2.桂林电子科技大学电子工程与自动化学院 广西桂林 541000）
摘要：随着社会主义市场经济的不断发展，在参与市场竞争的过程中，电力企业要想在满足社会电力实际需求的基础上提高自身的经济效益和竞争力，就需要积极将信息技术应用到电网建设中，通过智能电网的建设来提高电网的运营能力和水平。而基于智能电网下，要想实现对电网运行数据的有效管理，实现对所存在风险问题的有效规避，就需要在明确电力大数据关键技术的基础上，将这一技术完善的应用于智能电网之中。
关键词：智能电网应用；电力大数据；关键技术；研究
导言
在当前社会经济快速发展的过程中，用电需求的快速增长也对于现代电网建设工作提出了更高的要求。智能电网是未来电网发展的重要方向，同时也是现阶段电网发展中的一个重要的研究重点。在当前智能电网应用的过程中，电力大数据技术本身发挥着重要的作用，同时也给予了智能电网发展一个非常重要的技术支持。智能电脑发展的过程中，我们需要对于各类新技术进行科学的应用，同时充分的对于信息资源进行利用，进而完成对各类信息的有效整合。大数据技术，为整个智能电网建设和运行管理提供了非常重要的技术基础和数据支持，科学合理的对于大数据关键技术进行利用，这也是当前智能电网发展应用的一个重要的保障。
1智能电网电力大数据概述
新阶段电网基础设置很难满足信息资源日益增长的技术性要求，其中智能电网的应运而生能让数据信息的搜集、分析和存储等得到发展，但是要想让信息资源的利用效率增大，构建大数据平台能是实现其科学合理决策的关键。在这方面具十分成功的案例是Hadoop服务平台的系统构建情况，需要将大数据与这一平台进行更为有效的融合和对接，进而能更为大数据的关键新技术的作用发挥起到良好的保障作用。例如，在进行海量的信息搜集与处理的时候，能够提供电子表格数据，并利用信息分类技术，将其实用性更好的发挥出来，进而能在用户信息出来效率方面有所提升。
另外，智能电网大数据平台主要是以分布式的文件处理方式为主，为能更好的实现Pb和Zb级别的数据存储功能，可以在分布式计算机技术实现的过程中，实现P6和Zb的数据查询功能。现阶段的大数据平台涵盖的内容十分广阔，其中有功能性的模块数据，包括大数据访问与调度框架、商业智能应用模块、数据仓库等相关的数据模块。因此，大数据平台的构建需要在数据关键技术运行效果持续升高的情况下对电力领域内企业的智能化电网的实现提供有效的保障，用以提升企业的自身结构发展也能让营销服务模式的优化创新能力得到极大的提升，进而能让电力企业持续稳健的发展下去。
2电力大数据关键技术的应用分析
2.1ETL关键技术
在电力领域中，智能电网的数据具有数量多、类型广、分布分散等特点，使得数据处理工作面临着诸多困难。那么，面对如此复杂的数据，其处理工作必须严格按照“数据集成-抽取-转换-剔除-修止”这一标准流程进行操作。ETL（Extract-Transform-Load）关键技术是电力企业经常使用的一项技术，即将数据仓库技术与数据集成相结合。从ETL的名称可以看出这项技术包括三部分：Extract、Transform和Load。首先，Extract指的是数据抽取技术，就是将目的数据源系统所需要的数据抽取出来；其次，Transform说的是数据转换技术，也就是将上一步抽取出来的数据进行转换，使其形式符合相关要求。同时在这个过程中，还要处理数据源中的错误数据或者偏差，通过清洗或者加工数据来确保数据正确可用。最后，Load，指的是数据加载技术，这一技术环节就是要将上一步处理好的数据加载出来，然后保存到目的数据源系统内。在智能电网中，ETL技术是电力大数据集成的关键技术，而今后若想将其应用到企业之中，必须探索其与各种先进技术相结合的模式，来达到数据集成的科学化；此外，还应该多多考虑该技术企业应用的各种因素，以期保证企业的良好发展。
期刊文章分类查询,尽在期刊图书馆
2.2电力大数据的集成管理技术
电力大数据拥有很突出的数据增长含量，举例来说如，普及度较高的传感器网络，它的一个运作原理就是利用传感器对周围环境的感知度来收集处理相关环境信息。所谓对周围环境的感知，这类感知包含对湿度、温度等各类元素的记录、分析与处理。它的一个优势是能在收集大量信息的同时保证该信息有条不紊的分析处理。而这种分析反馈到提供商体验上，便可以作为第一手依据进行自我調整，给用户更贴近日常的服务体验。
