摘要：随着电力行业的快速发展，智能电网也取得了发展。而智能电网的出现，不仅使电力系统的系统管理得以实现，还使得多种新型技术在电力系统中得到了应用。然而，这些新型技术的应用，使得系统出现了大量的异构结构数据，从而促使了大数据处理技术的诞生。因此，基于这种认识，本文对智能电网大数据处理技术的现状与挑战进行了分析，以便更好进行该技术的运用。
关键词：智能电网；大数据处理技术；现状
近年来我国经济社会发展迅速，城市化建设不断进步，智能电网建设也有了一定的深入与推进，由于人们用电量的增加，电网运行，设备检测等数据量迅猛增长，给电力企业的发展带来了新的机遇和挑战，同时也对数据存储与处理技术提出了更高的要求。智能电网大数据处理具有一定的复杂性，随着科技进步数据处理速率有所提升，但是仍然存在一定的问题，应当对智能电网大数据处理技术现状进行详细分析，明确其面临的挑战，才能推动智能电网大数据处理效率进一步提升，所以本文从传输性，存储性等多个角度分析了其面临的机遇与挑战。
1智能电网中大数据处理技术的特点分析
智能电网中的大数据有着较强的特点，按照其特点进行数据的划分，可以为后期的数据处理提供较大的帮助。将智能电网中的众多数据按照其中包含的内容进行划分，其主要可以分为三种大的类型。第一，智能电网运行过程中的数据参数、对设备实时检测和状态参数等。第二，电力企业电力销售的相关数据，其中包括使用电量，电量单价和总价等。第三，电力企业对整个电力系统正常运行做出的管理数据。将这些众多的智能电网数据进行概括和分析，可以得出大数据在智能电网中具有数量大、类型多以及数据价值密度低等特点，现对这些特点进行具体的分析。首先，在当前的智能电网之中，数据的数量越来越大，而且其数量还在呈现出较大的增长态势;其次，智能电网中产生的数据类型越来越多，在智能电网中各种设备的运用，都会产生出不同类型的运行数据，设备监控数据等，使得当前的数据类型变得越来越多，也使这些数据的分析处理工作变得越来越复杂;再就是这些众多的数据之中真正具有价值的非常少，其中出现异常的数据非常少，但是这些数据出现之后将会对电网的安全运行带来较大的帮助。
2智能电网大数据处理技术发展现状
2.1智能电网中的大数据
智能电网主要由电力企业管理数据、电力企业营销数据、电网运行和设备检测数据三部分组成。其一，电力企业管理数据在整个智能电网数据处理内容中是十分重要的，但程序和内容方面较为复杂。其二，电力企业营销数据在智能电网数据中也是最为关键的一部分，为此，诸多企业都投入大量的研发资金。人们一般都将智能电网大数据划分为结构化数据和非结构化数据，随着智能电网建设和互联网的应用，非结构化数据呈现出快速增长的势头，其数量将大大超过结构化数据。电力大数据的特性满足大数据的五个特性:数据量大、处理速度快、数据类型多、价值大、精确性高。第一部分结构化数据是如今电力系统主要的数据形式，也是关系数据库中的数据；第二部分非结构化数据，是通过数据库二维逻辑呈现的数据。这也是人们越来越重视非结构化数据处理的重要原因。
2.2处理技术复杂性
智能电网大数据处理成为社会各界热议的话题，可以说成为科学技术界所密切关注和研究的问题。智能电网大数据处理与社会经济的发展密切相关。我国如百度、阿里巴巴等都投入了大量的资金进行研发和改进，促进了我国智能电网大数据处理技术的发展。智能电网大数据处理技术自身存在着复杂性，可以说，现今我们使用的智能电网大数据处理技术有喜也有忧。可喜之处是，随着我国社会各界投入大量的研发资金，智能电网大数据处理技术取得了巨大的研发成果，促进了相关技术进一步发展，在智能电网联网方面得到了一定的改善和提升。但智能电网大数据处理技术存在的复杂性决定了相关方面的发展还远远不够，据调查显示，我国数据处理能力还尚未很好地解决数据大幅度增长的问题。
