(国网天水供电公司计量室 甘肃省天水市 741020)
摘要：电力用户用电信息采集系统（power user electric energy data acquire system）是对电力用户的用电信息进行采集、处理和实时监控的系统，实现用电信息的自动采集、计量异常监测、电能质量监测、用电分析和管理、相关信息发布、分布式能源监控、智能用电设备的信息交互等功能。
关键词：大数据；用电信息；采集系统；建设；分析
引言：大数据（big data），指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。在维克托•迈尔-舍恩伯格及肯尼斯•库克耶编写的《大数据时代》中大数据指不用随机分析法（抽样调查）这样捷径，而采用所有数据进行分析处理。大数据的5V特点（IBM提出）：Volume（大量）、Velocity（高速）、Variety（多样）、Value（低价值密度）、Veracity（真实性）
1.大数据
对于“大数据”（Big data）研究机构Gartner给出了这样的定义。“大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力来适应海量、高增长率和多样化的信息资产。麦肯锡全球研究所给出的定义是：一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合，具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低四大特征。大数据技术的战略意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理。换而言之，如果把大数据比作一种产业，那么这种产业实现盈利的关键，在于提高对数据的“加工能力”，通过“加工”实现数据的“增值”。从技术上看，大数据与云计算的关系就像一枚硬币的正反面一样密不可分。大数据必然无法用单台的计算机进行处理，必须采用分布式架构。它的特色在于对海量数据进行分布式数据挖掘。但它必须依托云计算的分布式处理、分布式数据库和云存储、虚拟化技术。随着云时代的来临，大数据（Big data）也吸引了越来越多的关注。分析师团队认为，大数据（Big data）通常用来形容一个公司创造的大量非结构化数据和半结构化数据，这些数据在下载到关系型数据库用于分析时会花费过多时间和金钱。大数据分析常和云计算联系到一起，因为实时的大型数据集分析需要像MapReduce一样的框架来向数十、数百或甚至数千的电脑分配工作。大数据需要特殊的技术，以有效地处理大量的容忍经过时间内的数据。适用于大数据的技术，包括大规模并行处理（MPP）数据库、数据挖掘、分布式文件系统、分布式数据库、云计算平台、互联网和可扩展的存储系统。
2.用电信息采集概述
2.1采集终端
用电信息采集终端（electric energy data acquire terminal）是对各信息采集点用电信息采集的设备，简称采集终端。可以实现电能表数据的采集、数据管理、数据双向传输以及转发或执行控制命令的设备。用电信息采集终端按应用场所分为专变采集终端、集中抄表终端（包括集中器、采集器）、分布式能源监控终端等类型。
2.2专变采集
专变采集终端（data acquire terminal of special transformer）是对专变用户用电信息进行采集的设备，可以实现电能表数据的采集、电能计量设备工况和供电电能质量监测，以及客户用电负荷和电能量的监控，并对采集数据进行管理和双向传输。
期刊文章分类查询,尽在期刊图书馆
2.3集中抄表
集中抄表终端（centralized meter reading terminal）是对低压用户用电信息进行采集的设备，包括集中器、采集器。集中器是指收集各采集器或电能表的数据，并进行处理储存，同时能和主站或手持设备进行数据交换的设备。采集器是用于采集多个或单个电能表的电能信息,并可与集中器交换数据的设备。采集器依据功能可分为基本型采集器和简易型采集器。基本型采集器抄收和暂存电能表数据，并根据集中器的命令将储存的数据上传给集中器。简易型采集器直接转发集中器与电能表间的命令和数据。
2.4分布式
分布式能源监控终端（monitor terminal of distributed energy sources）是对接入公用电网的用户侧分布式能源系统进行监测与控制的设备，可以实现对双向电能计量设备的信息采集、电能质量监测，并可接受主站命令对分布式能源系统接入公用电网进行控制。
3.大数据环境下的用电信息采集系统建设的关键技术
为满足当前电力企业的用电信息采集需求，构建基于大数据的用电信息采集系统，具体的系统建设中，会对诸多关键技术进行运用，有效提升系统性能与可靠性，满足电力企业的电力服务与电力营销需求。
3.1数据计算
数据计算是实现系统构建的关键，常规数据计算，可分为离线计算与实时计算两部分。其中离线计算是以Hadoop为基础，实时计算则是建立在Storm的基础上。传统计算机分析和处理，是在完成数据采集和整理后，存储到数据库中，之后在按照需求实施数据搜索，这属于一个相对高效的方式，然而其属于一个紧绷接口，可会造成时间浪费。而Hadoop则是一个具有扩容能力强、成本低廉和运行效率良好、稳定可靠的效果，能够满足系统的计算需求。
3.2数据挖掘技术
大数据环境下，数据挖掘技术的重要性不言而喻，借助数据挖掘技术，可有效获得目标信息，排除无效信息，保障数据处理效果。在具体用电信息采集系统中，随着电力用户数量增多，所采集的数据信息也明显增多，将具体数据挖掘算法融入到系统中，提升系统效果，为相关决策和管理提供数据支持，综合提升电力企业的电力服务质量提升。具体的数据挖掘中，研究报文日志，可完成对设备状态信息的分析，并确认设备是否处于良好的运行状态，为用电信息采集系统和电力系统的设备维护提供参考。此外，借助数据挖掘技术，可展开用电预测、反窃电分析等，全面推动电力企业的电力服务水平提升，实现电力企业的市场竞争力提升。
总结：本文研究分析大数据环境下，用电信息采集系统的建设，先对当前电力企业用电信息采集系统现状进行分析，再在大数据环境下，对具体的用电信息采集系统的功能需求和设计要求进行阐述。研究具体的系统架构，解读具体系统模块使，从而明确系统的整体意义与价值。最后，综合分析大数据环境下用电信息采集系统建设的关键技术，分别对数据计算和数据挖掘的架构进行阐述，从而促使系统满足大数据环境下用电信息采集系统的建设需求，全面推动电力企业的电力服务质量和营销效果。
参考文献：
[1]李俊楠,李伟,李会君,何心铭,张世林.基于大数据云平台的电力能源大数据采集与应用研究[J/OL].电测与仪表:1-7[2019-04-29].
[2]尹成波,孙守强,衣淑丽.基于大数据分析的用电信息采集运维优化仿真[J].计算机仿真,2018,35(11):436-439.
[3]窦健,刘宣,卢继哲,吴迪,王学伟.基于用电信息采集大数据的防窃电方法研究[J].电测与仪表,2018,55(21):43-49.
[4]唐冬来,付世峻,曾文达,华国玉,仇荣,尚忠玉,游传强.基于电网末端智能化的反窃电业务研究与应用[J].电子世界,2018(21):137-138.
论文作者:苗延博,赵玉婷
论文发表刊物:《电力设备》2019年第5期
论文发表时间:2019/7/24
标签：数据论文; 信息论文; 分布式论文; 集中器论文; 终端论文; 设备论文; 采集系统论文; 《电力设备》2019年第5期论文;