（国网山东省电力公司嘉祥县供电公司 山东济宁 272400）
摘要：电力资源的高效利用是进行电力大数据特征研究的目标，电力大数据源于千家万户，用于千家万户，根据用户的应用需求，对电力资源进行数据分析和挖掘，从而全面提高用电保障和用电服务质量。电力资源预测是电力系统的重要组成部分，通过电力资源预测，可以发现电力使用的高峰与低谷，从而进行更合理的供配电，为广大群众提供用电保障；通过电力资源预测，可以找到电力发展水平与地方经济发展水平的关系，从而保障边远地区的电力建设投入；通过电力资源预测，可以了解电力基础设施使用状态，当预测结果突然与之前存在较大变化时，可以通过排除发现基础设施故障或问题。因此，建设电力资源预测系统具有重要的现实意义。
关键词：大数据；电力预测系统；应用
1电力系统中的主要数据类型
1.1基础类数据
该类型数据是指与变压器、发电机等电力设施设备属性相关的基础数据。电力企业要根据自身实际情况，规划和管理基础类数据，并在电力系统中同步更新数据，确保调度中心掌握最新数据，并根据最新数据作为正确决策。同时，还要集中存储、整理这些数据，避免数据丢失。
1.2实时数据
该类型数据产生于电力系统运行的全过程中，其数据量十分庞大，要求配备大容量的存储空间。实时数据能够如实反映电力系统运行状况，通过对实时数据进行纠错处理，可进一步提升实时数据的使用价值，为调度部门决策提供依据。在现阶段的电力系统中，无需对实时数据进行再处理，而只需将稳定接口建立在数据输入与输出过程中。
1.3日常管理数据
该类型数据是各部门统计电力系统运行中产生的各类数据，以及在处理完问题后形成的数据信息。在电力系统中，日常管理数据会在特定范围内自动生成，并在电力系统建立的数据同步与共享平台上进行共享。通过对日常管理数据的共享，可如实反映出电力设施设备是否处于正常运行状态，同时还能便于电力各部门获取所需数据信息，为本部门工作的有序开展提供依据。
2电力预测系统主要功能
电力大数据包括电网建设数据、电力设备数据、电力营销数据及电力客服数据等。电网建设数据是描述电网建设项目的建设现场信息，如基建图片等；电力设备数据是描述各种设备状态信息，实时记录并用于准确识别设备数据的质量；电力营销数据是描述智能化、互动化的服务数据，如用电信息采集和计量、电量检定配送等；电力客服数据主要指从智能互动网站、业务支持系统和基础支撑平台三个渠道所收集的服务数据，包括档案、交易和GIS等结构化数据，还有一些语音、文本、图像等非结构化数据等。
电力负荷预测是以电力负荷为对象进行的一系列预测工作。从预测对象来看，电力负荷预测包括对未来电力需求量（功率）的预测和对未来用电量（能量）的预测及对负荷曲线的预测。其主要工作是预测未来电力负荷的时间分布和空间分布，为电力系统规划和运行提供可靠的决策依据；电力市场预测主要是通过对电力市场现状及电力市场过往的发展进行综合的分析及评价，从而科学、有效地对电力市场的未来发展方向及市场变化趋势作有效的预判；生产危险预测根据发电厂、输电线路、变配电设施和用电设备等电力生产中每项工作的作业内容、工作方法、设备环境、人员素质等情况进行分析，查找出有可能发生事故的危险点进行提前预测；电力灾难预测指电力系统受冰风暴、地震等自然灾害及其它电力事故影响而引起的电力瘫痪等现象的预测。面向大数据的电力预测系统的建立，能有效促进电力平衡，转变电力生产方式，促进电力产业升级，优化电力系统资源配置，化解电力供求矛盾。
3面向大数据的电力预测系统体系结构
面向大数据的电力预测系统与普通的评价系统相比，以电力行业的多源数据为基础，更需要大数据的处理和分析能力，综合供电质量、服务质量和客户满意度等多方面进行供电服务品质的评价。由于电力大数据来源广泛，存储分散，同时对数据维护的稳定性、健壮性要求较高，因此其电力预测系统的架构设计需要在信息系统的架构基础上，专门针对该行业的特性进行设计，综合考虑电力大数据的类型、评估系统的功能及电力大数据的安全和数据处理等要求，其系统架构主要如图1所示。