2.3数据分析关键技术
大数据技术中，核心就是将信号转化为数据，在通过对数据进行处理和分析，将其转化为信息，通过对信息进行提炼，可以得出知识，这为电力企业的决策和行动提供有效参考和依据。因此在大数据时代下，这一技术可以深入巨量的信息数据中，从中找出隐藏的模态和规律，为电力企业决策者提供有效、真实的参考信息[3]。对企业来说，决策非常重要，关系到企业的生产运营，因此只有科学的决策，才能让企业更好的运营，更好的提供服务，为企业发展指导正确方向，实现电力企业竞争力的提高，为企业带来更多的经济利益。例如德国就使用数据分析关键技术，为其太阳能推广提供了有效、科学的决策依据，太阳能的广泛使用可以让电力用户将多余的电能输入电网中，可以有效提高电力企业的经济利益。
2.4电力大数据的数据展现技术
电力大数据的数据展现技术包括可视化技术、空间信息流展示技术、历史流展示技术等。可视化技术、空间信息流展示技术、历史流展示技术从3个不同的方面诠释了电力大数据展现技术的丰富内涵。借助电力大数据的数据展现技术可帮助管理人员更直观、准确地理解电力系统数据表达的意义，了解电力系统的运行状态。可视化技术广泛应用于电网状态的实时监控，显著提高了电力系统的自动化水平。未来电力系统可视化还可结合复杂网络中的相关理论在电网自动分层分区、自动布点等方面展开深入研究，发掘电网更深层次的规律和联系。空间信息流展示技术主要体现在电网参数与已有地理信息系统的结合上，包含变电站三维展示、虚拟现实等技术。
2.5复杂数据处理技术
2.5.1分布式文件系统
分布式文件系统能够把数据存储在物理上分散的多个存储节点上，并予以统一统一管理、分配，同时向用户提供文件系统访问接口，突破了本地文件系统在大小、数量等等方面的限制，适用于非结构化数据存储。Hadoop是一个分布式系统基础架构，HDFS（HadoopDistributedFileSystem）是基于Hadoop开发出来的一个分布式文件系统，其能够将大规模数据分割成为64兆字节的数据块，并将去存储于多个数据节点组成的分布式集群内，其具有以下应用优势：可扩展性好：当数据规模增加时，仅需在集群内相应增加数据节点即可；容错性强：各个数据块会在不同节点内存储多个副本；数据访问能力佳：通过分布式存储架构的应用，可提供高吞吐量的数据访问能力。
2.5.2分布式数据库
大数据环境对数据存储、管理、查询以及分析等功能的实现提出了更高的要求，当前分布式数据库凭借着其强大的扩展性、协同性，得到了十分广泛的应用，如：键值存储系统、文档数据库、图数据库等。Hbase是一个分布式的、面向列的开源数据库，具有高可靠性、高性能以及可伸缩特点，适用于半结构化数据的存储。HDFS为Hbase提供给了底层存储支持，Map-Reduce技术则是提供了数据处理支持，实现了对海量数据的可靠存储与高效处理。
结语
总的来说，在当前电网建设的过程中，智能电网本身的建设是整体的重要发展趋势。针对智能电网建设的相关需求，我们应该对于自身的技术水平进行更好的改善，并且引入更加先进的各类技术，让整个智能电网本身的经济价值得到更好的发挥和体现。大数据技术的应用是当前智能电网建设中的重要组成部分。科学合理的对大数据技术进行应用，可以更好的为电力系统提供相应的技术支持和保障，这也有助于整个智能电网系统的完善发展。
参考文献：
[1]张根周.大数据在智能电网领域的应用[J].电网与清洁能源，2017（06）.
[2]徐高翔，黄勇达，赵卓.云计算大数据处理技术在智能电网中分析与应用[J].科技与企业，2017（06）.
[3]张东霞，苗新，刘丽平，张焰，刘科研.智能电网大数据技术发展研究[J].中国电机工程学报，2017（01）.
论文作者:孟丹1,郑雅洁2,贺亮3,赵淑芬4,赵莉莉5,边小
论文发表刊物:《电力设备》2018年第23期
论文发表时间:2018/12/17
标签：数据论文; 电网论文; 技术论文; 智能论文; 电力论文; 分布式论文; 关键技术论文; 《电力设备》2018年第23期论文;