国网安徽省电力公司广德县供电公司 安徽宣城 242200
摘要：随着我国智能电网的发展建设，电力数据资源呈现出爆发式增长，如何从海量数据中提取出有价值信息，成为了当今研究热点和难点之一，传统的数据处理技术应对电力大数据已经遇到瓶颈，不能满足电力行业的需求，将云计算技术应用到电力大数据处理中，利用其强大的计算能力，可以迅速有效的处理大数据。在分析智能电网、大数据、云计算关系的基础上，又深入探讨了符合电力企业发展需求的电力大数据关键技术选择，为电力大数据在智能电网中的实际应用提供了强大的技术支持。
关键词：智能电网；应用；电力；大数据；关键技术
1智能电网大数据的概述
在信息化时代的发展中，电力与信息化技术已经进行了融合，电力企业的发展进步使电力数据的种类飞速增加，多种类型服务的管理系统的数据集合成了智能电网大数据。智能电网大数据中数据来源于电网的外部和内部，通过统一的整合传输到智能电网的大数据中，内部系统中的数据来源于各个营销、采集、财务、监测、管理等系统中；外部系统中的数据则是来源于各个服务部门、气象、地理、换电系统等，这些数据在不同的部门，由不同的管理者进行管理，其具有相似性、关联系，每个数据都是独立的个体，但是又和其余的数据相互连接，综合情况复杂。举个例子来讲，用户在用电的方面会受到地理条件、天气原因等情况影响，同时也与当前的社会经济状况有着关联，而电力的交易状况和用户情况息息相关。
2现阶段智能电网大数据处理技术现状分析
（一）智能电网中的大数据研究发现，智能电网中产生或是存在的大数据主要包含以下三部分，第一，电网检测和云顶数据。第二，电力企业管理数据。第三 主要是电力企业营销数据，由于这部分是非常关键的，因此，很多企业都从不同的方面进行大量资金投入。实质上这三部分是一个不可分割的整体，受多种因素的影响很多技术人员和专家学者不愿意这样来划分，他们倾向从数据的内部结构来划分，这样就可以有效地将数据分为 2大类，一部分结构化数据，这些数据主要是系数库当中的数据，同时这也是当前电力系统当中的主要数据形式。非结构数据作为第二部分数据，从字面上来理解主要是指不方便展示的数据。我们从智能电网使用过程来分析，实际上非结构化数据占据了很大的比重，故而，这也是社会大众越来越重视对非结构化数据处理原因。（二）大数据处理技术具有一定复杂性，大数据处理技术是当前各行各业重点关注的问题，智能电网大数据处理技术同社会经济的发展息息相关，如：阿里巴巴、百度以及谷歌等商家投入了大量的资金，对大数据处理方面进行了一定的改进，进一步提升大数据处理技术，推动经济的发展。因此，在新形势下，这就要求我们要重视智能电网大数据处理技术和大数据处理技术的复杂性。当前，我们所研发和使用的智能电网大数据处理技术处在一个令人喜忧参半的状态下，喜主要体现在最近几年，社会各界不断增加资金投入，大数据处理技术也得到了有效发展，前所未有的改善和提升智能联网大数据处理技术。由于智能电网自身存在的复杂性在某些方面发展还存在一定的不足之处。
3 电力大数据关键技术
3.1电力大数据的集成管理技术
电力大数据的集成就是把不同来源、格式、特点性质的数据在逻辑上或物理上有机的集中，从而为用户提供全面的数据共享。目前电力企业各部门的数据运行管理大多是竖井模式，信息采集与管理系统是相对孤立构建的，这也就导致了很多问题的出现，数据多源异构、信息冗余、统计分析模型不一致、数据质量参差不齐等问题。这对电力大数据的集成管理提出了很高的要求，必须能够有效解决企业内部系统之间的数据冗余及部分数据信息无法实现关联的问题。
