摘要：近年来我国经济社会发展迅速，城市化建设不断进步，智能电网建设也有了一定的深入与推进，由于人们用电量的增加，电网运行，设备检测等数据量迅猛增长，给电力企业的发展带来了新的机遇和挑战，同时也对数据存储与处理技术提出了更高的要求。智能电网大数据处理具有一定的复杂性，随着科技进步数据处理速率有所提升，但是仍然存在一定的问题，应当对智能电网大数据处理技术现状进行详细分析，明确其面临的挑战，才能推动智能电网大数据处理效率进一步提升。本文针对于智能电网大数据处理技术现状进行了简要分析与探讨，仅供参考。
关键词：智能电网；大数据处理技术；现状
随着我国智能电网建设不断深入，电网设备运行和监测产生的数据呈现增长的趋势，使电力行业步入了大数据时代。现今，智能电网大数据已经成为社会各界热议的话题，主要是因为云计算的运用会产生大量的、丰富的异构数据，为了能够更有效处理这些数据，社会各界都加大投入资金的力度。据新华社数据显示，我国百度公司在2016年一年内，在我国大数据业务方面已经投入了1000多亿元。为了能够更好地应用和处理智能电网产生的数据，我国的智能电网大数据处理的研究取得了突破性进展，智能电网大数据处理技术已经逐渐步入成熟阶段。不可否认的是，我国电网大数据处理技术还有很大的发展空间和长远的发展道路。因此，我们要了解智能电网大数据处理技术发展的现状和所要面临的挑战，才能够促进智能电网大数据处理相关技术的进一步成熟。
1智能电网大数据处理技术发展现状
1.1智能电网中的大数据
智能电网主要由电力企业管理数据、电力企业营销数据、电网运行和设备检测数据三部分组成。其一，电力企业管理数据在整个智能电网数据处理内容中是十分重要的，但程序和内容方面较为复杂。其二，电力企业营销数据在智能电网数据中也是最为关键的一部分，为此，诸多企业都投入大量的研发资金。人们一般都将智能电网大数据划分为结构化数据和非结构化数据，随着智能电网建设和互联网的应用，非结构化数据呈现出快速增长的势头，其数量将大大超过结构化数据。电力大数据的特性满足大数据的五个特性:数据量大、处理速度快、数据类型多、价值大、精确性高。第一部分结构化数据是如今电力系统主要的数据形式，也是关系数据库中的数据；第二部分非结构化数据，是通过数据库二维逻辑呈现的数据。这也是人们越来越重视非结构化数据处理的重要原因。
1.2智能电网大数据处理技术的复杂性
随着经济社会快速发展，人们的用电需求逐渐增加，这也对电力事业提出了更高的要求，智能电网大数据处理技术迎来了全新的发展机遇，在各行各业得到了广泛的应用。首先，智能电网大数据处理影响着我国社会经济的发展和经济效益的增加，许多商家都对其进行了大量的资金投入，并且对其进行了一定的研究与改进，希望提高智能电网大数据处理速度。但是智能电网大数据处理技术比较复杂，尽管已经对其进行了大量的投入与研发，但是仍然无法满足经济社会快速发展的需要。比如近年来发展迅速的电子商务行业，其每日交易量都十分巨大，所以电子商务行业投入了巨大的人力物力对相关技术进行改进，保证交易正常进行，但是在交易量较大的时段仍然会产生数据不能及时处理的状况。智能电网大数据处理技术复杂性制约了我国经济社会进一步发展，应当积极引进先进科学技术，借鉴国外发达国家的发展经验，促进我国智能大数据处理水平的提升。我们以阿里巴巴集团旗下的支付宝为例，支付宝每日交易的数量达到了15TB；而平台每日处理的数据高达200PB，这一数据是十分巨大的，为了能够更好地处理这些数据，阿里巴巴集团在相关方面投入了大量的资金，并且也取得了巨大的研究进展和成果，获得了相应的回报。但在如今数据多样化增多的情况下，依然造成了智能电网大数据处理技术更为复杂的现状。
