摘要：经过近年的发展，数据挖掘已经形成了很成熟的理论，应用也渗透到各个领域。在最近多年来，随着计算机技术和网络技术的飞速发展，人们面临的数据量呈现指数增长，传统数据采集的方法和技术面临巨大困难，如何将来自于大量原始数据的重要内容从中挖掘出来，已经成为一个亟待解决的重要课题。在电力行业，随着电力业务体系应用智能化、自动化技术的深入和普及，电力数据的数据分析、测试、仿真等应用需求与时俱增，数据挖掘技术与大数据分析的结合已成为电力系统高效发展、稳定运行的有效智能保障。
关键字：信息大数据平台；数据分析
1、电力系统数据分析现状
近年来，全球能源市场发展迅速，全球电网规模日益增大，数据量也呈现爆发式增长。于此同时，大数据技术也随之悄然发展，并进入了技术成熟的阶段。与之相伴的深度机器学习甚至人工智能相关技术都得到了长足发展，整个大数据技术呈现蒸蒸日上的形式，并落地生根到了各行各业，电力行业也不例外。随着大数据技术在电力行业得到应用，电力大数据的概念被提出，并开始被电力行业相关从业人员及科研人员开始研究。
随着智能电网的不断建成，电力系统的数据种类、数据量、数据复杂度都在爆发式增长，电力系统的数据存储管理已然面临具体挑战，对电力系统的数据的价值挖掘就更有大量技术研究工作有待开展。目前的电力系统运行数据主要集中于各变电站、电网地放调度和电网省调中心中，其中电网省调中心存储的数据种类和数量都最多，并且能够通过访问地放调度数据，从而实现电网内部共享电力系统数据。但目前的电网省调中心内部的监控运行系统，仅实现自身业务需求就以达到其性能瓶颈，对电力系统运行产生的数据一般只作存储记录和简单的统计工作，并不再对数据进行更深入的价值挖掘。目前，如果电力系统的工作人员想对电力系统数据进行数据计算和分析，往往只能通过将数据导出至离线存储，再进行分析和计算。
2、电力系统信息大数据平台研究意义
随着我国制造业的快速发展，电力网络发展迅猛、规模庞大，大量电力系统运行设备所处地理环境分布广泛、环境恶劣，由此引发的各类故障、事故已严重威胁着电网、电力信息网络的安全运行。根据大数据监测数据，对电力系统的区域性状况进行分析评估，充分挖掘监测数据的潜在规律，是电力系统安全防范的重要手段。通过现代电力大数据技术，对监测数据进行科学有效的分析，可以为变电站及线路的清洗策略及新站点和线路选址提供科学的方案参考，从而提升电力系统安全运行能力，降低系统运行人力、物力、财力成本，为电力系统运行环境评估提供可靠的分析评估。
伴随着大数据技术的发展，大数据分析计算平台也被提出和研发，不同于传统的计算统计分析软件，大数据分析计算平台支持更多种类的数据输入、更复杂的数据分析算法，从而跳出传统的数据计算分析软件的局限，提供更强大的数据计算分析能力。
3、总体结构：
在架构设计上，平台采用松耦合架构设计，以元数据驱动各模块进行数据的处理。满足海量多源异构数据的批量采集，实现数据批量离线存储和处理、内存计算等需求，采用体系化分布式并行处理框架，实现数据的高效和流程化处理。平台实现多层架构松耦合：数据源层、数据采集层、存储与处理层、应用层。平台分多个子系统并实现模块化，内部各层各模块间实现标准化的接口和集成模式，与外部系统集成在安全可控状态下采用开放式的集成接口。
分布式电力大数据分析计算平台总体功能模块可分为两个部分，分布式数据存储管理及计算模块和系统业务逻辑功能实现模块，模块也可以物理地分为平台前端模块和平台后端服务模块。
期刊文章分类查询,尽在期刊图书馆在后端模块中，包含了业务计算核心模块和业务支持模块及数据存储及访问管理模块。在前端模块中，主要包括平台业务支持基础模块、计算核心业务模块和电力大数据定制分析计算支持模块。
