摘要：当今人们的生活以及社会经济的快速发展，对于电力的需求以及依赖程度越来越高，电力系统的有效运行过程中必然要伴随着数量庞大、种类繁杂的各种数据信息需要进行处理。在智能电网不断改善的今天，电力系统的数据处理能力也必须要不断地进行提高，从而有效地为智能电网的有效运营进行服务。
关键词：智能电网；电力；大数据技术
1智能电网与大数据
1.1智能电网
智能电网是将大数据技术、信息技术及传统的电网技术等相结合的一种新的电力系统，是未来现代电力工业技术发展的一种趋势。智能电网涉及到通信技术、计算机技术、传感检测技术、先进控制技术、电网技术等，高度集成组成的一种电网系统。智能电网在电力的传输送等过程中，控制较好，成本较低，安全、可靠、稳定运行的特点。智能电网与传统的电网技术相比，具有智能的特性，即具有可观测与可控制的特性，在电网运行中，可实时抓获电网中的各种系统状况的参数数据，且根据该数据进行快速地分析、处理，对电网的运行状态进行判断与预测，为管理者提供相关的数据进行参考，达到提高对电网管理效率的目的。计算机技术、大数据技术、物联网技术等都在不断的发展，在未来将此类技术充分地融合，可更进一步地满足用户需求。
1.2大数据
大数据技术是目前最受关注的技术之一，其巨大的潜力可为社会各行各业提供强大的动力支持。早期的大数据技术主要在金融商业等行业，为其提供分析、预测技术，而后期大数据技术迅速在各领域应用，现在已经深入医疗、交通、能源等相关行业。在电网系统中，利用大数据技术，电网的智能化发展也非常迅速，智能电表、传感检测基础设备的完善是智能电网获取多样化的基础数据的重要来源。在得到大量的数据后，利用大数据技术进行有效的、合理的分析，并作出判断与预测，为电网的安全管控提供重要的参考数据，实现电网系统的智能化，这也是未来电网智能化发展的必经之路，具备经济、智能化、集成等的重要特征。归根到底来说，大数据为电网系统的智能化提供了重要的技术支持。
2电力大数据平台搭建
电力大数据平台建设是实现对大数据技术应用的一项基础性保障措施。从本质上来说在搭建电力大数据平台之时可由MapReduce分布式计算技术的层面来予以考量，这一方面的内容可有效确保对于PB、ZB级别数据在查询及存储方面内的功能作用均可及时得以达成。并且，在整体框架结构体系内一同将数据访问、数据调度、操作模块及其他备份也一同纳入进来。如大数据存储及处理模块，在进行平台搭建之时应确保操作系统和服务器之间能够互相发挥作用，以保障硬件本身的拓展性能得以持续提升。而且，在搭建平台的过程当中还应当关注于网络层在连接与存储模块当中所起到的作用效果，以促使更多的子模块和编程语言均可一同被纳入进整体框架体系内。此外，在对大数据处理技术的应用过程当中，比较关键的框架部分也应当一并展示于调度模块之上，大多被应用在组织及调度数据内容方面，可确保数据信息本身能够达到良好的安全性，以及实现对存储信息的备份处理，一旦遭遇意外情况也可及时恢复。实际上电力系统的有关数据处理工作在具体的实施阶段，和常规的大数据处理还存在着十分典型的差异性，然而基于平台架构的前提下，MapReduce完全可以把常规处置流程处理起来较为困难的非结构数据做到有效处理，因而，进行电力大数据平台建设意义重大。
3智能电网中电力大数据的处理方法
3.1流式与批处理技术
3.1.1流式处理
这是一种流计算技术，在该处理方式下，数据集会以流的形式、毫秒级别连续到达，对数据进行最快速的处理并对数据进行输出。这种数据处理方式适用于对实时性要求较高的处理过程，如配电网络。
期刊文章分类查询,尽在期刊图书馆电力配网对于数据的实时性具有较高的要求，如在线评测、设备监测以及调度等等，流式处理大数据在智能电网中比较常见的框架结构有三种，即Samza、Storm和Spark。
3.1.2批处理
这种数据处理方式能够先将待处理的数据进行暂时性存储，然后再通过计算进行处理，对于实时性要求较低的数据处理任务可以采用批处理方式进行处理。
