关键词：电力大数据；关键技术；研究
1 引言
电力大数据是中国能源行业变革中电力改革道路上的必经之路,这不但是技术层面的进步同时也是中国电力工业在大数据背景下发展理念、管理制度和技术架构等各个方面的重大变革。电力大数据是中国电力工业重塑电力核也价值观和转变电力发展方式的核也。在十二五期间,国家电网公司在发展战略中提出,实施H集五大(人力、财力、物力集约化,大规划、大建设、大运行、大检修、大营销五大体系),实现国家电网公司发展方式的转变。这其中的五大体系正好和电力行业的输送配电等环节相对应,电力大数据价值的高效利用也将体现在电力行业的各个环节之中。
南方电网研究院针对电力大数据技术实现开展了深入的研究工作,如:研究基于大数据的电网体系架构、基于大数据的数据集成、存储、处理W及基于大数据的可视化技术;研究用户用电数据的存储、分析、修正:研究配用电网架优化、电力调度W及用户节电、用电负荷预测;研究电力大数据在输变电设备负载动态评估、故障检查、状态评测W及运行风险评估等多个方面的应用。通过深度挖掘电力大数据的核也价值,为企业管理、电网的智能化运行提供坚实的技术支撑。
丹麦维斯塔斯通过构建大数据处理平台对该公司的风电项目收集到的大数据进行实时处理其在全球的65个国家部署的4.3乃台风力发电机。这些风力发电机部署的位置直接关系到发电能力的强弱和投资回报的多少。在过去的几年中,维斯塔斯所安装的风力发电机及其收集到的环境信息已遍布全球,其累积的气象数据达到2.6PB。面对如此庞大的数据集,维斯塔斯采用了抵M的BigInsights大数据平台来分析、处理所收集到的数据,通过该大数据平台对风力发电设备的优化,实现了最高效的能源输出。该公司利用电力大数据不仅优化了风力发电机的部署位置同时最高限度提高设备发电能力W及寿命。
2 大数据核心技术
2.1大数据的概念
数据是最有价值的资产，数据是企业的命脉，数据可用性至关重要，数据永恒不变，是企业始终存在的资产。电力行业大数据不仅指用户用电量的数据、电力企业的管理数据，还应该包括电网运行状态的数据和发电机组的数据，例如继保，变电站运行，电厂侧还可以有汽机，锅炉等。大数据具有数据海量异构、价值密度低、需要实时处理等几个特点。而随着智能电网的不断建设发展，电网大数据将会以指数级的速度增长。
目前电力系统中的使用的各种管理运行数据大部分为存储在关系型数据库中的结构化数据，这些数据由于缺乏顶层设计，数据很难互通共享，为顶层设计提供上层应用服务。 而大数据则利用互联网技术，将数据分散存储，应用共享，通过互联网把数据互通互联，把有价值的数据提取出来。
2.2云计算
目前，国内很多地方都在设立云计算中心。云计算是一种基于互联网的大规模分布式计算模式。是透过网络将庞大的计算处理程序自动分拆成无数个较小的子程序，再交由多部服务器所组成的庞大系统经搜寻、计算分析之后将处理结果回传给用户。透过这项技术，网络服务提供者可以在数秒之内，达成处理数以千万计甚至亿计的信息，达到和“超级计算机”同样强大效能的网络服务。
期刊文章分类查询,尽在期刊图书馆云计算的核心技术主要有分布式技术和虚拟化技术两大类。
（1）分布式技术实现了对各计算机各类资源的分布式存储， 用冗余存储的方式保障数据的可靠性，保障分布式数据的高可用，经济性，从而能够同时使用多种计算资源来解决计算问题，利用网络互相连接，共同组成一个逻辑统一的大型数据库，并实现文件的分布式管理。
（2）虚拟化技术指的是计算元件在虚拟的基础上运行，可以扩大硬件的容量，简化软件的重新配置过程，通过该技术可实现软件应用与底层硬件相隔离。该技术主要有：存储虚拟化、主机虚拟化、桌面虚拟化、网络虚拟化。虚拟化技术使得云计算平台在用户看来是一个单一实体，是获得计算服务的唯一接口。在云计算实现中。计算系统虚拟化是一切建立在“云”上的服务与应用的基础。
3 大数据关键技术的应用
3.1应用数据展现技术
展现技术细致划分包括可视化技术、历史流和空间信息流三个部分，若能将上述三个部分直接应用到智能电网数据处理中，能让企业管理人员根据电网的运行情况，对数据的电力运行意义有深入了解。目前可视化技术的使用能让智能电网系统的应用效果更佳，不但能监控电网的运行与使用情况，甚至在关键时刻能让电网的自动化水平得到质的飞越。空间信息展示技术既是以GIS为前提开展的电网参数预测系统，能全方位的对空间情况和地位位置进行了解，从容获悉设备的使用参数，现在比较常用的三维展示技术。电力配电设备中若加入该项技术，能为电力管理人员提供当地的用电情况和地理信息，从而对设备的使用情况也有了解。也能进一步提升工程设计的工作效率，减少人力资源的投入，能为企业节省部分成本。历史流展示系统是将电力的运行历史全面的展示出来，当对历史情况进行充分了解以后，才能对接下来的电网规划和负荷数据预测有了解，从而也能让预测的准确率得以提升，通过历史流展示能模拟历史上重大的事件，模拟发生、演变和后续处理等工作，最终能发现其中的隐秘知识与规律，故此该项技术的应用意义十分重大。
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。
4 结语
“大数据技术”的在电力系统中的应用研究，仅仅只是开始。从未来看，智能电网的实现需要大数据做支撑，但在我国电网环境下，这将还是一个漫长的过程。
参考文献：
[1]但涛.面向智能电网应用的电力大数据关键技术分析[J].科技传播，2015（06）：14-15.
[2]蔡力军.探讨面向智能电网应用的电力大数据关键技术[J].科技展望，2016（11）：12-13.
论文作者:刘轩
论文发表刊物:《中国电业》2019年11期
论文发表时间:2019/12/2
标签：数据论文; 电网论文; 电力论文; 技术论文; 能让论文; 分布式论文; 关键技术论文; 《中国电业》2019年11期论文;