面向智能电网应用的电力大数据关键技术探究

骆娟

摘 要：信息技术的发展带动了智能电网的出现，电力企业有了更新的发展，供电质量与管理水平在一定程度上也得到了提升。大数据背景下，企业要从整体出发注重长远的发展，那么对于电力系统的数据处理必须提高警惕，保证数据的准确性提高数据处理的效率。这样才能保证电网可靠与有效的运行。所以对于电力大数据的构建完善与关键技术的探究非常重要。

关键词：智能电网应用 电力系统 大数据关键技术

信息化时代是当下非常醒目的特征，电力系统与人们的生活是密切相关的。其在运行中出现的庞大数据信息会不断的增多，本文就结合相关问题进行探究，为让数据处理技术满足当下时代发展的步伐提供一定的借鉴。

1、智能电网大数据特征

智能电网所产生的庞大数据，是由企业内部和外部数据结合而成。内部数据是与监控、生产、配电、客户服务等管理相关的。内部数据大多是关键信息系统而外部数据相对来说非常的分散，所以对这些数据进行管理，手法也是不一样的。从中可以看出智能数据是多样性的，不同的类型的数据都会应运而生。客户服务系统中会出现相关语音数据，在线监测系统会出现视频与图像有关的数据，这些都是非结构化的，在价值体现上密度不高。每种数据所产生的频率与生命周期都不一样。对于智能电网大数据特征的把控必须从多角度进行，了解不同数据的相关作用并作出更加合理的规划，这样才有利于对大数据掌控，了解每个数据所发挥的作用。

2、智能电网、云计算以及大数据技术之间的联系

科学技术的发展让电力系统更加的信息化，最新的技术表面，电力系统与信息化技术的融入是非常先进的。可以通过信息技术进行共享，对电网进行有效的控制，让电网处在一个非常稳定的状态。结合当下电网的发展，基础设施非常的不完善，对于信息的搜集与整理不能做到有效的对应，确定信息的用途。为了解决这一现状，智能电网的应用便融入其中。电网中的数据进行合理的使用与构建有效的大数据平台是分不开的，大数据平台的建立可以进行有效的科学决策。在构建途中，加入大数据，对数据信息进行分析，遇到的难题就会出现更多的解决方式。三者之间将会形成更加紧密的联系，彼此之间可以进行完善，从而满足智能电网的实际需求。智能电网有了一定的技术支撑，同时也会受到一定的监控，为企业经济的合理运营提供了支持。在相关技术层面三者相互协调，弥补各自的不足。在数据处理面前三者又都有各自的优势，可以非常系统的对数据进行统计，这样整个数据系统就会变得更加的完善。因此智能电网、云计算与大数据技术相互促进彼此的发展，同时也为企业经济的发展提供了保障。三者的结合在一定程度上解决了当下电网发展的滞后问题，为电网的发展灌输了新的血液，促进了整个行业的进步。

3、电力大数据关键技术在智能电网中的应用

3.1 ETL关键技术

在电力领域中，智能电网的数据具有数量多、类型广、分布分散等特点，使得数据处理工作面临着诸多困难。那么，面对如此复杂的数据，其处理工作必须严格按照“数据集成-抽取-转换-剔除-修止”这一标准流程进行操作。ETL（Extract-Transform-Load）关键技术是电力企业经常使用的一项技术，即将数据仓库技术与数据集成相结合。从ETL的名称可以看出这项技术包括三部分：Extract、Transform和Load。首先，Extract指的是数据抽取技术，就是将目的数据源系统所需要的数据抽取出来；其次，Transform说的是数据转换技术，也就是将上一步抽取出来的数据进行转换，使其形式符合相关要求。同时在这个过程中，还要处理数据源中的错误数据或者偏差，通过清洗或者加工数据来确保数据正确可用。最后，Load，指的是数据加载技术，这一技术环节就是要将上一步处理好的数据加载出来，然后保存到目的数据源系统内。在智能电网中，ETL技术是电力大数据集成的关键技术，而今后若想将其应用到企业之中，必须探索其与各种先进技术相结合的模式，来达到数据集成的科学化；此外，还应该多多考虑该技术企业应用的各种因素，以期保证企业的良好发展。

