摘要:电力系统的安全稳定运行和高效集约经营需要海量数据支撑。随着智能电网信息化和数字化的推进,发电、输电、变电、配电、用电、调电和经营管理过程中产生并积累体量巨大、类型丰富、结构复杂、来源多样的数据。数据的采集、传输、存储和分析处理耗费巨大。如何有效组织利用智能电网大数据,最大化提取数据价值,变数据负担为数据财富,对建设坚强智能电网具有重要意义。
关键词:智能电网;大数据;处理技术;现状;挑战
一、智能电网大数据特征
1.1规模性
智能电表按分钟频率采集用户用电数据,如以1分钟采集一次计算,每月每户仅用电数据一项就生成超过43,000条数据记录。美国巴特尔西北太平洋智能电网示范工程为跨越五个州,拥有60,000用户的小型智能电网工程,运行两年后仅智能电表数据量就预计达到数TB。假设区域布置了10,000台PMU装置,一秒进行三十次测量,一条记录数据为256Bytes,则该区域PMU数据流量己达77MB/s。随着监测设备的广泛布局与监测系统的扩大,数据规模将飞速增长。智能电网大数据之“大”首先体现为数据体数据量大,规模性是大数据价值的一大立足点。
1.2多样性
智能电网大数据涵盖不同时期、不同系统、不同区域、不同设备、不同格式、不同类型的异构数据,包括了结构化、半结构化和非结构化等不同内部结构的数据,数据种类繁杂、差别巨大,比如监控视频、故障录波、电话录音等就为类型迥异的数据。又以电力系统仿真软件格式为例,目前业界使用较广的有BPA,EMTP,PSCAD,PSS/E和PSASP等,但不同软件在数据类型上差别较大,表现为异构性。智能电网数据的多样性还表现为数据断面不同,处理时间要求差异也很大。结构、格式和速率等方面的巨大差异,导致智能电网大数据多样性特征十分明显。大数据的大价值更在乎“全”,多源数据提供了交叉验证,数据价值蕴于混杂性之中。智能电网大数据的多样性是其价值的主要依据。
1.3高速性
数据处理遵循“1秒定律”,体现为要在秒级时间内得出数据分析结果,超出时间限制,数据就失去价值。对高速性的要求己经扩展到数据从产生、传输、存储、处理到应用的每一个环节。由于电力供需平衡是一个实时响应的过程,暂态时间内可能发生系统失稳,如继保、控制指令、PMU等部分智能电网数据从生成、采集、传输到处理,需要在毫秒级时间内实时在线完成,为电网运行提供决策支持,这对采集速率、传输通道和处理速度等均提出极高要求。
二、智能电网大数据处理技术现状
2.1并行数据库
智能电网系统的并行数据库的存在,主要是用来存储系统的结构化数据,并且可以帮助系统迅速完成对数据查询和分析。相较于关系型数据库,并行数据库可以严格按照规则进行系统事务的处理,并为多用户访问下的数据安全提供保障。因此,在智能电网建设不断加快的情况下,由于系统数据已经超出了关系型数据库的管理范畴,所以具有强大数据分析能力和数据独立性优点的并行数据库得到了广泛的应用。
2.2云计算技术
大数据技术的出现,与云计算平台的出现有着直接的联系。从本质上来讲,云计算技术是进行海量数据存储和并行处理的技术。在智能电网系统中,由于含有大量的电力设备状态监测数据,所以需要利用云计算技术进行这些数据的存储与处理。在进行该技术的利用时,不仅可以进行系统大量数据处理的可靠性和安全性的确保,还能够完成数据的实时处理,继而满足电力企业的管理需求。
期刊文章分类查询,尽在期刊图书馆就目前来看,由于云计算技术可以满足智能电网系统的可靠性和可扩展性的需求,所以有着较好的应用前景。
三、智能电网大数据处理技术现状与挑战
3.1智能电网大数据处理技术现状
3.1.1并行数据库
关系数据库在结构化数据的存储、查询以及处理等方面具有广泛的应用,采用关系数据库可以灵活快捷的对数据进行查询分析以及逻辑操作等。可以对业务事项进行高效的处理,能承受一定数量用户同时对数据库的访问,具有较为安全的数据保密机制。数据库结构化查询语言能够对实现严谨的对数据的查询,能够实现高效率的数据分析,能脱离对程序的依赖性而独立运行等一系列的优势,因而关系数据库得到了非常广泛的应用。但是近些年随着电网信息化程度的不断提升积累了大量的数据,关系数据库的发展程度已经远远跟不上电网信息化发展的速度,尤其是在非结构化数据的存储上存在的问题,使得很多类型的数据,包括地理信息数据,以及高清的视频和图像以及音频数据等,都无法实现在该数据库中的存储,因而传统的数据存储的方式随着数据的多样化而面临着严峻的挑战。
3.1.2云计算技术
云计算平台为大数据的存储以及处理提供了硬件资源,不仅能够存储海量的数据还能够为通过并行处理的方式极大的提升数据处理的效率,在智能电网中电力设备为保证电网的安全正常运行提供了大量的数据基础。电网中实时的数据不仅种类繁多,且数据量庞大,具有较高的实时性和可靠性,目前云计算技术中海量数据的处理仍然处在起步阶段,能较好保证监控程序的延展和可靠性,但是目前在安全以及性能方面还存在问题,需要加以解决。
3.2智能电网大数据处理技术面临的挑战
3.2.1数据处理的时效性技术
大数据时代的关键在于数据处理的速度。在硬件与软件资源一定的情况下数据处理的时间与数据处理的规模是成正比的,数据的规模越大数据处理的时间就越长。传统的数据存储的方案只能存储一定量的数据,难以处理大批量的数据。随着智能电网大数据应用的深入挖掘,实时数据的处理会有效的在智能电网的各个环节得到广泛的应用,实时数据处理目前所面临最大的挑战就是数据处理的时效性问题,通过提高硬件性能,优化软件算法的方式是提高数据处理时效性的两个重要方面。
3.2.2异构多数据源处理技术
未来智能电网将实现发电、调度、变电、输电以及配电等整个环节的连接,能够有效的采集到上述环节中的各种数据信息,能够实现数据的快速的传输与及时的处理,实现企业业务流、信息流与电力数据的统一于智能电网中。由于所涉及的领域不同因而会产生大量不同类型数据处理的问题,数据中心对这些异构多元数据进行处理并上传给智能电网。因而目前智能电网中主要存在的一个问题就是,如何构建一个异构多源数据模型,通过该模型可以实现数据的融合以及数据高效的处理。
结语
智能电网大数据将产生大价值,然而研究尚处于探索阶段,工程应用刚起步,思维、数据与技术远未及完备,智能电网大数据的理论体系和应用技术需要在探索实践中不断建立和完善。
参考文献:
[1]宋亚奇,周国亮,朱永利.智能电网大数据处理技术现状与挑战[J].电网技术,2013.
[2]王继业,季知祥,史梦洁,黄复鹏,朱朝阳,张东霞.智能配用电大数据需求分析与应用研究[J].中国电机工程学报,2015.
[3]孙峰,钱啸,曾建梁,金烨,钱伟杰,许晶.基于大数据理念的地市供电公司智能电网规划数据融合研究[J].华东电力,2014.
论文作者:雷坤
论文发表刊物:《电力设备》2017年第5期
论文发表时间:2017/5/27
标签:数据论文; 电网论文; 智能论文; 数据处理论文; 技术论文; 数据库论文; 结构化论文; 《电力设备》2017年第5期论文;