图1 面向大数据的电力预测系统架构
系统架构主要分为数据存储层、数据分析层和数据预测层。各层次相互协作，最终完成电力数据从采集、分析至预测的全过程。其中，数据存储层充分体现了大数据处理系统的特点，通过系统的数据录入与采集将电力行业数据收集在一起，同时提供数据交换平台，以适应现阶段跨行业、跨地区、跨级别之间的数据相互交换。该层次数据综合了电网建设数据、电力客服数据、电力设备数据、电力营销数据等多种来源，而这些数据又具有不同的存储类型和存储要求，同时电力大数据往往存在于不同的数据中心，这些数据中心通常是分级地存储了各电站和服务机构的电力数据，因此，数据层需要通过分布式存储及数据交换平台的技术，将所有电力大数据进行综合的过滤与应用，最终将结构化和数据读取频率较高的数据存至数据库与数据仓库，而将非结构化、数据访问量较低的数据存至分布式文件系统。
其次，数据分析层主要针对电力大数据进行一系列的数据分析和挖掘，是这个系统的技术核心部分，也是将数据转化为信息的重要步骤。数据分析层结合了基本的系统处理功能及数据分析挖掘技术，系统处理功能部分主要包括用户客理、安全管理等常用的管理工具及手段，通过这些信息系统常用功能，保障该系统的基本运行和协作。面对大数据资源的庞大数据量，需要对系统资源采取虚拟化管理，将数据进行资源的池化，以更适应接下来的预测工作，满足预测算法运算时对内存、磁盘、网络等需求。数据分析层体现了大数据处理技术的关键步骤在于其一系列的数据挖掘技术的应用，在该系统中主要体现为常用的数据预测方法的整合，包括弹性系数法、负荷密度法、时间序列法、趋势外推法、专家经验法、回归分析法、灰色模型法等。使用者对数据进行预处理后，可以直接在系统中选择合适的算法进行相关预测工作。
4电力预测流程与方法
面向大数据的电力预测系统整合了多种电力数据源，集成了多种常用的数据预测算法，能够通过系统有效地提取电力数据特征，并用于预测分析，具体流程如图2所示。
电力大数据来源于电网建设数据、电力客服数据、电力设备数据和电力营销数据等，不同的预测内容需选择不同的数据来源，如电力负荷预测，通常选择电力营销数据；生产危险预测则通常选择电网建设数据和电力设备数据；电力需求预测和电力市场预测需综合考虑电力客服数据和电力营销数据；电力灾难预测则需要综合所有数据进行全面把控。
选择数据源后，需对这些数据进行预处理，包括数据的清洗、缺失值的补充、数据归一化等，预处理后的数据再次存入数据库形成二次数据。数据算法的选择和使用均在此基础上进行。系统充分利用自身数据进行预测结果的评估，因此，需要将数据分为训练集和测试集，最终的预测结果也需要经过有经验的专家进行评估，也可以重新选择新的算法，并将多种算法预测的结果进行综合，最终输出预测结果。
5结论
综上所述，电力系统的运行稳定不但关系到社会生产，而且还与人们的日常生活息息相关。随着电力系统的不断运行，其中的各类数据信息大幅度增多，通过对这些数据的合理利用，能够在一定程度上提高系统的运行稳定性。由于电力系统涉及的内容较广，限于篇幅，本文仅从谐波治理、电力规划和系统建设管理这三个方面，对大数据的应用进行了论述。在未来一段时期，可对大数据技术在电力系统其它领域中应用的研究予以加强，借此来推动我国电力系统的持续发展。
参考文献
[1]孔繁钢,吴越波.基于大数据的电力营销业务主题预测及应用研究[J].企业管理,2016,S1:192-193.
[2]邵冬冬.基于大数据分析的电力短期负荷预测研究与开发[D].华北电力大学(北京),2016.
论文作者:刘瑾
论文发表刊物:《电力设备》2017年第13期
论文发表时间:2017/9/19
标签：数据论文; 电力论文; 系统论文; 电力系统论文; 负荷论文; 客服论文; 电网论文; 《电力设备》2017年第13期论文;