摘要：随着智能电网的不断建设和发展，电力系统内的运行和控制数据急速增长，逐步呈现出大数据特征。本文阐述了智能电网大数据的特点，并从大数据的集成管理技术、分析技术、处理技术等方面探讨符合智能电网发展需求的关键技术选择。最后从四个领域分析了大数据技术在智能电网中的应用。
关键词：智能电网；大数据；数据处理；应用领域
引言
智能电网的最终目标是建设成为覆盖电力系统整个生产过程，包括发、输、变、配、用及调度等多个环节的全景实时系统。而支撑智能电网安全可靠运行的基础是电网全景实时数据采集、传输和存储，以及海量多源数据快速分析[1]。随着智能电网建设的不断推进，电网运行和设备检修、监测等所产生的数据量高速增长，数据量已经逐渐发展为业界定义的大数据。在此形势下，传统的数据存储和处理技术已无法满足电力系统需求，因此电力系统大数据相关技术的研究是智能电网快速、稳定发展的必然要求。
1 智能电网大数据特点
智能电网中的大数据具备规模大、类型多、价值密度低和处理速度快四个特点。
除此之外，智能电网大数据还具备来源多重性、空间分布性、时间多尺度性及实时交互性四个特点[4]。
1)来源多重性：智能电网大数据来源众多，如生产管理系统、配电管理系统、用户管理系统、电能计量信息管理系统、广域监测系统、设备检测系统、营销系统、客服管理系统等。这些系统采用不同的建设标准，数据规范及命名规则都不统一。
2)空间分布性：智能电网的运行数据来自于整个电网不同地理位置的监控装置，包括各个等级变电站的各类监控系统、配电自动化系统、以及每个用户的智能电表信息等，分布范围广，数据量庞大。
3)时间多尺度性：智能电网的数据采样频率从波形数据的微妙级、相量测量数据的毫秒级、监控数据的秒级，到智能电表数据的分钟级、设备监测数据的小时级等。
4)实时交互性：智能电网的运行监测数据均是在线的实时数据，是调度员用于在线决策的重要依据。
2 智能电网大数据关键技术
2.1智能电网大数据集成管理技术
电力大数据的数据集成管理技术就是把不同来源、格式、特点、性质的数据在逻辑上或存储介质上进行集中，为系统存储一系列面向对象的、集成的、稳定的、反映历史变化的数据集合，从而为系统提供全面的数据共享。电力大数据的数据集成管理技术，包含关系型和非关系型数据库技术、数据融合和集成技术、数据抽取技术、过滤技术和数据清洗等[7]。大数据存储管理中一个重要的技术是 NoSQL数据库技术，它采用分布式数据存储方式，去掉了关系型数据库的关系型特性，数据存储被简化且更加灵活，具有良好的可扩展性，解决了海量数据的存储难题。
2.2智能电网大数据分析技术
智能电网大数据分析技术可以从电力系统的海量数据发现隐藏的模式、规律，分析影响因素、潜在风险及未来趋势，为决策人员提供决策支持。可用于大数据分析的关键技术包含关联分析、机器学习、数据挖掘、模式识别、神经网络、时间序列预测模型、遗传算法等多种不同的方法[3]。智能电网大数据分析技术，本质上是属于传统数据挖掘技术在海量数据挖掘下的新发展，是大数据环境下的数据挖掘与机器学习算法，可以从 3 个方面着手：1）从大数据的治理与抽样、特征选择的角度入手，将大数据小数据化；2）开展大数据下的聚类、分类算法研究，例如基于共轭度的最小二乘支持向量机，随机可扩展等；3）开展大数据的并行算法，将传统的数据挖掘方法通过并行化，应用到大数据的知识挖掘中，例如基于 MapReduce的机器学习与知识挖掘等。
2.3智能电网大数据处理技术
智能电网大数据的数据处理技术包括分布式计算技术，内存计算技术，流处理技术等。
期刊文章分类查询,尽在期刊图书馆
分布式计算是研究如何将一个需要强大计算能力才能解决的问题分解为许多小的部分，然后再将这些部分分给多个计算机处理，最后把结果综合起来得到最终结果。Google 公 司 提 出 的MapReduce 编程模型可以作为分布式计算在大数据领域的应用。分布式技术适用于电力系统信息采集领域的大规模分散数据源。
