摘要：近些年来，我国的科技创新速度非常的快，IT 时代还在发展中，却已不知不觉进入 DT 时代，越来越多的电子产品出现在生活中，目前，人们无论日常生活或者是生产都不能离开电力系统，但是其运行中会产生极为庞大的数据信息，且信息从速度和类型上都增长较快，这与大数据的特征也有相符的地方。当前，由于电网系统的不断推进，系统内的数据资源会持续增多，甚至会出现极强的增长态势，这是传统数据处理系统很难完成的事情，所以使用大数据技术有一定的必然性。
关键词：大数据；电力系统；应用
引言
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大数据的定义
大数据本质上是数据组，数据数量比较多，数据来源范围广泛，因此具有很强的针对性。大数据的范围不仅包括传统意义上的数据信息，还包括图形以及声音等新型数据类型。广泛的数据来源使得利用大数据得出的计算结果更具有代表性。大数据是时代发展的结晶，并依赖于一些电子产品，包括计算机、传感器等，正是通过这些工具的运用，提升了数据的传递速度。
2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，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。
3电力系统中应用的大数据技术
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。
期刊文章分类查询,尽在期刊图书馆如：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 ETL技术
智能电网的数据十分的分散且数量十分巨大，数据所具有的类型也相当的多，这些困难是数据处理当中必须要面对的不利因素。面对这种情况，在处理相关数据时必须要遵守操作流程，防止不必要的问题反复产生，影响整体质量。电力企业一般在数据集成工作上要应用数据仓库这类技术。而 ETL 所包括的三个主要组成部分，也即是 Extract、Transform 和Load，其中 Extract 便是数据抽取，主要任务是将所需要的数据从源系统当中进行抽取；Transform 也即是数据转换，将被抽取出来的数据进行一系列转换以达到相关数据要求，并且通过这种过程对数据本身进行整理和加工；Load 也即是数据加载，其工作内容主要是加载处理后的数据，再将其保存到需要数据的源系统当中。这种技术在电力大数据集成当中是关键技术，如果要在相关企业之中运用这种技术，就需要对这项技术当中的所有因素进行考虑和分析，通过研究之后再将其与其他先进技术进行融合，从而将数据集成工作做到最优，为企业的发展做到最有效的保障。
3.3在电损分析方面的应用
电力系统的工作比较复杂，在运行的过程中难免会出现电路损耗的情况，电损情况的出现不仅会影响到电力系统的正常运行，还会造成国家经济的损失，因此可以将大数据技术应用在电损分析中。传统的测量电损的方法是通过变压器中的电能表，这种方法具有一定的弊端，电压表存在误差，造成测量的数值与实际情况不符合，因此需要对数据进行进一步分析，将不符合实际情况的数据剔除，从而保证数值的准确性和有效性。利用大数据技术中的云计算能够根据回收的数据构建相应的模型，从而了解电力损失情况，这样可以更好的减少电路损耗。
3.4电网监测方面的应用
在对电网进行监测时主要模式为单台模式，即数据无法进行共享，这样就造成数据缺乏时效性，从而导致无法对电网进行总体的监测。随着社会经济的发展，企业的数量在不断的增加，企业在发展的过程中离不开电力的支持和帮助，这样就使得电力的消耗日益增多，电网监测过程中需要收集整理大量的数据，包括实验数据以及检测记录等。这些数据不仅规模大，并且结构比较复杂，因此分析起来具有一定的难度，将大数据技术应用在电网监测上，能够对这些数据进行有效的归纳和整理，这样就减少了电力系统工作人员的工作量，提升了电力系统的工作效率。
结语
随着电网规模的不断扩大，在电力业务中产生了越来越多的信息资源，如果无法有效共享、利用这些资源，会阻碍电力企业的发展与升级服务。在电力系统中应用大数据技术，整合各业务、各部门的数据资源，统一管理调度，实现资源共享，不断提高电力企业的运行经营效率，强化管理能力，最终实现企业的长久良好发展。
参考文献：
[1] 张晓蕾，陈珊，马晓丽.基于大数据的电力故障分析系统研究 [J].电源技术，2016，37（38）：247-248.
[2] 梁志成.电力系统中大数据的应用探究 [J].通讯世界，2016，30（16）：196-198.
[3] 曹皖诚，汤少卿，尤鋆.大数据平台在电力系统中的应用研究 [J].江苏科技信息，2016，32（12）：142-144.
论文作者:曲童,于浩
论文发表刊物:《电力设备》2018年第1期
论文发表时间:2018/5/30
标签：数据论文; 电力系统论文; 电网论文; 电力论文; 技术论文; 结构化论文; 系统论文; 《电力设备》2018年第1期论文;