摘要：当前计算机时代的到来，各种先进的技术被广泛应用到电力大数据分析中，在云计算的环境下，电力数据分析系统也将会面临着很大的挑战，为了能够更好地满足电力系统的生产和应用，需要充分借助云计算的优势，在云计算环境下借助电力大数据分析的相关体系结构做好电力大数据分析的工作。本文将从云计算环境下电力大数据分析技术和应用方面进行了解，提出相应的措施。
关键词：云计算；电力大数据；技术；应用
在云计算的环境下，各种先进的技术已经被广泛应用到各个行业中，云计算框架下的电力大数据分析主要是基于分布式计算框架，利用电力大数据的各种特征，设计出了各种适用于数据更新的提升技术，能够充分实现对传统电力系统的更新和改革。而且与传统的电力系统数据分析相比较，该种云计算下的电力数据分析具有很大的优势，而且云计算的技术在电力数据分析的应用中，能够有效提升对数据的查询，相应降低成本。
一、电力大数据所具备的特征
智能电网在电力发展中的快速推进和应用，推动了电力系统的进一步发展和完善。智能电网是将控制化和自动化的技术融入到传统的电力系统中，在电力系统的发电、输电和调度等的各个环节中融入大数据分析，能够有效提升电力企业生产效率，也能够在一定程度上满足客户的需求。而且当前智能电网的发展规模也是在不断扩大，其中包括智能电表已经被广泛应用到各家各户中，电力大数据也始终被作为电网智能化的支撑。电力大数据中安装到各家各户的智能电表能够通过对客户信息的统一收集，然后进行集中化的数据分析和管理。电力大数据所具备的基本特征：（1）体量大，在智能电网快速发展的情况下，智能电表和终端传感器等通过对电力数据信息的收集进行统一化的部署，其中智能电表对数据信息的采集通常是15min采集一条用户信息，那么用电记录在一天中将会新增将近上亿条的信息内容，可见存储信息体量之大。（2）电力大数据的结构类型较多，在电力大数据的应用过程中，还不断产生了各种音视频等的半结构化的数据类型，电力大数据也是同样能够兼容，实现对信息数据的有效处理。（3）电力大数据的应用速度快，电力大数据在电力系统的应用中，能够有效实现对数据极快的处理速度，而且随着终端数量系统的快速增加，存储系统能够满足数据的存储需求。
二、云计算应用的优势
云计算的应用主要是存在于一些互联网公司对大量信息计算和存储的需求，能够实现一种高效的数据处理和分析。云计算聚合了大量的数据存储和计算，能够通过虚拟化和对相应资源的有效调配实现用户的各种需求，能够有效实现按需服务，云计算中的资源支持运行过程中数据节点的增加，各个节点之间通过利用高速网络互联，能够向用户提供有效的存储资源。云计算已经成为一项成熟的技术，在一些零售、金融等行业中被广泛应用。
三、基于云计算的电力大数据分析系统
基于云计算的大数据分析技术已经是一项相对比较成熟的技术，而且在很多的行业中被广泛应用，而且其中很多的系统应用都是来源于互联网行业，能够充分体现互联网大数据时代的业务需求和特征。而且该种云计算的方式在各个行业中的应用都是对行业的大数据特征和业务的需求进行细致分析，根据当前系统存在的局限性特征，然后做好不断优化和开发工作。
1.当大数据分析处于互联网状态下时，大数据应用需要对整个数据分析系统的索引提供良好的支持，在电力大数据的分析中，对于多个区域的查询工作，如果不能有效利用索引进行查询，访问出来的数据内容大多都会是不需要的内容，而且很容易降低访问的执行性，。因此，在对某一区域进行查询时，通过设计合理的索引机制能够保证查询的准确性。互联网大数据的典型特征是能够实现多次的阅读功能，根据该种数据特征的分布情况，需要通过全部覆盖现有数据的方式达到对数据的改写目的，因此，需要在现有的数据系统中添加数据改写机制。
2.对于云计算下的电力系统应用，需要电力系统根据自身的业务发展需求对大数据系统的查询语言进行改写，能够通过对全部数据进行覆盖的方式达到对数据进行改写的目的，通常在电力数据分析系统中，大多使用的是SQL的语言编写功能，但是在实际的应用过程中，需要将SQL的语言翻译成等价的HQL语句，这就需要通过设计一种工具，对该种语言进行自动翻译，能够有效提升该种数据分析业务的迁移。当前为了能够充分满足智能电网对电力大数据的深入分析，以及对数据信息的有效挖掘，要从电力大数据业务的典型特征方面进行研究，结合云计算的行业发展前景，对云计算的电力大数据系统进行分析，研发出基于云计算的电力大数据分析系统。例如，该系统采用的是分布式并行计算框架，其中将Hive作为数据分析软件，同时结合电力大数据的特征，开发了网络文件的多维索引，对数据更新和自动翻译工具等的关键技术进行全方位的检索，将该系统应用到电力系统信息的采集方面，能够有效提升系统自身的性能，降低系统的成本。
3.电力大数据信息系统的结构
电力大数据信息系统的自身结构也是相对比较复杂的，从最初的数据采集到对数据的分析计算，通常需要经过很多的环节，智能电表对于数据信息的收集通常都是以固定频率采集数据，然后利用网络将收集到的信息发送到数据中心。其中大量数据信息的补充和采集，很容易给数据系统造成一定的访问压力，因此，将收集到的信息先放入到前置的缓冲池中，做好初期的解码处理，数据源在经过定期的数据采集外，其中的设备和人员就会构成一定的档案数据库，保存在关系数据库中，如果数据库在一定程度上发生更新，就需要将其存储在云系统中。云存储系统和档案数据库能够实现数据的同步更新，做好数据的实际查询。例如，下图1是电力大数据分析系统结构：
图1电力大数据分析系统结构
四、云计算的电力大数据分析系统的关键技术
在云计算电力大数据分析系统中应用到，Hive技术是基于Hodoop平台的数据仓库系统，能够实现对大数据的分析计算，为数据分析人员提供接口，Hive技术最初的设计是为了能够简化互联网公司对于大数据分析的难度，而且Hive技术也在性能和功能方面不断优化，进行深入扩充。Hive技术在索引的应用方面较弱，而且查询的维度较为固定。由于自身索引技术相对较差，设计了多维索引软件，能够提高查询的性能。
结语
综上所述，在云计算的网络技术发展背景下，根据云计算技术的最新发展状况，基于数据库的电力数据分析系统，在其性能和伸缩性方面到了一定的瓶颈期，基于云计算的电力大数据分析系统在其软件系统方面不断更新和发展。需要针对电力大数据分析系统的应用特点，不断优化系统自身的性能，提高硬件资源的利用效率，增强系统的应用功能。
参考文献：
[1]吴秉奇.云计算环境下电力大数据的分析技术与应用[J].淮南职业技术学院学报,2018,18(03):4-5.
[2]董华彪.基于云计算的电力大数据分析技术与应用[J].南方农机,2017,48(23):103+105.
[3]黄蕾,陶锐.基于云计算的电力大数据分析技术与应用[J].数字技术与应用,2017(02):117.
[4]王维,赵明颖.基于云计算的电力大数据分析技术与应用[J].黑龙江科技信息,2016(12):180.
[5]翟媛.基于云计算的电力大数据分析技术与应用探究[J].电子世界,2015(20):167-168.
论文作者:江流伟
论文发表刊物:《基层建设》2018年第33期
论文发表时间:2019/1/4
标签：数据论文; 电力论文; 大数论文; 据分析论文; 系统论文; 技术论文; 电力系统论文; 《基层建设》2018年第33期论文;