摘要：智能电网的发展带来了数据类型和规模以前所未有的速度和方式不断增长，同时，信息一物理融合技术的发展，带来了爆炸式增长的数据，这标志着电力系统己经进入了大数据时代，因而加大了电力系统信息平台存储、管理和分析处理数据的难度，而现有的物理硬件和技术能力难以适应智能电网大数据分析和控制的需求。
关键词：智能电网；大数据平台；关键技术
引言
电力大数据贯穿发、输、变、配、用等电力生产及管理的各个环节，是能源变革中电力工业技术革新的必然过程，不仅是技术上的进步，更是涉及电力系统管理体制、发展理念和技术路线等方面的重大变革，是下一代电力系统在大数据时代下价值形态的跃升。对建设坚强智能电网而言，函需开展大数据相关技术的研究，为电力大数据时代的到来奠定理论基础和技术积累。
一、智能电网大数据特点
根据数据来源的不同，可以将智能电网大数据分为电力企业内部数据和电力企业外部数据。电力企业内部数据源主要包括广域量测系统、数据采集与监控系统、在线监测系统、用电信息采集系统、生产管理系统、能量管理系统、配电管理系统、客户服务系统、财务管理系统等：电力企业外部数据源包括气象信息系统、地理信息系统、互联网数据、公共服务部门数据、社会经济数据等。这些数据分散放置在不同地方，由不同单位/部门管理，具有分散放置、分布管理的特性。
智能电网大数据结构复杂、种类繁多，除传统的结构化数据外，还包含大量的半结构化、非结构化数据，如客户服务中心信息系统的语音数据，设备在线监测系统中的视频数据与图像数据等。这些数据的采样频率与生命周期也各不同，从微秒级、分钟级、小时级，一直到年度级。
二、智能电网大数据平台及其关键技术
1、数据处理方式
从大数据存储处理方面来看，主要为流式处理和批处理两种。流式处理是一种流计算技术，数据集以流的形式毫秒级别连续到达，最快速地处理数据输出数据。它适用于对实时性有要求的处理过程，电力系统的配电网对实时性有一定要求，例如数据的在线评测、设备监测、调度等问题，Open PDC对时间序列的数据进行实时处理己被应用在电力企业中。目前流式处理大数据的三种框架为Storm，Spark和Samza；而批处理技术则将数据暂存然后进行计算处理，适用于对实时性要求不高的任务，例如，批处理模型Map Reduce。目前，智能电网具有多量测点、运行快速、对于时效性以及关联性要求极强，所以如何有效的将现有的大数据处理应用于智能电网的大数据处理中成为关键。
2、多源数据融合技术
对多源数据进行综合的方法是数据融合与集成，融合是将数据进行多层次的分析融合，将其逐步综合。例如将来自多源传感器的数据综合分析，利用来自电力系统复杂的分布式系统的监测数据同社会经济数据融合集成。分析潜在的价值，指导发电、调度、用户用电、电价调整等行为。数据融合即多级、多层面的分析处理过程，实际上是将多个信息源的数据进行整合、检测、关联、相关、估计及组合等。数据集成是在逻辑和物理层面上将不同来源的数据进行集中，为用户提供统一的视图。在传统关系型数据库中有数据仓库以及数据联合等方式不能够满足流式处理和搜索应用的高新性能的要求，因此未来的研究方向是将数据集成和流式处理等大数据技术结合。其中，数据仓库由提取（从原系统中选择、抽取和收集重要的数据）、变换（将提取的数据通过一定的规则转换为标准格式）、装载（将提取变换之后的数据导入最终存储）三个步骤组成。
期刊文章分类查询,尽在期刊图书馆
3、数据挖掘分析