内存计算技术是将数据全部放在内层中进行操作的计算技术，该技术克服了对磁盘读写操作时的大量时间消耗，计算速度得到几个数量级的大幅提升。内层计算技术将客户以前需要以天作为时间计算单位的业务降低为以秒作为时间计算单位，解决了大数据实时分析和知识挖掘的难题。
流处理的处理模型是将源源不断的数据组视为流，当新的数据到来时就立即处理并返回结果，其基本理念是数据的价值会随着时间的流逝而不断减少，因此尽可能快地对最新的数据做出分析并给出结果 [5] 。随着电力事业的发展，电力系统数据量不断增长，对实时性的要求也越来越高，将数据流技术应用于电力系统可以为决策者提供即时依据，满足实时在线分析需求 [6] 。
3 智能电网大数据应用领域
3.1社会经济状况分析和预测
电力关系经济发展、社会稳定和群众生活，能够真实、客观地反映国民经济的发展状况与态势。智能电网中部署的智能电表、用电信息采集系统与营销系统所累积的海量电量数据需要利用大数据技术，实现多维度统计分析、历史电量数据比对分析、经济数据综合分析等大数据量分析工作。通过对用户用电数据的分析，可为政府了解和预测全社会各行业发展况和用能状况提供基础，为政府就产业调整、经济调控等做出合理决策提供依据。
3.2需求侧管理/需求响应
根据不同的气候条件(如潮湿、干燥地带，气温高、低地区)、不同的社会阶层将用户进行分类；对于每一类用户可绘制不同用电设备的日负荷曲线，分析其主要用电设备的用电特性，包括用电量出现的时间区间，用电量影响因素，以及是否可转移、是否可削减等，对于受天气影响的用电设备，如热水器、空调等，可分析其对天气的敏感性。分析不同用户对电价的敏感性等。在分类分析的基础上，通过聚合，可得到某一片区域或某一类用户可提供的需求响应总量，分析结果可为制定需求管理/响应激励机制提供依据。
3.3用户能效分析和管理
在智能电表大量部署的情况下，可以通过电表数据，识别用户端的不同类型负荷比例，并与典型数据的比对得出能效分析结果。从海量用户的负荷曲线，采用数据挖掘技术，按照特定的函数算法，按行业、季度聚合成行业的典型负荷曲线模型，然后将所有的用户的负荷曲线与行业的典型负荷曲线进行对比，分析出与典型负荷曲线变化趋势不一致的用户，由此对用户的能效给出评价，并提出改进建议。
3.4基于电网设备在线监测数据的故障诊断与状态检修
在实现 GIS、PMS、在线监测系统等各类历史数据和实时数据融合的基础上，应用大数据技术进行故障诊断，并为状态检修提供决策，可实现对电网设备关键性能的动态评估与基于复杂相关关系识别的故障诊断，为解决现有状态维修问题提供技术支撑。
4 结论
本文阐述了智能电网大数据的四项关键技术，即集成管理技术、分析技术、处理技术。同时，介绍了智能电网大数据技术的多个重要应用领域。
智能电网是大数据应用的重要领域，如何处理好智能电网产生的海量数据，挖掘出其中价值，是电网公司需要重点解决和研究的问题。电力工作者应紧密跟踪大数据理论和技术的发展，为有效利用大数据技术，做好思想和技术上的储备。
参考文献
[1]刘振亚．智能电网技术[M]．北京：中国电力出版社，2010．
[2]孙柏林．“大数据”技术及其在电力行业中的应用[J]．电气时代，2013(8)：18-23．
[3]孟小峰，慈祥．大数据管理：概念、技术与挑战[J]．计算机研究与发展，2013，50(1)：146-169．
[4]孔英会．数据流技术及其在电力信息处理中的应用研究[D]．河北：华北电力大学，2009．
论文作者:刘孝鑫1,于佼1,朱洁1
论文发表刊物:《电力设备》2019年第7期
论文发表时间:2019/8/26
标签：数据论文; 电网论文; 技术论文; 智能论文; 在线论文; 用户论文; 实时论文; 《电力设备》2019年第7期论文;