摘要：伴随电网技术的飞速发展，信息通信系统作为智能电网的中枢系统，促进了新时代电网的生产与管理方式的飞速发展，迎来了电力大数据时代。在大数据时代，电力系统中每天持续增长的数据量与信息量，对电力系统的信息处理水平有了更高的要求。现有的信息处理水平不能满足智能电网的需求，只有将电力大数据关键技术应用在智能电网的数据处理系统中，才能达到更为强大的数据处理、分析、存储和集成管理水平。
关键词：智能电网；电力大数据；关键技术
一、电力大数据的特点
1.1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。
1.2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。
1.3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。
二、智能电网、云计算和大数据的关系
2.1智能电网与大数据的关系
智能电网就是将信息技术、计算机技术、通信技术和原有输、配电基础设施高度集成而形成的新型电网，具有提高能源效率、提高供电安全性、减少环境影响、提高供电可靠性、减少输电网电能损耗等优点。智能电网的理念是通过获取更多的用户如何用电、怎样用电的信息，来优化电的生产、分配及消耗，利用现代网络、通信和信息技术进行信息海量交互，来实现电网设备间信息交换，并自动完成信息采集、测量、控制、保护、计量和监测等基本功能，可根据需要支持电网实时自动化控制、智能调节、在线分析决策和协同互动等高级功能，因此相关研究者指出：可以抽象的认为，智能电网就是大数据这个概念在电力行业中的应用。
2.2大数据与云计算的关系
从技术上看，大数据根植于云计算，云计算的数据存储、管理与分析方面的技术是大数据技术的基础。利用云计算强大的计算能力，可以更加迅速地处理大数据，并更方便地提供服务；通过大数据的业务需求，可以为云计算的发展找到更多更好的实际应用。云计算使大数据应用成为可能，但是没有大数据的信息沉淀，云计算的功能将得不到完全发挥，所以从整体上看，大数据与云计算是相辅相成的。
大数据关注重心在于数据背后的信息沉淀与业务分析，因此其推动力量来源于拥有大数据的企业和软件厂商；云计算关注重心在于计算能力，偏重于技术解决方案，因此其推动力量来自于计算资源和存储资源的生产厂商。云计算技术的发展早于大数据技术的发展，但是大数据的业务需求又为云计算技术的发展带来新的机遇，一方面促进了云计算技术向更加贴近用户需求的方向发展，另一方面带来了更高处理速度、更大存储容量的要求。
期刊文章分类查询,尽在期刊图书馆
2.3智能电网、云计算、大数据的相互关系
智能电网、云计算、大数据三者之间的相互关系如图1所示。
云计算能够整合智能电网系统内部计算处理和存储资源，提高电网处理和交互能力，成为电网强有力的技术组成；大数据技术立足于业务服务需求，根植于云计算，以云计算技术为基础；智能电网可以抽象的认为是大数据这个概念在电力中的应用，所以三者是彼此交互的关系。
三、智能电网的电力大数据技术
3.1网架发展规划
冷热气三联技术实现了能源的阶梯利用，能源利用效率高、环境污染小、经济效益好。电动汽车的兴起将会显著提高能源末端电力消费的占比，充换电站将会像加油站一样分布在城市的每个角落。传统的电网规划数据来源渠道不足，数据分析挖掘能力欠缺，因此造成规划过程中面临着众多不确定性因素的现象，特别是现在新技术不断涌现，能源结构不断发生变革，使得传统的电网规划方法往往与实际需求差别较大。电网规划的过程中，需要利用大数据技术综合考虑多种因素如分布式能源的接入、电动汽车的增长趋势、电力市场环境下为用户提供个性化用电服务等，多类型、海量数据的引入，可以有效减少电网规划过程中的不确定性，使得整个规划的过程更加合理、有序。
3.2负荷波动及新能源出力预测
负荷预测作为电网电量管理系统的重要组成部分，其预测误差的大小直接影响电网运行的安全性及可靠性，较大的预测误差会给电网运行带来较高的风险。随着电网采集数据范围增加，利用大数据技术可以将气象信息、用户作息规律、宏观经济指标等不同种类的数据，通过抽象的量化指标表征与负荷之间的关系，实现对负荷变化趋势更为精确的感知，提高预测精度。
分布式发电的不断接入，特别是新能源渗透率的不断增加，打破了原来电网运行管理的模式，不但需要考虑负荷侧的波动，还要计及新能源出力的间歇性。在我国，新能源接入主要受制于两个因素：①新能源大多分布在电网末端远离负荷中心，网架结构较为脆弱，从而造成电网接纳能力较弱；②新能源预测误差较大，目前风电出力预测日前和实时的误差分别为20%、5%左右，这样就会给电网调度带来较大的挑战。利用大数据技术，可以有效提高新能源出力的预测精度，如丹麦的维斯塔斯风力技术集团，在风电出力预测时采用了IBM的大数据解决方案，在风电出力预测时加入了地理位置、气象报告、潮汐相位、卫星图像等结构化及非结构化的海量数据，从而优化了风力涡轮机布局，提高风电发电及预测效率，获得了较为可观的经济效益。
3.3数据集成管理技术
电力大数据的数据集成管理技术，包含关系型和非关系型数据库技术、数据融合和集成技术、数据抽取技术、过滤技术和数据清洗等。电力大数据的来源极其广泛，数据类型极为繁杂，且数据质量不高，准确性、及时性均有所欠缺，对于这种多源异构数据的聚合管理技术也提出了更高的要求。首先必须对数据源的数据进行抽取和集成，现有的数据抽取与集成方式主要是基于ETL引擎的方式和基于搜索引擎的方式等，首先把数据抽取成文件，再对数据文件进行转换和清洗，最后生成多维度、多粒度的分析型数据并存储到数据仓库中。
结语
本文阐述了智能电网中大数据的数据特点以及应用价值，重点介绍了目前智能电网中大数据聚合管理、分析处理以及数据展示的关键技术，为我国智能电网大数据处理提供参考。
参考文献：
[1]乔茂斌.面向智能电网应用的电力大数据关键技术[J].资源节约与环保，2015.
[2]但涛.面向智能电网应用的电力大数据关键技术分析[J].科技传播，2015.
论文作者:杨淑鑫,杜世军
论文发表刊物:《电力设备》2017年第10期
论文发表时间:2017/8/8
标签：数据论文; 电网论文; 智能论文; 技术论文; 电力论文; 能源论文; 实时论文; 《电力设备》2017年第10期论文;