智能电网数据的挖掘处理是将复杂结构、类型繁杂、数据量大的结构化和非结构化的数据进行高效的分析处理的方法。目前，结构化数据的特征提取、数据挖掘分析、统计分析等方法己应用广泛。对于非结构化的数据视频、音频和文本是研究的热点，需要采用智能的分析方法，像机器学习、模式识别、关联分析等从而达到对大数据进行深层次的挖掘，和多维化的展示。对智能电网中的数据进行分析，可以得出负荷、故障等信息，有助于电力系统的维护运行、升级更新等工作的开展。例如美国加州大学洛杉矶分校将用户的分布、实时的用电信息、温度天气等信息集成融合于一张“电力地图”中，可以直观的感受各街区人用电量以及建筑物对用电量的关系，为电力部门提供了有效的负荷数据。智能电网大数据中分析挖掘隐含的普适现象来进行预测和评估或者将数据抽象建模，再进行分析假设仿真模拟来发现知识。提供给各类人员，来提升人们对智能电网的整体感知。我们利用智能电网将发电和用电之间建立起双向信息流，增强之间的交流互动，提高供电效率，避免资源浪费的情况出现。例如，智能电表的出现，改变了这一现状，德克萨斯公司的智能电表间隔15min读取一次用电数据，缩短了采集数据的时间，节省了人工抄表的费用，根据用电数据的分析，采用分时分段计价的方式，对用电高峰及低谷采取分段计价，间接引导用户避开高峰用电。对各个系统产生的数据进行端对端的挖掘分析，将各业务层联系在一起，发现某种模式规律，来指导用户的用电行为，为用户指定合理的节能方案，为企业电力调度提供科学依据，对电网合理利用资源起着重要的作用。随着新能源陆续接入电网，像间歇式可再生能源这些具有共同特点是具有间歇、随机、不可控、与气候紧密相关等特性。其接入给电网带来了一定的影响。通过运用大数据分析技术，对其进行有效的调节控制，合理的调度分配电能，同传统的能源进行有效的结合。
4、数据可视化处理
可视化为电网大数据分析带来新思路，通过图、表、动画等方式来展现大数据处理结果，主要过程是将数据建模即映射成物体的几何图元，再丰富即将图元转换成成图形或着图像。以友好的方式表现出来。数据可视化是利用图形图像等形式描述复杂的数据信息，合理良好的可视化可以使人们对数据信息有更加直观和立体的理解。将数据库中每个数据项作为单个图元表示，并且构成数据图像，根据不同的维度（时间、空间等）来对数据进行集成处理分析智能电网大数据的可视化既要符合生产和运营的需求，还要达到对外支持的要求。可视化能够整体、全方位的表现电力系统生产、运行、经营等方面的数据状态，当出现特殊状态或者预警状态时，能够及时、快速的被运行人员和管理人员发觉。数据可视化能够呈现电网系统发展的全景，从而呈现用电侧数据和经济发展的变化规律方向，体现电力行业在社会经济发展中的重大作用。例如给出电网数据集的全景，表现高维的、动态的数据数据价值以及未来的发展变化趋势，体现相关系统间的关联；展现用户的用电数据，例如电价的波动、用户用电特征以及各区域的用电情况。将这些与用户息息相关的数据呈现出来；对电力负荷的展示，和相关的因素例如天气、温度、可替代新能源等数据。可见智能电网的数据友好化展示中可视化得到广泛的利用。
结语
智能电网大数据数据量大、类型多样、数据特征复杂，同时业务应用需求场景多，且存在交叉融合，对现有数据处理方式和平台提出了很高的要求，需要采用新的大数据处理技术来支撑。随着智能电网的发展，数据将成为核心资源，大数据平台将承载智能电网众多各类型应用，其基础作用将越来越重要。
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]赵腾，张焰，张东霞.智能配电网大数据应用技术与前景分析[J].电网技术，2014，38（12）：3305-3312.
[3]化柏林，李广建.大数据环境下多源信息融合的理论与应用探讨[J].图书情报工作，2015，16：5-10.
论文作者:白卫东
论文发表刊物:《电力设备》2017年第4期
论文发表时间:2017/5/16
标签：数据论文; 电网论文; 智能论文; 技术论文; 数据处理论文; 电力系统论文; 电力论文; 《电力设备》2017年第4期论文;