期刊文章分类查询,尽在期刊图书馆我们以阿里巴巴集团旗下的支付宝为例，支付宝每日交易的数量达到了15TB；而平台每日处理的数据高达200PB，这一数据是十分巨大的，为了能够更好地处理这些数据，阿里巴巴集团在相关方面投入了大量的资金，并且也取得了巨大的研究进展和成果，获得了相应的回报。但在如今数据多样化增多的情况下，依然造成了智能电网大数据处理技术更为复杂的现状。
3智能电网大数据处理技术面临的挑战
3.1数据处理时效性
对于智能电网大数据处理技术而言，数据处理的速度十分重要。通常情况下，数据规模越大、量越多，数据处理的时间就会越长。传统的数据处理存储方法是根据数据量的大小而设计系统，在设计数据量范围内的数据处理非常快，但是对于超过了设计数据处理量时，就会造成处理系统瘫痪的可能，未能够实现处理大数据的功能要求。在未来智能电网大数据时代下，需要从发电、输电、用电等各方面进行实时数据处理。
3.2数据可视化技术
如何在有限的空间下，把海量的智能电网数据以一种容易理解、直观的方式呈现给用户是一项非常具有挑战性的工作。数据可视化技术已被证明为一种最有效的处理大规模数据的方法，在实践中也得到了很好的应用。数据可视化技术通过将数据绘制成高分辨率、高精度的图片，并通过交互工具，有效地利用人的视觉，还可以实时修改数据处理，实现数据进行定性和观察及定量分析的功能。
3.3异构数据处理技术
未来智能电网大数据存在调度、用电、配电、变电、输电、发电等多个环节数据，需要实现信息高效处理、流畅传输、全面采集等技术，支撑业务流、信息流、电力流的一体化。因此，需要实现大数据多元化异构数据信息的整合，并且建设智能电网大数据集约化配置数据中心。针对海量的异构数据构建一个模型，如何实现数据融合及有效存储和高效查询成为智能电网大数据处理异构数据亟待解决的问题。
3.4大数据传输存储技术
随着智能电网大数据发展，电力系统在设备监测和运行过程中的全部数据都被记录下来，数据量越来越大，给电网运行传输设备及存储系统造成了巨大的负担，对我国智能电网大数据处理发展形成了一定的影响。在智能电网数据存储方面，采用分布文件保存的形式，能够实现对大量数据进行存储，但对电力数据实时处理存在一定的限制。因此要对电网中大数据进行实时分析和分类存储在电网非结构化数据处理中占比非常大。目前智能电网大数据处理技术面临最大的问题就是将海量的非结构化数据转换成结构化数据。
结语
智能电网大数据处理技术水平的提高，影响着我国智能电网的建设以及经济社会的进一步发展，随着人们生活水平的提高，对智能电网大数据处理水平提出了更高的要求。目前，我国智能电网大数据主要来源于电网运行，设备监测等方面，相关技术比较复杂。同时，在数据存储与传输，大数据处理的可视化分析性，时效性技术以及异构多数据源处理技术等多个方面存在一定的挑战，应当不断对其进行改进，使其能够满足新时期经济社会发展的需要。
参考文献
[1]宋亚奇，周国亮，朱永利.智能电网大数据处理技术现状与挑战[J].电网技术，2013，04.
[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.
[3]孙峰，钱啸，曾建梁，金烨，钱伟杰，许晶.基于大数据理念的地市供电公司智能电网规划数据融合研究[J].华东电力，2014，11.
作者简介
陈科峰（1986.6-），男，重庆忠县人，电子科技大学计算机科学与技术专业，工程师，单位：四川科锐得电力通信技术有限公司，研究方向：电气工程及其自动化
论文作者:陈科峰
论文发表刊物:《电力设备》2018年第2期
论文发表时间:2018/5/28
标签：电网论文; 数据论文; 数据处理论文; 智能论文; 技术论文; 结构化论文; 我国论文; 《电力设备》2018年第2期论文;