摘要：随着电力需求的增长，智能电网建设也越发完善，大数据时代影响下，智能电网信息调度算法也有了多样化发展。下面文章主要从大数据的基本概念出发，探讨大数据智能电网信息调度算法并提出具体的改进策略。
关键词：大数据；智能电网；信息调度；电网调度
引言
随着计算机网络时代快速发展,物理融合系统,结合了计算机系统和物理系统两者之间相互协作融合,对当今时代人们的生活方式产生了重要的影响。利用信息快速调度是为了避免系统中信息与信息之间发生冲突,提高物理融合系统的服务性能。但现阶段客户请求信息快速调度的过程中存在用户效用指标量化不全面,导致任务完成时间和系统信息请求时间较长、成本消耗较高等问题。在这种情况下,如何有效的提出减短任务完成时间和系统信息请求时间、降低成本消耗的信息快速调度方法成为当今社会亟待解决的问题。
1大数据的基本概念及关键技术
无法通过普通软件工具进行信息数据的管理和数据集合,通常称为大数据。在企业制定长远发展战略的过程中,大数据起着至关重要的作用,大数据的特点是大量、多样且传播速度快。在海量数据中提取有效信息,并进行分析与处理,是实现大数据利用效率提升的重要途径。在现代化电网建设过程中,社会对于数据收集、整理和分析能力的要求逐步提升,只有通过大数据技术与电力信息技术的结合,才能完善电力行业的发展模式,促进电力企业长远发展。数据分析技术包括机器学习和数据挖掘等,应用于电力信息技术中能够实现电网安全在线分析、线路运行状态分析和间歇性电源发电预测等功能,能够提升电力数据分析精确性。数据管理技术包括数据抽取技术、数据融合技术、数据库技术等。数据处理技术包括流处理技术、分布式计算机技术和内存计算机技术,能够满足电力行业对电力数据处理的要求。
2大数据的智能电网信息调度算法分析
常见任务调度算法包括先进先出调度算法、公平调度算法、计算能力调度算法等，其各自优缺点如下：第一，先进先出调度算法。在通常情况下，可以保证算法有序性，然而也有着显著缺点，主要体现为，当部分任务持续时间较长时，其它任务需要等待，可能导致响应时间被延长，降低系统处理效率。第二，公平调度算法。该算法优点体现为，在资源配置过程中，不同任务所需资源类型和数量基本相同，从而实现“公平性”。同时，这也会导致其存在如下缺点：对于部分配置偏高的任务，可能存在资源不足情形，而对于配置偏低的任务，则可能导致资源浪费，不利于提升资源整体利用效率。第三，计算能力调度算法。该算优点体现为可以根据任务计算能力来调配资源。其缺点则体现为，在选择资源配置队列时，不能够灵活设置队列组合；当任务较多是，预先设置的Sub Task Tracker可能不符合实际情况，导致系统效率降低。在大数据背景下，智能电网运行面临更加复杂的情况，对系统处理能力、调度合理性有更高要求。相应地，就需要提出更加适当的信息系统调度算法。
3大数据的智能电网信息调度的改进策略
3.1三层分析架构
对电网大数据关键技术进行分析,要了解大数据的分析架构,在行业中认为大数据分析架构主要结构为三层分析架构。其涵盖了数据访问、计算、数据隐私以及领域知识、大数据挖掘算法三层。在现阶段,因为数据量呈现爆发式的增长,大规模的数据存储通过分布式存储方式进行处理是今后的发展趋势,对此电网平台的计算程序要对这些分布式数据信息进行处理,可以进行任务的划分处理并且完成任务。而三层架构的外层主要作用就是对大数据规模进行预处理分析,这些预处理主要就是数据融合、畸形无效数据剔除与控制,形成结论进行有效的樊哙。三层架构的中间层主要作用就是联系内外两层,也是完成信息共享以及数据因素、大数据应用以及形成知识的全过程的关键流程。
期刊文章分类查询,尽在期刊图书馆
3.2电力应用商店