3.2 数据分析关键技术

只有将信号转化为数据，才能进行数据分析。所以说，在大数据技术中，必须先将信号转为数据，并在此基础上进行分析、处理和提炼，使数据转化为我们需要的信息和知识，然后为电力企业的决策提供信息依据。在当今的大数据时代下，可以说数据分析技术至关重要，它可以挖掘巨量的数据，来找出发展规律和模式，从而为企业的发展决策提供参考和帮助。而且，科学的决策才能促进企业运营生产的良好运转，才能提供企业正确的发展方向，才能提高企业的核心竞争力，才能为企业带来持久的经济效益。成功的案例屡见不鲜，德国的数据分析技术的应用就是例子。德国电力企业的通过数据分析技术得出决策依据，使得太阳能得到良好有效的推广，电力用户使用了太阳能而节约下来的多余电能，就可以继续输入到电网中，一定程度上促进了电力企业利益的提高。

3.3 数据处理关键技术

数据处理技术就是要对采集的数据进行分库、分区和分表，这是电力数据中关键的一环。分库就是按照一定的原则，将所有数据输入到不同的数据库中，尤其是一些利用率较高的数据，这样才能提高数据处理的效率。分区是把通表的数据分别载入到不同的文件中，这样不仅可以提高数据的访问性，还能减轻了大型表的压力，从而保障其良好运行。分表则是减轻单表压力和提高数据加载性能的良好途径，按照相关处理原则将所有数据分到各类数据表中，并构建出并行式或者纵列式的数据库，以便实现数据查询。例如，MapReduce与结构化查询语言的结合，在加强数据处理性能的同时，也提高了其抗压弹性。

3.4 数据展现关键技术

将数据展现技术可以直观地展现出电力企业中电力数据的运行状况和各数据的意义，使得电力企业的决策者与管理者更好地管理企业。数据展现关键技术包括：可视化技术、历史流和空间信息流。可视化技术是智能电网中应用最为广泛的技术，利用它可以对电网的运行状况进行实时监测与控制，从而大大提高了电力系统的自动化水平。空间信息流展现技术多见于电网参数和已有的GIS融合中，三维展示技术和虚拟现实技术就是典型代表。利用GIS应用来进行电力配电设备的管理，可以為电力决策者提供实时的地理信息，让其管理者可以更为直观和及时地了解该设备的相关情况。尤其是在变电站工程设计中，该技术更是在提高工作效率、节约成本、缩短时间、提升经济效益等方面发挥了不可替代的作用。电网中的历史数据同样不可忽视，只有深入分析历史数据才能更好地为今后决策服务，而此过程中用到的就是历史流展现技术。该技术可以对电力生产过程中的实时数据、电网规划数据、电网负荷预测数据等进行走势预测，通过对历史重大事件进行发生与演变的模拟，才发现数据中隐藏的规律，从而为今后的决策与生产提供参考依据。

4、结束语

我国智能电网发展迅速，大数据的产生日益增多，传统的数据的处理方法不能满足当下的发展步伐。因此企业必须不断的进步才能满足当下时代发展的步伐。电力大数据平台的构建是非常关键的。通过技术的投入解决大数据平台对于数据的处理问题，为企业带来经济效益，提高企业在社会竞争中的地位，保证电网的安全运行。

参考文献

[1]张东霞，苗新，刘丽平，等.智能电网大数据技术发展研究[J].中国电机工程学报，2015（01）.

[2]薛禹胜，赖业宁.大能源思维与大数据思维的融合（一）大数据与电力大数据[J].电力系统自动化，2016（01）.

[3]徐高翔，黄勇达，赵享.云计算大数据处理技术在智能电网中分析与应用[J].科技与企业，2016（06）.