摘要：当前我们处于一个数字化信息化的时代, 在各行各业的业务中数据以前所未有的速度在增长。随着大数据时代的到来以及科学技术的不断发展, 人们对数据的理解更加深入。本文基于电力企业的数据基本情况和业务要求, 探讨了电力系统中大数据的特点, 对电力系统中应用大数据技术进行探究, 以供参考。
关键词：大数据技术; 电力系统; 应用;
1 电力系统中大数据特点
随着人们从更深层次对大数据进行认识与理解, 加之考虑到电力公司的业务要求和数据状况, 在电力系统中应用大数据技术, 旨在通过挖掘数据价值, 对未来业务趋势进行有效预测, 同时整合数据的计算、存储、集成管理等功能, 从而创造出适应当前和未来发展趋势的新型业务管理模式。在电力系统中应用大数据就是, 有利于促进企业业务发展、有效提升企业内部的管理水平。
在电力系统中, 大数据表现为以下几个特征。第一, 体量大。随着科学技术的发展和现代化水平的提高, 我国电力企业逐渐朝着信息化发展, 电力数据的增长比率远远超出人们的预期。第二, 类型多。在电力系统中, 数据包括多种类型, 如半结构化数据、结构化数据、非结构化数据。非结构化数据是指那些不能用数据二维逻辑表描述的数据, 如图片、影音等, 需要对它们进行如图像识别、语音语义识别等处理后, 转化为结构化数据, 结构化数据是指那些可储存在数据库中、用二维逻辑表结构描述, 而半结构化数据介于二者之间。随着电力行业在运行过程中不断加大视频的应用力度, 使得音频和视频等非结构化数据的占比越来越重。第三, 速度快。在这里主要指电力数据的采集、处理、分析速度越来越快。第四, 电力大数据可以不受磨损、不受消耗、不受污染且易传输, 还能在使用的过程中不断得到增值。第四, 安全性。这一点要求保证数据质量, 无论是收集、存储、调用、处理、分析等的哪一个环节, 都必须保证数据的质量。整个电力系统的综合能力水平与系统的弱势环节息息相关, 电力系统大数据的安全性也取决于最薄弱环节的数据质量。在建设电力系统应用大数据技术时, 需要在各个环节上保证大数据的安全性。
2 电力系统中数据的主要类型
2.1 基础类数据
基础类数据是指与发电机、变压器等电力设施设备属性相关的数据。电力企业要根据企业自身的实际情况, 规划管理基础类数据, 同时在电力系统中更新数据, 保证调度中心所掌握的数据是最新的, 在决策时以最新数据为重要基础, 要集中存储、管理这些数据, 避免数据丢失带来严重后果。
2.2 实时数据
这一类型的数据会在电力系统运行的全过程中产生, 数据量十分庞大, 需要配备大存储容量的空间。实时数据可以真实反映电力系统的运行情况, 通过及时处理实时数据, 能够提升实时数据的使用价值, 为调度决策部门提供重要关键依据。
2.3 日常管理数据
日常管理数据包括各部门所统计的电力系统运行中产生的、处理完问题后形成的数据。在电力系统中, 日常管理数据是在特定范围内自动生成的, 通过建立共享平台共享日常管理数据, 实时反馈出电力设备设施的运行状态, 便于电力企业内各部门获取所需数据信息, 帮助本部门有序顺利开展下一步工作。
2.4 外部数据
外部数据一般来源于与电力系统相连的其他网络, 比如一次能源网络、物联网、互联网等等。这些外部数据会对电力系统的运行、维护产生重大影响。如:天气信息可以反映出风力发电站、太阳能发电站的变化情况, 对电力系统的调度产生影响;石油、天然气等的价格影响着电力市场中的电价。
期刊文章分类查询,尽在期刊图书馆把相关的外部信息纳入电力系统的大数据中, 挖掘它们潜在的意义、考察可能的应用领域。
3 电力系统中应用的大数据技术
3.1 数据的存储、传送技术
