摘要:近年来,移动应用技术的不断完善,使得基础设施越来越多。电力企业的快速发展,使得不同类型的智能终端、移动业务被推广,这在一定程度上加速了互联网时代发展步伐。大数据技术背景下,如何做好电力系统信息正常运行和安全防护工作,为电力企业当前首要需解决的问题。因为只有确保电气系统信息的安全,才能为广大用户提供更加稳定、安全的网络环境,降低对人们所构成的损失,推动电力企业的良好发展,提高企业的经济效益、工作效率。
关键词:大数据技术;电力系统;信息安全防护
在我国的电力行业,电网技术朝着更加智能的方向发展,随着“物联网”、“大数据”“互联网+”等新概念的不断提出,电力企业迎来了新的发展机遇与挑战。作为科技创新的主攻方向之一,国家电网、南方电网等电力公司在智能电网、电力信息与通讯及网络安全、用电能效与环境保护等多领域方面开展了关于大数据的研究与应用。面对海量数据,如何选择合理的方法把它们充分利用起来,成为人们普遍关注的问题。在电力系统中应用大数据技术,需要在多角度、全方位上改革现有业务模式和运行模式,需要建立一个完善的电力系统大数据平台。
1电力系统中大数据特点
随着人们从更深层次对大数据进行认识与理解,加之考虑到电力公司的业务要求和数据状况,在电力系统中应用大数据技术,旨在通过挖掘数据价值,对未来业务趋势进行有效预测,同时整合数据的计算、存储、集成管理等功能,从而创造出适应当前和未来发展趋势的新型业务管理模式。在电力系统中应用大数据就是,有利于促进企业业务发展、有效提升企业内部的管理水平。在电力系统中,大数据表现为以下几个特征。第一,体量大。随着科学技术的发展和现代化水平的提高,我国电力企业逐渐朝着信息化发展,电力数据的增长比率远远超出人们的预期。第二,类型多。在电力系统中,数据包括多种类型,如半结构化数据、结构化数据、非结构化数据。非结构化数据是指那些不能用数据二维逻辑表描述的数据,如图片、影音等,需要对它们进行如图像识别、语音语义识别等处理后,转化为结构化数据,结构化数据是指那些可储存在数据库中、用二维逻辑表结构描述,而半结构化数据介于二者之间。随着电力行业在运行过程中不断加大视频的应用力度,使得音频和视频等非结构化数据的占比越来越重。第三,速度快。在这里主要指电力数据的采集、处理、分析速度越来越快。第四,电力大数据可以不受磨损、不受消耗、不受污染且易传输,还能在使用的过程中不断得到增值。第四,安全性。这一点要求保证数据质量,无论是收集、存储、调用、处理、分析等的哪一个环节,都必须保证数据的质量。整个电力系统的综合能力水平与系统的弱势环节息息相关,电力系统大数据的安全性也取决于最薄弱环节的数据质量。在建设电力系统应用大数据技术时,需要在各个环节上保证大数据的安全性。
2电力系统大数据概述
2.1电力大数据概念和特征
电力行业与民生息息相关,也涉及多个环节,包括输、变、售电、调度等,每个环节会产生大量的数据,这些数据被称作电力大数据。与大数据特征类似,电力大数据具有“5V”特征,即数量庞大、数据类型众多、数据处理速度快、数据准确和数据有价值。电力大数据中非结构化数据增长速度更快,数据类型不仅包括结构化数据,如负荷数据、变电站数据等,也包括大量的非结构化信息,如信息数据、资产管理信息等;为使电力决策符合安全要求,需严格保障数据的真实可靠,与社会经济和生产水平相切合;电力大数据可以反映系统性能,进行挖掘分析并为决策提供依据,因此具有实用价值。
2.2电力大数据技术
(1)存储部分。物联网技术可发现大量数据,也会出现新的数据格式,对于电力行业而言,传统的结构化数据存储方式已经不能满足要求,面对越来越多的非结构化数据,传统数据库存储容量受到限制,进行数据库集群搭建则会产生大量的成本消耗,不易于电力企业可持续发展。对此,需将大量的非结构化数据存储于低廉的硬件设备上,这就需要采用Hadoop大数据架构,既能完全解决上述问题,又无需考虑硬件配置性能导致的数据丢失问题,HDFS文件系统具冗余机制,一般会备份三份以免丢失,同时架构中也存在Hive、Hbase组件,共同完成存储工作。
