摘要：智能电网覆盖了社会经济的方方面面，与人们息息相关的同时也能够捕捉大量的数据。这些数据在采用大数据技术之后，对电网的安全运行、灾难预警、并网、用电效率提升等方面都有较高的应用价值。在发电、输电、变电、配电、用电等环节都具有指导意义。因此应用大数据技术改造升级智能电网是十分具有前景的。
关键词：智能电网；大数据处理技术；应用
1智能电网大数据特征
在电力信息化推进过程中，电力数据种类和规模迅速增加，智能电表、智能变电站、现场移动检修系统、实时监测系统、测控一体化系统、为各个专业服务的信息管理系统的数据集合形成了智能电网大数据。依据数据来源可将智能电网大数据分为电网外部数据和电网内部数据，内部数据由电信息营销系统、采集系统、配电管理系统、广域监测系统、能量管理系统、生产管理系统、客服系统、设备监测和检测系统、财务管理系统数据构成，外部数据由公共服务部门、地理信息系统、气象信息系统、电动汽车充换电管理系统数据构成。这些数据由不同部门管理，在不同地方分布，其特性包括分布管理、分布放置。
这些数据相互影响、相互关联，之间并不完全独立，其关系较为复杂。例如用户用电情况会受到社会经济形势和气象条件的影响，电力市场交易情况和用户用电数据也存在密切联系，相关公共服务部门将电力市场数据作为决策依据，电力企业以市政规划数据为依据制定GIS数据。同时，这些数据具有种类繁多、结构复杂的特点，不仅包括大量传统结构数据，还包括非结构化数据、半结构化数据，常见的有巡检过程中图像数据、检测中获得的波形数据、服务系统语音数据。这些数据具有不同的生命周期和采样频率，可从微秒级至年度级。
2 电力大数据在智能电网中的分布
对于电力系统而言，在各个应用流程中，如电能生产、运维管理等，均会产生出海量的数据，这些数据分布在发电、输配电、变电、调度及用电等诸多环节当中。在智能电网中，数据的结构类型有两种，一种是结构化数据，另一种是非结构化数据，随着智能电网的持续发展，非结构数据的增长量已经超过了结构化数据量，同时受到一些因素的影响，如设备类型、技术标准等，使得系统采集的数据存在异构性，无法对系统的综合特征进行全面衡量，数据的价值无法获充分发挥。在智能电网中，电力大数据主要分布在以下几个方面：
2.1发电侧
目前，国内一些大型的发电厂纷纷开展了数字化建设，在这一前提下产生了海量的过程数据，这些数据中蕴含着丰富的信息，它们的产生来源是监测和检测过程，由此使得这部分数据对电力设备的运行状态评估以及故障问题检测具有重要的作用。
2.2输变电侧
电力系统的PMU（相量测量装置）每天会对数以万计的数据点进行数据采集，同时输电网和无人值守的智能变电站的安全监测也会产生出海量的非结构化数据，如图像、音视频等等。
2.3用电侧
现如今，我国电网的智能化程度较之以往获得了大幅度提升，智能电表也获得了广泛应用，由于智能电表可以进行双向通信，其每天产生的数据都多达数百万条。
3智能电网大数据关键技术分析
3.1大数据集成管理技术
在计算机领域，数据的概念是所有能够文档化的事务，其形式是多样的，包括文字、数字、图片、音频、视频等，而不同类型的数据有众多存储格式，比如文字数据有存储为文本的，有存储为文档的，有存储为PDF格式等；音频则有mp3格式、m4a等类型。
期刊文章分类查询,尽在期刊图书馆而在实际应用中，因为过去信息技术在实现不同电力功能时，多是单独进行数据捕捉和分析的，由此是多个应用在分别工作。而在大数据技术理念下，这些在不同应用中的不同格式、不同类型的数据，需要有效地集中在一起，以统一的数据格式进行存储，以能够在后期进行合理合适地分析。也就是说，数据集成管理技术是将各个信息孤岛进行整合，形成一个数据大陆。在智能电网大数据技术领域，主要需要关系型数据库技术、非关系型数据库技术、数据融合技术、数据抽取技术、数据滤过技术、数据清洗技术等。首先在海量的数据中对一些数据进行筛选，过滤掉明显重复和无效的数据，然后对相关的数据进行有效地抽取和集成，利用实体、关系等结构化思想，将数据进行聚合与关联起来，以进一步保障数据的准确性和可靠性。近些年流行的NoSQL技术则实行了分布式数据存储的形式，摒弃了对关系的依赖，使得数据存储更加简单灵活，并具有相应的可扩展性。
