摘要：“安全、绿色、可靠、高效”是当前智能电网建设的关键目标，为有效提高智能电网的可观、可测与可控水平，还需加大对大数据、云计算等技术的引进力度，系统整合电网业务数据及外部数据、拓宽业务应用功能，实现对电网、资产、项目、客户、环境、绩效等要素的全面管理，进一步提升智能电网建设水平。
关键词：智能电网应用；电力大数据；关键技术
1 电力大数据分析技术概述
随着数字化时代的发展，电力系统的运行生成了海量的数据资源，为了更好的提高电力系统的运行工作效率，就需要对海量电力数据资源进行分析处理，为此电力大数据分析技术应运而生，有效解决了电力数据分析的工作困难。在电力系统工作开展的时候，要求延时性尽可能的降低，以提高电力系统工作开展的可靠性。电力数据的剧增，就会增加电力系统处理的工作效率，进而影响到电力工作开展的可靠性。在电力大数据分析技术的应用下，电力系统的工作时效性得到了很好的保障，有效的促进了电力系统的运行安全与稳定，为我国的智能电网建设打下了坚实的基础。
2 智能电网和大数据及云计算关系辨析
2.1 电力大数据技术的发展需求
当前，智能电网迅速发展，使得电力系统向着数字化及智能化方向迈进，从而产生了诸多的数据源。智能电表及电力设备状态监测系统的应用等，所产生的数据量大。在新的发展形势下，传统数据处理技术的应用显然已经不能发挥其积极作用，这就需要对新的数据加以应用，电力大数据关键技术的应用需求就随之增加。电力大数据已经贯穿输配电及变电等各生产领域，也是能源变革当中电力工业技术创新发展的重要过程。
2.2 智能电网及大数据和云计算关系
智能电网的发展过程和大数据间的关系愈来愈紧密，智能电网的发展主要是把计算机技术及信息技术和通信技术等进行结合应用，从而能有助于提升能源效率，保障供电安全，能最大限度地减少电能损耗。智能电网的理念是通过获得多用户用电信息进行优化电的生产分配及消耗，采用现代化网络通信及信息技术的科学应用，能够进行信息交互，最大限度地实现电网设备的信息交换。另外，大数据和云计算之间也有着紧密的关系，主要体现在大数据是根植云计算的，云计算数据存储及管理分析等，也是大数据技术作为基础，通过云计算的超强计算功能能提高数据处理的质量，也有助于方便地提供相应信息服务。云计算和大数据是相辅相成的，两者的侧重点有着不同，云计算对智能电网系统内部计算处理及存储资源进行整合，从而有效提升电网处理的能力和交互能力。智能电网及大数据和云计算之间的联系比较强，云计算技术是传统数据分析及挖掘技术的延续，同时也是数据量级增长到相应阶段过程中知识挖掘及业务应用需求的产物。
3 智能电网电力大数据平台架构
智能电网电力大数据平台的架构通用性比较好，对电力企业大数据规划发挥积极作用。通过基于Hadoop文件系统（Hadoopdistributedfilesystem，HDFS）分布式文件处理系统为存储框架，通过MapReduce的分布式计算技术为大数据处理框架，分布式文件处理技术为基础通过PB、ZB级数据存储的功能发挥，就能在数据的查询分析上发挥其积极作用。在应用这一框架时，有着商业智能应用及大数据访问框架和传统数据仓库等诸多的模块内容。大数据存储框架和处理框架是建立在通用服务器及操作系统上的，这就使得这一架构需要的硬件有着低成本及高扩展性特征，在其框架上是采用网络层连接大数据访问框架的，框架当中也有数据序列化格式与传输工具Avro、日志收集系统Flume等相应的模块内容。通过大数据调度框架的运用能有效实现大数据组织调度，能为分析数据提供基础条件，这一框架所涵盖的大数据技术的环节比较完善，通过访问框架就能有效实现对分布式文件存储系统实施访问，以及对传统数据仓库实施访问。电力大数据处理流程和传统处理流程的区别就是电力大数据的处理数据量比较大，非结构数据及各环节都能应用MapReduce相应方式加以处理。
