摘要：在当前的大数据时代下，关于电网线损的信息数据量越来越多，为了能够有效提高数据处理效率，同时进一步保障电网线损分析的精准性，可以专门针对电网线损分析搭建起相应的大数据平台。而其中所运用的各种关键技术则直接影响着电网线损分析结果。基于此，本文将通过结合相关研究资料，着重围绕基于大数据平台的电网线损分析关键技术进行简要分析研究。
关键词：大数据平台；电网线损分析；关键技术
引言
伴随我国电力电网的迅猛发展，电网大数据获得了普遍性的运用。现如今，数字化电网的运用空间正在逐步拓宽，作为电网大数据的关键性网络，数字化供电机制在电网行业中具备不可比拟的效用。通常来说，数字化电网的重要着力点在于推动购电端以及售电端的紧密融合、有机联动。数字化电网兼具了计算机手段、信息管控手段等的长处，可以提高电网运作的高效性。在数字化电网迅猛推进的大环境下，相关的工作人员逐渐地对数字化供电机制施以精细化的管控，现如今已经上升为了电网大数据的首先选项。通常来说，精细化管理即相关的工作人员采用准确、细分化的管控手段，高效而系统性地提高电网大数据的管控专业程度以及效用程度，同时还能够有效地防止出现电网管控和运作过程中不必要的损耗现象。
1电网线损值的计算方法研究
在大数据电网发展的整个流程中，相关工作人员运用好精细化管理手段，可完成对线路损耗值的计算工作，利用估算各线路之中的损耗数值，能够逐步地运用具有针对性的手段，改善数字化电网的运作效率，进而实现降低损耗的目的。在数字化电网精细化管理的过程中，在线路损耗值的估算环节上，相关的工作人员通常会运用前推回代的手段，具体来说，首先已知配电网的末端负荷以及始端电压的数值，接着将馈线当作计算单位；提前假设全网电压是额定电压，按照负荷功率的大小予以估量（只是估量元件中的功率损耗）；接着相关的工作人员运用各支路中的电流值以及功率，获得始端的功率数值，这就是回代的流程。在按照业已获得的始端电压以及估算获得的始端功率，再去估量出各个节点的电压数值，这就是前推的流程。相关的工作人员需要循环操作上述流程，直至节点功率的误差处于正常的范围之中。
2大数据平台下的电网线损分析关键技术
2.1大数据采集
在电力大数据平台中，通常将电网企业目前使用的关系数据库、数据仓库等作为其主要数据来源。在数据传输时，不仅要求在关系型数据库、分布式存储中，数据可以根据自身实际要求进行自由、灵活切换传输，同时也需要确保在众多数据同步传输时，平台仍然具有较高的数据传输效率，各项业务系统能够实现正常运行。考虑到在传统系统当中所采用的ETL抽取工具，基本只能简单完成同步各数据源，如文件与服务数据源的同步等，难以达到数据在关系数据库与分布式存储间的同步。因此需要适时将大数据采集技术运用其中，首先在进行数据抽取时，主要利用Sqoop负责抽取各系统间的数据，在Sqoop的作用下可以直接向Hadoop当中的Hive等数据存储组件，导入关系型数据库中的各项数据，而在此过程中，Sqoop也可以从Hadoop系统当中直接进行数据抽取，随后立即将其导入至对应的关系型数据库中[1]。在完成数据抽取之后，需要对其进行“清洗”，即通过运用数理统计与数据挖掘等专门的数据清理规则，对脏数据进行转化，是指可以成为与电网线损分析要求相符的数据类型。最后通过立足具体电网线损分析要求转换导入其中的业务信息即可。例如通过将原本分散的若干变电设备信息进行统一合并，使之可以集成至同一设备信息表当中。而在数据挖掘关联分析或是对其进行离散化处理的过程中，转换原数据使之成为非连续性字典类别，再使用离散化数据实现数据挖掘关联即可。
期刊文章分类查询,尽在期刊图书馆
2.2数据的完整性治理