期刊文章分类查询,尽在期刊图书馆
2智能电网大数据处理技术面临的问题
2.1数据处理时效性
对于智能电网大数据处理技术而言，数据处理的速度十分重要。通常情况下，数据规模越大、量越多，数据处理的时间就会越长。传统的数据处理存储方法是根据数据量的大小而设计系统，在设计数据量范围内的数据处理非常快，但是对于超过了设计数据处理量时，就会造成处理系统瘫痪的可能，未能够实现处理大数据的功能要求。在未来智能电网大数据时代下，需要从发电、输电、用电等各方面进行实时数据处理。
2.2数据可视化技术
在处理大量数据的过程中，能够以一种比较直观的方式呈现在人们面前，是一种比较巨大的挑战。这种可视化的处理方法已经在实践中被证明是一种比较有效的处理方法，并在实际的数据过程中被广泛应用。这种技术能够在智能电网的实际运行和维修中满足对数据的处理。一个典型的数据集可达TB数量集。如何从这些庞大复杂的数据中快速而有效地提取有用的信息，成为智能电网应用中的一个关键技术难点。可视化通过一系列复杂的算法将数据绘制成高精度、高分辨率的图片，并提供交互工具，有效利用人的视觉系统，并允许实时改变数据处理和算法参数，对数据进行观察和定性及定量分析。这方面的挑战主要包括可视化算法的可扩展性、并行图像合成算法、重要信息的提取和显示等方面。
2.3异构数据处理技术
未来智能电网大数据存在调度、用电、配电、变电、输电、发电等多个环节数据，需要实现信息高效处理、流畅传输、全面采集等技术，支撑业务流、信息流、电力流的一体化。因此，需要实现大数据多元化异构数据信息的整合，并且建设智能电网大数据集约化配置数据中心。针对海量的异构数据构建一个模型，如何实现数据融合及有效存储和高效查询成为智能电网大数据处理异构数据亟待解决的问题。
2.4大数据传输存储技术
随着智能电网大数据发展，电力系统在设备监测和运行过程中的全部数据都被记录下来，数据量越来越大，给电网运行传输设备及存储系统造成了巨大的负担，对我国智能电网大数据处理发展形成了一定的影响。在智能电网数据存储方面，采用分布文件保存的形式，能够实现对大量数据进行存储，但对电力数据实时处理存在一定的限制。因此要对电网中大数据进行实时分析和分类存储在电网非结构化数据处理中占比非常大。目前智能电网大数据处理技术面临最大的问题就是将海量的非结构化数据转换成结构化数据。
结语
我国智能电网系统的应用广度与深度在不断加强，大数据处理技术逐渐成为维护电网智能安全运行的一项重要手段。然而随着电网智能运行的不断发展，其在大数据处理一致性、隐私性、实时性等方面也面临着相应的挑战，未来智能电网的主要依托依然是大数据处理分析技术，因此，相关人员要积极探索相应的措施和手段，不断提升大数据信息系统的操控能力，做好数据的搜集和实时监控，不断完善大数据技术的相关内容，从而让智能电网大数据技术得到更好的应用，让其成为电网发展的重要支撑。
参考文献
[1]宋亚奇,周国亮,朱永利.智能电网大数据处理技术现状与挑战[J].电网技术,2013,37(4):927-935.
[2]邓炜瑛.智能电网大数据处理技术现状与挑战[J].中外企业家,2015(2X).
[3]李杨.智能电网大数据处理技术应用现状及困境探讨[J].硅谷,2014.
作者简介：
梁爽（1983.8-），女，湖南源陵人，江西师范大学法学学士，单位：国网江西省电力有限公司南昌供电分公司
论文作者:梁爽
论文发表刊物:《电力设备》2017年第33期
论文发表时间:2018/4/19
标签：电网论文; 数据处理论文; 数据论文; 智能论文; 技术论文; 结构化论文; 我国论文; 《电力设备》2017年第33期论文;