期刊文章分类查询,尽在期刊图书馆
(2)计算部分。需要利用Hadoop中的Map Reduce计算框架,还可辅助Spark分布式计算框架以进行分布式计算,完成对数据的去重、排序、单表或多表关联等操作。
(3)挖掘部分。数据挖掘技术就意味着分辨信息中的垃圾与黄金,其流程为数据准备、规律寻找和规律表示,其分析方法包括关联、聚类和演变分析等。对此,Hadoop中开发了Mahout功能,可用于频繁模式挖掘、协同过滤等操作,除此之外,许多开源软件和项目的开发使得机器学习算法增多,包括回归算法、高斯过程回归、最近邻居法等,需根据不同的数据特点选择恰当的算法。
(4)可视化。在智能电网数据下,需将大规模数据通过有限屏幕空间直观的呈现给用户,将大规模数据集进行分析提取,通过算法将其绘制为高精度、高分辨率的图片,在交互工具和视觉系统的帮助下完成数据处理。
3大数据在电力系统中的应用
3.1数据的存储、传送技术
随着电网的规模越来越大、相关电力设备数量越来越多,产生了越来越多的数据,给监控系统造成巨大负担。为了合理存储大量数据,可以选择不同的存储方式。如:对于历史数据和非结构化数据,可利用分布式文件系统进行存储,把不同类型的数据信息进行分类存储。对于存储要求较高的数据,可以使用数据库系统。对于那些核心、保密性的数据,可利用数据仓库系统。数据仓库技术包括三个部分,首先是数据抽取,即把需要的相关数据从数据源系统中抽取。其次是数据转换,即把抽取获得的数据,按照一定的要求转换成另一种形式,对存在错误、偏差的数据进行清洗、加工。最后是数据加载,即是把前面两个环节得到的数据进行加载,保存至数据源系统。
3.2数据处理技术
在电力系统中应用大数据技术,需要对采集的庞大数据进行分库、分区、分表等合理处理。分库处理即指以一定的处理原则为基础,提高数据库相关数据利用率。分区处理,即对不同文件的数据进行合理载入,尽可能减少大型表的压力,提高数据的访问性能。分表处理,即基于一定的处理原则建造不同的数据表,降低每个单一数据表的压力。构建纵列形式、并行形式的数据库,可以强化数据的加载性能,加快实时查询功能。进软件,促使系统更加完善。
3.3数据分析技术
应用大数据技术的目的就是把信号向数据方向转化,再通过数据分析,提炼形成知识,最后再为决策提供有效参考。在大数据的发展背景下,在电力系统中应用各种数据分析技术,帮助电力企业在海量信息数据中找到隐藏的规律,建造科学的模型,从而为决策者提供有效的信息支持,科学的决策使企业更好地生产、经营、管理、服务,为企业提高竞争力,从而创造出更大的经济效益。
3.4数据展现技术
在电力系统大数据化下,应用可视化、历史流与空间信息流等技术,有利于管理者更准确、直观地了解电力系统的运行状态、电力数据的现实意义。一般在电网状态实时监控领域应用可视化技术,提高电力系统的自动化水平。
4结语
综上所述,电力系统发展是促进社会进步的重要部分,在现代化社会大数据的冲击下,电力系统也需要进行适当的改革,学习并利用新技术、新设备、新理念,提高电力系统运行效率和稳定性,建立科学化的电力大数据系统管理平台,做好数据的存储、计算、挖掘和可视化,以统一的标准管理系统、设备和操作人员,在调研中还发现,一些电力系统在基本的大数据技术使用基础上,进行了模型计算、仿真计算,进一步增加了数据利用的准确性,取得了显著的经济效益,可见大数据技术的研究不是一蹴而就的,需要根据不同的地域特征、电力特征进行反复试验、试点,最终建立起大数据时代下智能化电力系统,为人民谋福。
参考文献:
[1]彭川.电力大数据信息安全分析技术探讨[J].科技尚品,2017(05):198-198.
[2]刘宜奎.网络大数据时代下的银行信息安全保护策略[J].电子技术与软件工程,2017(07):211-211.
论文作者:詹先鹏
论文发表刊物:《电力设备》2018年第9期
论文发表时间:2018/7/2
标签:数据论文; 电力系统论文; 电力论文; 技术论文; 结构化论文; 电力企业论文; 信息论文; 《电力设备》2018年第9期论文;