随着电网的规模越来越大、相关电力设备数量越来越多, 产生了越来越多的数据, 给监控系统造成巨大负担。为了合理存储大量数据, 可以选择不同的存储方式。如:对于历史数据和非结构化数据, 可利用分布式文件系统进行存储, 把不同类型的数据信息进行分类存储。对于存储要求较高的数据, 可以使用数据库系统。对于那些核心、保密性的数据, 可利用数据仓库系统。数据仓库技术包括三个部分, 首先是数据抽取, 即把需要的相关数据从数据源系统中抽取。其次是数据转换, 即把抽取获得的数据, 按照一定的要求转换成另一种形式, 对存在错误、偏差的数据进行清洗、加工。最后是数据加载, 即是把前面两个环节得到的数据进行加载, 保存至数据源系统。
3.2 数据处理技术
在电力系统中应用大数据技术, 需要对采集的庞大数据进行分库、分区、分表等合理处理。分库处理即指以一定的处理原则为基础, 提高数据库相关数据利用率。分区处理, 即对不同文件的数据进行合理载入, 尽可能减少大型表的压力, 提高数据的访问性能。分表处理, 即基于一定的处理原则建造不同的数据表, 降低每个单一数据表的压力。构建纵列形式、并行形式的数据库, 可以强化数据的加载性能, 加快实时查询功能。
3.3 数据分析技术
应用大数据技术的目的就是把信号向数据方向转化, 再通过数据分析, 提炼形成知识, 最后再为决策提供有效参考。在大数据的发展背景下, 在电力系统中应用各种数据分析技术, 帮助电力企业在海量信息数据中找到隐藏的规律, 建造科学的模型, 从而为决策者提供有效的信息支持, 科学的决策使企业更好地生产、经营、管理、服务, 为企业提高竞争力, 从而创造出更大的经济效益。
4 大数据技术电力系统中的应用
近年来在电力系统中不断积累了大量数据, 对电力数据进行收集、处理、存储、分析需要面对更高的标准、更高的要求。在电力系统中应用大数据技术发挥重要作用, 如:预测空间负荷。根据电网覆盖下的建筑面积、占地面积的负荷密度、容积率, 预测未来的年电量负荷。以历史大量的数据作为基础, 如:历史人口数据、历史国民经济数据、区域面积变化情况等数据, 预测该电网区域下的用电量。通过关联多项指标, 从不同的外部系统采集需要的数据, 进行进一步的分析与利用, 帮助实现规划设计。电力系统受数据储存、处理能力的制约, 在进行项目管理时由于建设现场的相关信息不能完全存储, 不能深入了解项目的细节, 不具备支持决策和自动化分析的功能, 不能有效利用这些数据。为了充分利用大数据技术, 需要提高电力系统存储非结构化数据的能力, 实现对非结构化数据的高效、准确的分析处理。在电力系统中应用大数据技术, 要发挥采集、监测电网相关设备、状态信息, 通过建模、处理、数据挖掘、分析等形成风险管控。数据的监测采集作为基础性工作, 是开展其他工作的重要前提, 需要进行全面完善, 同时, 也要深入研究、发展电力系统中的数据挖掘与决策分析技术, 提高智能化、自动化水平。
5 结束语
随着电网规模的不断扩大, 在电力业务中产生了越来越多的信息资源, 如果无法有效共享、利用这些资源, 会阻碍电力企业的发展与升级服务。在电力系统中应用大数据技术, 整合各业务、各部门的数据资源, 统一管理调度, 实现资源共享, 不断提高电力企业的运行经营效率, 强化管理能力, 最终实现企业的长久良好发展。
参考文献
[1]朱广新.大数据在电力系统中的应用研究[J].科技研究, 2014 (13) :34-35
[2]靳海涛.大数据在电力系统中的应用[J].电子技术与软件工程, 2017 (6) :22-23
论文作者:张璐1,李俊生2
论文发表刊物:《电力设备》2018年第19期
论文发表时间:2018/10/17
标签：数据论文; 电力系统论文; 技术论文; 结构化论文; 电力论文; 电力企业论文; 电网论文; 《电力设备》2018年第19期论文;