，提升了计算效率；流处理技术则能够处理实时到达的、速度与规模不受控制的数据，在流处理技术中，其把一直涌现的数据视为水流，在经过处理后马上使其流出，不做任何逗留。这种算法比较适合实时性较强的数据处理需求，比如证券买卖。在智能电网领域，通过先进的数据处理技术，能够较好地通过对数据的掌握，进一步对电力的安全隐患技术发现，并提前解决。
3.4智能化大数据可视化分析技术
当前大数据处理中的一个重要课题就是，有效地分析和处理智能电网运行中不断生成的数据，并通过有线的屏幕向电力用户展示。大数据通过可视化分析技术能够得到有效处理，所以其在实际电网运行中得到广泛应用。可视化分析技术通过高分辨率图像、高度集成技术、交互工具，将明朗的数据处理结果提供给电力用户。科技进步过程中可视化技术发展也遇到了瓶颈，包括提取重要数据、技术扩展性、显示及图像合成等。
结论
随着时代的不断进步与发展，大数据技术的在各行各业的应用不断深入，智能电网的建设和运行环境也发生了新的变化。为了保证电网运行的稳定，提高电力营销的质量，保障用电管理工作的最终质量，就必须要将大数据技术应用到智能电网中。通过大数据技术的应用来不断地提高电网运行的质量，提高电力系统的自动化水平，为电力系统的发展提供助力。
参考文献
[1]薛禹胜,赖业宁.大能源思维与大数据思维的融合[J].电力系统自动化,2016,40(01):1-8.
[2]崔凯翔.互联网、大数据技术在智能电网中的应用[J].无线互联 科技,2016(19):33-34.
[3]徐磊,马庆峰,王庭钧.基于大数据架构的智能电网可视化平台的设计与实现[J].科技创新导报 ,2017,14(07):125-126.
[4]夏怀民,徐雄军.智能电网下基于大数据技术的电力需求侧管理探究[J].湖北电力,2017,41(04):1-4.
论文作者:李俊松
论文发表刊物:《电力设备》2018年第15期
论文发表时间:2018/8/20
标签：数据论文; 电网论文; 技术论文; 智能论文; 数据处理论文; 电力论文; 有效地论文; 《电力设备》2018年第15期论文;