摘要：在大数据技术背景下，利用营配信息聚合，强化智能电网建设，显著提高配电网络供电能力，有效降低实际损耗及电力传输成本，增加电力企业经济收益。因此利用边缘计算、云计算等大数据处理技术，深度学习、深度强化学习等大数据分析技术，充分挖掘电力数据价值，同时增加配电网的智能化设备是全面支撑电网行业改革发展的重要力量。本文基于面向智能电网的电力大数据分析技术探讨展开论述。
关键词：智能电网；云计算；深度强化学习；
引言
随着智能电网的快速建设与发展，海量电力数据不断增加，常规软件工具无法捕捉和处理这些数据集合，大数据技术及信息化建设在电力系统中的发展与应用就显的尤为重要。没有充分融合信息系统的传统电网物理架构，没有利用先进大数据分析技术的电力数据应用成果，都不能满足智能电网建设的发展需求。但是，单纯的在传统物理电网中加入信息系统，又容易造成电网的运行、控制、分析的相互割裂，单纯的利用传统物理电网离散的电力数据进行分析，又不能体现新处理模式下的强决策力和洞察力。将智能信息化与电力大数据分析技术融通，推动自动化电力传输网络信息能发挥更大价值。
1智能电网中的海量数据信息
随着智能电网在实践中的不断发展，产生了海量的电力数据，并体现出了以下几个特征；第一点，数量大，智能电网在输配电全过程节点的控制和监测，使得数据指数级增加，例如在输电网，采集各种开关信号量，遥测信息等，实时更新，并随着电网负载量不断的增加，所形成的数据量极为可观；第二点，高速化，在智能电网大数据技术广泛应用的今天，智能设备让测量升级，例如智能电表采集量从15分钟缩短到1秒，1台智能电表采集用电信息数据量从3.34M增加到11.74G，其能在电网超负荷运行的前提下，依然保持在用电高峰时段的平稳运行，。第三点，多样性，智能电网利用通讯，遥感等技术充分收集设备、用户等各类数据，除了传统的电量、时间等结构化数据，例如网络日志、地理位置等非结构化数据也不断增多，丰富了数据资源类型[1]。这些精确、多样的电力数据大大提高了电网的可靠性，有效支撑故障研判和供电策略调整。
但是当前智能电网大数据技术还处于研究运用的探索阶段，拓展电网结构的多元化，不断更新大数据分析技术更适合当今社会的需要和发展。在近几年科学技术发展过程中，智能电网中的大数据技术应用是电力行业发展的重要趋势，首先，智能电网是将计算机技术、通信技术、控制技术等先进技术与物理电网高度集成的新型电网，加上大数据分析技术来实现电网的透明化，除此之外，面向智能电网的电力大数据技术，通过端与端的交互，实现电网行业的智能化和现代化的进程。当今是数据爆炸的时代，电力数据作为电力行业宝贵的数据资产，只有加强大数据分析与应用，加快成果落地推广，才能实现电力企业价值，促进社会高速、高效、高质量发展。
2智能电网中的大数据处理技术
智能电网建立在集成、高速双向通信网络的基础上，通过对先进的传感技术、先进的测量技术、先进的设备技术、先进的控制方法以及先进的决策支持系统技术的应用，满足电网的可靠、安全、经济、高效等一系列基本要求。近年来，智能电网中的云计算、边缘计算等数据处理技术运用不断完善，并应用在数据采集、整理、分析、传输和存储各个环节，是当前社会研究主要内容。
随着智能电网的发展，云计算技术在电网中体现出较好运用性，能满足大量电网数据信息存储和传输的需求，有研究指出，智能电网控制主站主要依靠云计算技术和物联网来实现的，基于大数据平台的电网系统，在云计算技术支持下，完成数据备份和整合等，可实现资源管理全面展开，有着较好的可靠性和扩展性。随着万物联网的推进，智能电表、智能家电等智能设备不断增加，边缘计算使数据能够在源头近端就能得到及时处理，这种模式不用将所有数据集中传输到同一个地方，绕过了网络延迟的阻碍。从电网建设实际看，当前云计算、边缘计算技术已广泛运用在数据存储和处理上，能保证电能供应规划的实时调整，能对用户需求和消费等有关数据进行准确分析，从而保证各项系统作业的开展有对应的分析数据支持。
期刊文章分类查询,尽在期刊图书馆
3电力大数据分析技术的实际应用
3.1深度强化学习分析技术