在传统的电力监测数据分析中，需要处理的数据量很有限，而且这些数据是通过随机采样得到的，并不是全体数据或是较为完整的数据。因此为了能够准确发掘出数据中隐含的信息，需要通过一整套严格的数学计算输出结果。这包括了数据的统计归纳，样本分析，建立理论模型，多次验证等一系列步骤，需要时间很长，资源也很多。但在电力设备状态监测数据急速增长的当下，传统的数据处理方式显然难以应对。新时代的智能电力系统需要一种高效、快速的数据分析系统，为电力设备的可靠经济运行提供参考。相关性分析是一种快速、简单的数据分析方法。这种方法能够用较为简单的算法，在海量的数据中发掘出它们之间的相关关系。相关性分析不仅计算环节简练，而且它的分析是基于数据驱动的，不会受到已有概念、模型的束缚，更容易发现新的信息。
4、信息大数据平台的关键技术
基于以上对面向大数据的电力设备状态监测、架构的分析，提出典型的大数据信息聚合方式的大数据分析系统。该应用系统包括了数据的采集、传输、转化、存储、聚合、发布，是一个完整的电力监测釆集、分析、发布式的大数据分析体系。现有的电力设备状态监测系统都是釆用设备的某一类信息来进行设备状态估计的，但在电力大数据时代，数据采集节点数量和种类都在快速的增加，状态监测系统的底层会连续不断上传多源、异构、巨量的数据。如果还是依照传统的状态监测系统的数据处理方法，不但会使处理速度的大幅降低，还会导致设备状态判断的错误。因此按数据的不同类别将状态监测量分成电气量、状态量、过程量三类，分类釆集是很有必要的。三类传感器釆集三类数据首先在低层次的数据节点实现对原始数据的分类、预处理和数据级的数据融合。经过预处理的三类数据和数据级聚合得到的信息通过数据传输网络，将初步处理的数据上传到通信控制器，完成数据的规约转化、介质转化、简单的特征提取和数据存储。通信控制器再通过以太网等方式，将数据上传到信息聚合大数据平台，实现信息级的聚合和决策级的聚合。
5、结语：
智能电网及大数据技术的发展，本文提出了一种分布式电力大数据计算分析平台，旨在为新的电力系统数据中心提供一套完整的功能强大的，集数据存储、数据安全访问管理、数据计算与分析功能于一体的软件系统平台，以全面满足新电力系统数据中心的所有数据相关存储及计算分析需求。通过分析大数据和电力大数据发展的现状，介绍了电力大数据的主要特点和关键技术。以目前电力设备状态监测遇到的困境为着手点，详细阐述了大数据在状态监测中的应用思路。确定了以“预测”为首要目标，以相关性分析和信息聚合为主要方法的大数据分析，弱化数据监测精度，重视数据分析速度的电力设备状态监测方法。针对目前电力设备状态监测的海量、多样的数据处理的问题展开研究，在多元信息聚合基本架构的基础上，提出了面向大数据的电力设备状态监测多维信息聚合方法架构。各类原始数据首先经过数据预处理，完成数据清洗、数据变换和数据压缩。预处理后的数据经过数据级的聚合，完成简单的二维关联，提取特征明显的特征量，并将它们保存在数据库中。经过低级聚合以后的数据，在下一步中完成多维度的高级关联聚合，并结合信息辅助系统，提取深层次的特征向量。在最终的决策级聚合中，通过对高级聚合以后的数据分类和识别，主要完成对设备的状态划分和状态评估，根据需求，给出决策。根据电力设备状态监测数据多源、异构的特点，建立基于电力设备多种状态量的多维支持向量，通过对历史数据进行提炼，形成一个可以不断生长的电力设备状态支持向量集，通过对状态监测数据与支持向量集之间的相关性分析，实现对电力设备运行状态的评估与决策，取得了良好的效果。
参考文献：
[1]胡炎，董名垂，韩英铎．电力工业信息安全思考．电力系统自动化，2002：1～4
[2] 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电网技术：927-935
[3]冯剑红，谢汶．电力信息安全体系结构研究及安全策略．四川电力技术，2006，29（3）：59～62
论文作者:王英楠,代东旭,宋楠
论文发表刊物:《电力设备》2017年第18期
论文发表时间:2017/11/3
标签：数据论文; 电力系统论文; 状态论文; 电力论文; 电网论文; 模块论文; 电力设备论文; 《电力设备》2017年第18期论文;