采集到系统的数据信息如果存在属性不全则称为数据不完整。检查数据包含的属性是否完整，并对应不同的缺失类型以及数据量大小采取不同的处理方法。其中线损数据缺失属于完全随机缺失，采取多重插补技术和完全信息极大似然估计模型来解决不同数据量下的线损数据缺失问题。1）数据集相对较小但采取人工补录较为麻烦时，通常需要对缺失数据进行插补处理，改变了传统方法将缺失值忽略不考虑的习惯。采用多重插补对线损数据缺失问题进行处理。多重插补是从单一插补基础上衍生来的，针对单一插补存在扭曲样本分布的缺点进行改进。多重插补是把不完整的属性用数值补上，并对数据进行处理。2）当数据量较大的时候，运用多重插补技术修复缺失数据会增加不必要的计算负担，从而影响治理速率，所以在处理海量数据时采用完全信息极大似然估计模型来处理数据缺失问题。完全信息极大似然估计认为采集的数据呈正态分布，采用此方法对电力线损数据进行处理，对数据属性的不完整信息进行估计，提高线损数据质量。
2.3大数据安全
考虑到大数据来源众多，数据结构也不尽相同，并且数据量正在呈爆炸式增长，因此也大大增加了数据安全风险，因此在大数据平台下的电网线损分析中，同样也需要相关人员积极使用有效的大数据安全技术，以有效避免平台在数据分析过程中受到外部恶意程序的攻击影响，而导致重要数据丢失、损毁等情况发生。因此本文认为，在大数据平台中，针对其拥有的各种业务应用系统，以及包括移动终端等在内的各项数据源接入中，均可以利用加装防火墙与病毒查杀软件，配合访问控制技术与数据加密技术，在利用防火墙与病毒查杀软件，定期对系统进行全盘扫描，及时查杀系统内部隐藏的病毒或恶意程序的同时，运用访问控制技术，在为用户赋予相应权限下，要求其登录平台时需要统一进行实名认证。而在数据加密技术中，则通过对其中的核心重要数据或涉及用户隐私的数据进行加密处理，以有效保障信息数据的安全可靠性，为顺利完成电网线损分析工作奠定良好基础。
2.4大数据存储
为有效存储大数据平台中海量的电力数据信息，同时尽可能降低数据存储成本，为数据提供多样化的访问方式，需要相关工作人员结合实际情况，灵活采用适宜的大数据存储技术。例如当前较为常用的大数据存储技术有可以直接在分散存储介质上进行数据存储的HDFS分布式文件系统，该系统对外提供的所有文件访问接口均完全相同，其存储介质成本低廉并且系统容错性较好。HBase列式存储数据库，则主要采用列相关存储架负责批量完成数据存储与分析处理，同时支持用户随时根据自身需要进行数据查询。本文认为在具备电网线损精准分析功能的电力大数据平台中，针对其中存在的各种信息数据如用户用电信息、开关运行数据等，可以直接利用HDFS分布式文件系统对其进行临时存储，在后期数据处理程序执行分布式离线计算任务时，即可从分布式存储中直接调取其需要使用的相关数据即可。而针对其他结构化档案数据，如客户档案、设备台账等，则可以使用HBase列式存储数据库进行数据存储，其他除结构化数据以外的全部数据则一并存放至HDFS当中。
结语
相关的工作人员在运用前推回代手段估量数字化供电系统的线损值的时候，务必要全面地考量在此之中的电压值以及电阻值，这样能够有效地提高计算的精准程度。前推回代的手段，在计算电网大数据线损值的过程之中具有很强的应用价值。
参考文献：
[1]陆巍.基于大数据的配电网线损分析[J].电子技术与软件工程，2017（14）：186-188.
[2]符冰超，郑野园，陈刚，等．台区线损数据治理的创新与推进［J］．电力需求侧管理，2016（S1）：86－87．
论文作者:刘蕾
论文发表刊物:《电力设备》2019年第14期
论文发表时间:2019/11/21
标签：数据论文; 电网论文; 线损论文; 缺失论文; 信息论文; 平台论文; 分布式论文; 《电力设备》2019年第14期论文;