期刊文章分类查询,尽在期刊图书馆
4 几种常用的电力大数据关键技术
4.1 ETL技术
智能电网涵盖的电力大数据具有数据量大、数据类型复杂、分布较为分散等特点，通常需基于“数据集成→抽取→转换→剔除→修止”的标准化流程开展数据处理工作。ETL技术主要由以下三个部分组成：①数据抽取Extract，用于从数据源系统中抽取目的数据源系统所需数据；②数据转换Transform，基于系统要求完成抽取数据的转换，并且针对数据源中存在的偏差与错误数据进行处理，实现对数据的清洗或加工；③数据加载Load，将转换处理的数据加载后存储至目的数据源系统中，以此实现对电力大数据的集成化处理。
4.2 集成管理技术
集成管理技术指将两个及两个以上应用系统中的电力大数据进行合并，在逻辑与存储介质上实现不同来源、格式、特征数据的集成，为系统创建全面数据共享功能。在数据存储管理上，配合NoSQL数据库技术可借助分布式存储方式实现数据存储的简化，提升数据存储的灵活性与可扩展性，为海量数据的存储提供技术支持。
4.3 大数据分析技术
面向智能电网的电力大数据关键技术中的数据分析技术是比较重要的技术类型。大数据的技术主要驱动力是把信号转换成数据，把数据分析成信息，并进一步提炼成知识，通过知识促成决策及行动。应用大数据分析技术，就能从电力系统海量数据当中找出潜在模态及规律，有助于为决策人提供准确决策。电力大数据分析技术是传统数据挖掘技术的新发展，而大数据海量及高速增长等特征，包含半结构及结构化数据类型，大数据分析技术的应用就能发挥其积极作用，对不同结构的数据进行分析。
4.4 大数据处理技术
①数据分库处理环节，基于一定处理原则提炼出利用率较高的数据，将其分别输入不同数据库中，致力于提高各数据库的整体数据利用率；②数据分区处理环节，将通表数据载入多个文件中，缓解大型表压力，优化数据访问性能、提升运行质量；③数据分表处理环节，通过建立多种数据表，致力于有效缓解单表压力。此外，还可以建立并行式数据库或纵列式数据库，借此提升数据加载性能，提高数据查询效率。例如将结构化查询语言与MapReduce结合能够提高数据库内的数据处理性能，增强数据抗压弹性。
4.5 大数据展现技术
①可视化技术，用于针对智能电网运行状况进行实时监测与控制，提升系统自动化水平；②历史流技术，用于展示智能电网的历史数据，经由综合分析后发掘历史数据的深层应用价值，可实现对电力生产现场数据的实时监测，并针对电网规划数据、负荷数据走势做出精确预测，围绕历史重大事件模拟器发生与演变规律，更好地发挥电网历史数据的应用价值；③空间信息流技术，用于将电网参数与现有GIS进行融合，包含三维展示技术、虚拟现实技术等类型，通过将GIS应用增设在电力配电设备管理中，能够实现对设备运行状况、实时地理信息的直观显示，有助于节约电力企业的成本用时、提升工作效率与经济效益。
结束语：
总而言之，面向智能电网的电力大数据的技术，在多个环节都能得到应用，要充分注重将大数据关键技术科学应用在智能电网中，提高智能电网的运行管理的效率及质量。通过对智能电网电力大数据关键技术的相应探讨，能进一步认识到电力大数据技术的应用价值，希望能对实际的技术推广应用有所裨益。
参考文献：
［1］陈常晖． 面向智能电网应用的电力大数据关键技术［J］．电子技术与软件工程，2018（23）：156-157．
［2］薛志洋.周英明.高 扬． 面向智能电网应用的电力大数据关键技术研究［J］．科学技术创新，2018（32）：103-104．
个人简介：李国宝，1985-，广西来宾，初级技师，研究方向：电气工程及其自动化。
论文作者:李国宝
论文发表刊物:《基层建设》2019年第31期
论文发表时间:2020/4/13
标签：数据论文; 电网论文; 电力论文; 智能论文; 技术论文; 框架论文; 大数论文; 《基层建设》2019年第31期论文;