3.2数据处理技术
电力数据当中，数据处理技术需要对采集到的多种多样且数量庞大的数据进行分区、分表、分库的合理处理。首先，对数据进行分区处理时，需要对不同文件进行同表数据载入，从而有效减小工作压力，使得数据访问的性能能够得到有效提升。进行分表处理时，需要以一定的数据处理原则做为工作基础，进行多种数据表的创造，从而减少表单压力。其次，进行分库处理时需要按照固定的处理原则进行不同数据库中的数据进行处理，将利用率低下的数据进行输入，从而提高数据利用率。另外，进行并行式或者纵列式的数据库构建，能够有效地强化数据本身的加载性能，对于实时查询功能的使用非常有力。例如，SQL与MapReduce进行有效结合，能够非常有利于对数据处理能力进行强化，从而增强整体工作的抗压弹性。
3.3数据分析的关键技术
从大数据的技术角度考虑，驱动能力是转化信号数据的主要动力之一。通过对数据分析能力进行转化能了解到，信息技术的转化能让信息在提炼与形成的过程中，实现知识的决策与行动能力的再次发展。因此，大数据背景下的电力数据分析技能在海量的信息数据支持系统中找到更多隐藏的模块态势规律，这能为决策者提供更多有效的信息支持。从电力企业的角度考虑问题，科学合理的决策是为生产经营的发展提供有效动力的关键，也能为生产经营服务的实施提供更具指导性的力量，使得竞争的能力得到提升，进而能为理想经济效益的创设提供不竭动力。例如，德国使用该项技术为太阳能的运行提供了十分科学合理的支持，使得太阳能广泛的在电力用户中进行应用，并将多余的电能直接输入到电网系统中，让企业的整体经济效益得到提升。
3.4ETL关键技术
在电力系统当中智能电网数据分布有着十分典型的分散性特征，数据总量与类型均相对偏多，这也在很大程度上导致了数据处理工作面临着较为严重的困难挑战。基于这一现状条件下，在开展数据处理之时就必须要依据标准化的工作流程来予以妥善处理。电力企业一般会把数据仓库存储技术运用于数据集成之中。ETL技术主要就包括了数据抽取、转换、加载三部分内容。⑴数据抽取技术。这一项技术手段即为把目的数据源系统所需求的相关数据信息内容由数据源头系统当中提取出来；⑵数据转换技术。将提取出来的数据信息内容依据特定的标准要求来加以转换处理，促使数据信息能够被转变为另外一类形式，在此阶段当中必须要能够针对数据源内所发生的偏差亦或是误差数据信息予以妥善处理，进行数据的筛选加工处理；⑶数据加载技术。将经由数据转换技术处理所得到的数据信息内容实施加载处理，而后将其存储于目标数据源系统当中。此项技术手段是整个智能电网系统内部电力数据集成的一项核心技术手段，将这一项技术内容运用到企业的日常工作过程当中，要能够对有可能会出现的各类干扰性因素均予以充分考量，在科学评估了多种先进技术手段后予以结合分析，确保数据集成处理能够达到良好的科学性价值，在充分考量了多种先进技术以后予以充分融合，做到对数据集成处理的科学化处理，促进企业能够取得长久、稳定发展。
结论
我国智能电网发展十分迅速，电力系统的运行过程中所产生的数据处理需求，对大数据技术提出了非常大的挑战。为了能够更好地发展智能电网，必须要对电力大数据平台进行不断的完善和优化，将电力大数据相关的所有数据进行最大化的价值提取，提高智能电网相关数据的利用率。
参考文献：
[1]崔晓优,饶国辉.面向智能电网应用的电力大数据关键技术研究[J].科技创新与应用,2017(07):182-182.
[2]崔大明,李超,侯庆雷.面向智能电网应用的电力大数据关键技术研究[J].数字通信世界,2015(12).
论文作者:王蕾,李艳,耿建,李温
论文发表刊物:《电力设备》2018年第7期
论文发表时间:2018/7/2
标签：数据论文; 电网论文; 技术论文; 数据处理论文; 智能论文; 电力论文; 系统论文; 《电力设备》2018年第7期论文;