3.2大数据挖掘与分析技术
这是大数据的核心技术。即通过一定的算法，从海量的数据中找出一定的规律，并得出具有实质性效用的结果，发现问题并解决问题。如何在大数据中找出非明显的规律，则需要计算机通过一定的方式开展关联分析、机器学习、数据挖掘、模式识别、遗传算法、神经网络、时间序列模型等技术。数据的挖掘与分析技术，根本上讲，是传统数据挖掘技术在大数据理念下的进一步发展。正是因为数据量的膨胀，并具有增长快、多元化的特性，结构多样使得传统的分析技术无能为力，只能借助更为先进的理念和技术。其一，由特征抽样选择的理念出发，使得大数据范围缩小；其二，通过聚类、分类算法的实施，使得大数据得到有效地归类；其三，利用并行算法，将数据并行化，进一步将数据的量度缩小。由此可见，借助上述三种理念，再对大数据进行传统的数据挖掘与分析，能够有效地实现大数据技术的效果。
3.3数据处理技术
数据处理涵盖了分布式计算、内存计算、流处理等技术要素。其中分布式计算能够解决大规模分布式存储和处理的问题，其主要思路是将一个大的问题，通过分布式的方式变成小的问题；内存计算则能够高效地对数据进行读取与处理，并进一步对实时计算的需求进行满足，主要将各类信息置于内层之中，有效地摒弃了对磁盘读写的时间消耗，提升了计算效率；流处理技术则能够处理实时到达的、速度与规模不受控制的数据，在流处理技术中，其把一直涌现的数据视为水流，在经过处理后马上使其流出，不做任何逗留。这种算法比较适合实时性较强的数据处理需求，比如证券买卖。在智能电网领域，通过先进的数据处理技术，能够较好地通过对数据的掌握，进一步对电力的安全隐患技术发现，并提前解决。
3.4数据展现技术
数据在介质中存储，其形态是无法看得见的，是一种电信号状态，而传播也是电信号、光信号的结合。这种基层的数据形式，需要通过复杂的计算才能够呈现给使用者。在电力系统的智能化供应和管理中，我们需要对数据清晰地可读可见，这就需要采用数据展现技术。数据展现技术涵盖了可视化、空间信息流展示、历史信息流展示等方面。可视化技术提供给电力监控室的工作人员以形象化的电力供应状态；空间信息流展示技术能够基于各类参数对供应系统的各个站点进行建模，使得人们对电力系统的情况知晓得更为具体；历史流展示技术则能够对电网过去的相关数据进行存储和分析，并展示出过去相关数据的发展规律，甚至对未来趋势进行预测。
结束语
随着我国智能化电网技术的不断发展，智能电网和大数据已经能成为我国发展的重要领域之一。智能电网大数据技术对电力行业的影响非常巨大，对其可持续发展有重要的意义。
参考文献：
[1]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.
[2]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.
[3]郭立玮.面向智能电网应用的电力大数据技术研究[J].企业技术开发，2017，36（11）：75-76.
[4]陈丽丽.智能电网大数据处理技术现状与挑战[J].科技资讯，2017，15（09）：56+58.
论文作者:陈梦
论文发表刊物:《基层建设》2018年第26期
论文发表时间:2018/10/1
标签：数据论文; 电网论文; 技术论文; 智能论文; 电力论文; 数据处理论文; 结构化论文; 《基层建设》2018年第26期论文;