深度强化学习（DRL）是一个新的研究热点，它以一种通用的形式将深度学习（DL）的感知能力与强化学习（RL）的决策能力相结合，并能够通过端对端、的学习方式实现从原始输入到输出的直接控制，结合高纬度的电力数据输入，在复杂数据分析和决策控制的任务中，有更好的突破，也可以预测故障和允许计划干预的能力，减少故障时间和运营成本，更好地分析常规电力数据与清洁电力数据之间的内在联系，从而找出两者的契合点，提高供电质量，更好地开展相关的电力工作。例如在合并电网运行的过程中，清洁电力资源的不稳定性、谐波的电力影响、线损的影响、电磁不兼容、变压器的规格等等，这些问题都会直接影响到电网运行的质量与安全。在合并电力资源的时候，就可以合理的发挥出深度强化学习的优势，找出解决清洁电力资源的不稳定性、谐波的电力影响、线损的影响、电磁不兼容、变压器的规格等问题的处理对策。从而开展科学合理的电力调度与电力合并，逐渐形成智能电网的雏形，促进我国智能电网安全有序的发展建设。
3.2秘密共享技术
该技术是指将原始数据切割成多个碎片，将这些碎片交给不同组织同时保管，只有同时掌握所有碎片信息，才能对数据属性有全面、整体的了解，并能对数据碎片进行重构分析。在智能电网环境中进行数据采集及存储时，由于用户数据管理等服务是由第三方提供的，因此，有必要采用秘密共享技术，保证数据信息运输及存储环境的安全。通常情况下，会将机密数据进行分解操作，利用多个服务器保管数据信息，数据使用者只有具有所有服务器使用权限时，才能获取有关数据碎片，加上秘密整合后，得到完整数据信息。这种做法一定程度保障了数据安全，是智能电网设备信息、用户隐私等数据保护中重要的技术之一。
3.3ETL技术
随着电网信息化的发展，数据融合技术在智能电网CPS中起到了关键的粘合剂作用。智能电网CPS要保证高效可靠安全运行，在大数据分析ETL技术应用的时候，首先就是开展Extract的数据采集工作，将电力数据信息按照分类进行高效的采集，然后在Transform工作环节对采集的电力数据信息进行一定的转化处理。大数据分析技术针对特定的编码数据流进行分析，无法直接对电力数据信息进行分析，必须对电力数据信息进行合理的转化，从而使得电力数据信息具有一定的可读性，更好地发挥Transform分析环节的工作优势。最后就是进行Load环节的数据装载，通过将分析处理好的数据流进行条目的装载，确保每一个分析的结果都装载到对应的数据源中，安全有效地完成ETL处理分析技术的全部工作环节。目前ETL技术是构建智能电网的核心技术组成之一，通过对ETL技术的合理应用，可以充分发挥该技术优势，提高我国电力系统的整体运行效率。
结束语
当前社会是信息化高速发展的时代，电力行业也全面进入智能电网时代，构建智能化的电力网络系统，利用大数据分析技术，实现电网数据可视化、电网负载趋势预测、设备故障预测等应用。在智能电网的背景下，实现设备的可联、可看、可控，缩短与电力用户的距离，充分利用电力大数据处理和分析技术，强化全面感知和分析能力，快速反馈输配电各环节运作情况，并进行事前预测，提高电玩运营稳定性和克劳性，充分体现了智能电网结合大数据分析技术给电力行业带来的巨大突破。
参考文献:
[1]白云飞.智能电网领域的大数据应用[J].集成电路应用,2019,36(09):40-41.
[2]胡波,李宏亮.基于大数据技术下智能电网系统设计[J].微型电脑应用,2019,35(08):91-94.
[3]冷喜武,李平,霍雪松,张誉龄,张琦兵,封波.智能电网监控运行大数据分析系统统一建模方法研究[J].电力大数据,2019,22(07):48-54.
[4]马景行.智能电网建设中大数据技术的应用分析[J].科技资讯,2019,17(19):23-24.
[5]王龙,朱孜.浅析智能电网大数据技术发展[J].通讯世界,2019,26(06):224-225.
论文作者:王慧,卜晓阳,郭瑞英,潘雨晨
论文发表刊物:《电力设备》2019年第16期
论文发表时间:2019/12/6
标签：电网论文; 数据论文; 智能论文; 技术论文; 电力论文; 大数论文; 信息论文; 《电力设备》2019年第16期论文;