期刊文章分类查询,尽在期刊图书馆大数据处理过程中非常关键的一个技术就是存储技术，可以采用 NoSQL（Not Only SQL，泛指非关系型数据库）技术，可以很好的解决大规模数据集合多重数据种类带来的挑战，应用时，不需要事先定义数据模式，数据中的每条记录都可能有不同的属性和格式。NoSQL 将数据划分然后存储在各个本地服务器上，从本地磁盘读取数据的性能往往要好于通过网络传输获得，系统的性能得到了大大的提高。
3.2智能电网数据存储于传输
随着智能电网的发展，有更多的电力数据融入智能电网的管理之中，不断增加的数据使智能电网疲于应付，增加了在数据传输和管理上的重担，并且强大的负压也限制了智能电网的进一步发展。在智能电网的发展中，想要提升数据传输的效率和电网的运行速度，就应该转变数据的模式，将其转变为压缩数据后进行传输，这样能减少数据传输量，增加传输速度。所以，要将压缩数据的技术在智能电网中进行应用，提升传输速度的同时，降低对于存储空间的使用。但是这样仍然有问题存在，在进行数据压缩和解压的过程中，造成的资源溢出情况，需要去构建一个支撑的平台来进行支持。另一方面，在智能电网大数据的存储中，文件保存的方式会影响数据的实时性，不能长期使用，那通过什么样的方式去进行存储是现今需要解决的问题，这也是智能电网大数据处理技术中首先要解决的问题。
3.3数据可视化技术
为了保障智能电网控制的可控性，实例电力单位安排了专人对大数据监控下的数据流进行监控。为了实现监控目的，采用了数据可视化技术。此项技术核心在于建模，因为各类数据传输的原始形态为信号，通过传感器可以得到这些原始信号，之后利用数学模型对信号进行计算得出相应的数字参数，最终依照一定的规则完成建模。此时，监控人员可以直接观察模型，了解数据的动态发展。
3.4数据处理技术
实例电网单位采用的数据处理技术主要分为三个部分，即分布式计算、内存计算和流处理。分布式计算主要是针对数据分布形态，在分散数据之间的关系基础上，对数据进行计算处理。通过此计算方法可以了解数据的原理、功能、来源、状态等基本属性，算法的核心思路在于将大规模分散数据集中化。内存计算主要是为了避免海量数据计算时占用大量的计算机资源，导致计算效率变低，应用时能够将数据放置在内层中，摆脱传统的磁盘读取时间。流处理主要是针对海量数据传输流进行处理，因为电力信息的产生具有很强的实时性和异构性，且在传输速度与自身规模上也难以统一。流处理可在极短时间内对各式各样的数据进行分析和引流，保障数据流通的正确性。
结束语
相信在不久的将来，数据就是资源，数据就是黄金。如何从海量的数据中找到真正的黄金，大数据+云计算技术给出了很好的答案。随着智能电网建设的全面发展，电力大数据资源急剧增长，电力企业各部门之间产生了很多相对独立的资源，阻碍了企业的结构化转型和服务升级，将大数据技术、云计算技术应用其中，是为了更好的解决电力系统的应用需求，发挥电力大数据的最大价值，为智能电网的建设带来新的发展契机。
参考文献：
[1]邢和军.面向智能电网应用的电力大数据关键技术研究[J].中国战略新兴产业，2017（48）：110-111.
[2]王岩.智能电网关键技术分析及主要应用分析[J].信息记录材料，2017，18（S1）：64-65.
[3]朱琳. 面向智能电网应用的电力大数据关键技术[A]. 中国电力科学研究院.2017智能电网新技术发展与应用研讨会论文集[C].中国电力科学研究院：北京市海淀区太极计算机培训中心，2017：4.
[4]徐昊楠.智能电网大数据处理技术研究[J].科技与创新，2017（24）：64-65.
[5]赵雪松，谢蓓敏.智能电网大数据技术发展研究[J].电子世界，2017（23）：93-94.
论文作者:金星芳
论文发表刊物:《建筑模拟》2018年第31期
论文发表时间:2019/1/21
标签：数据论文; 电网论文; 智能论文; 数据处理论文; 电力论文; 技术论文; 数据传输论文; 《建筑模拟》2018年第31期论文;