基于大数据技术的电网应用商店具备电力行业算法库、电网调度专业模块的管理功能,基于行为推荐和基于内容推荐结合成推荐模型,实现调度业务模型与知识横向共享,加速业务部门之间协同与数据支撑业务的升级。同时,结合微服务架构,基于电网数据分析接口规范,促进业务功能建设在不同业务系统建设的共享,避免相同业务功能的重复投资。面向调度业务的数据分析应用商店,形成一套应用功能管理、发布和使用机制,实现电网调度运行数据分析的省地横向业务部门之间经验及知识共享与管理,通过知识传播提升数据分析水平与效率,通过知识复用降低数据分析成本,不断积累为业务运行提供持续推力。从根本上解决了目前调度业务海量数据管理与分析系统的性能与可拓展性瓶颈,填补了电力行业业务人员数据分析接口标准的空白,推动了横向业务部门之间数据分析经验共享和协同。
3.3发展ETL技术
在智能电网的数据处理中,面临数据海量化和数据类型多样化的困难。因此,应该通过技术的革新实现数据处理效率的提升,增强电力信息技术的应用效果。ETL是Extract Transform Load的缩写,Extract指的是数据抽取,在源系统中抽取所需数据；Transform指的是数据转换,通常是数据的加工与整理过程,使其满足数据应用需求；Load指的是数据加载,在需要数据的源系统中实现加载后数据的保存。为了保障数据集成工作的顺利进行,需要对ETL技术与电力信息技术的融合进行深入探索。
3.4数据挖掘以及融合
数据挖掘以及融合就是大数据中数据解析中的关键技术,其应用较为广泛。数据挖掘则就是在大量的数据中对信息提取的过程,数据融合就是对各种数据进行整合,通过数据集对木头物体描述的过程。在智能电网中应用数据管理就是对电网的数据进行深入的挖掘以及融合,对电网的工作状态进行宏观的控制,合理决策。同时,对万网运行中的历史信息与数据进行分析,可以了解其存在的问题与不足,深化资源配置与处理。
3.5智能算法的优化
智能化是智能电网的主要特点,主要体现在技术的自动化和先进程度。以自愈功能为例,目前已实现的故障位置的检测,但自愈功能尚待进一步研发,主要症结也在于算法的智能化程度上。此外,智能电网的大数据技术也需要对数据挖掘的相关算法进行进一步优化以处理数据量更大更为复杂的电网数据。
3.6完善电力信息技术体系
在电力行业发展过程中,只有建立完善的电力信息技术体系,才能为生产经营和管理工作提供技术保障,促进电力系统的优化升级,为我国社会生产生活用电提供更加优质的服务。因此,应该借助于大数据的优势,不断完善电力信息技术体系。首先,借助大数据技术中的数据分析功能,对现阶段电力信息技术中的问题进行深入研究。通过不同技术数据信息的对比与分析,明确不同技术的优点和不足,进而促进电力信息技术的革新。其次,实现大数据与电力信息技术的互补。在现阶段电力信息技术的实际应用过程中,依旧存在很多限制性因素导致技术优势发挥不够明显。因此需要应用大数据实现技术互补,通过技术模型的构建,制定技术应用问题的针对性解决方案。最后,利用大数据实现资源共享。在当前电力信息技术的应用过程中,资源共享面临着一定的困难,而借助于大数据和电力信息数据库的建立,能够提升信息获取、存储、传递与分享的效率,减轻电力人员的工作压力。
结语
智能电网是电力系统发展的必然趋势,是国内外经济社会继续进步的重要保障。“智能,绿色,安全,高效”很好地总结了智能电网的自身特色,也是本文所阐述的重要观点。充分发挥大数据优势，提高智能电网的应用水平符合我国可持续发展理念。
参考文献
[1]张东霞,苗新,刘丽平,等.智能电网大数据技术发展研究[J].中国电机工程学报,2015(1):2~12.
[2]秦泽华,郝婧.基于大数据的电力信息通信预警技术研究[J].计算机产品与流通,2018(7):78.
[3]吴丽莎,邵云蛟,张凯,等.基于大数据的电力信息技术发展探讨[J].通讯世界,2018(5):257-258.
论文作者:李响
论文发表刊物:《电力设备》2018年第32期
论文发表时间:2019/5/24
标签：数据论文; 电网论文; 算法论文; 信息技术论文; 电力论文; 信息论文; 智能论文; 《电力设备》2018年第32期论文;