面向智能电网大数据的分析研究

李国文++王静怡++陈红

摘 要：电力供应网络已经进入智能时代，大数据概念为智能电网的发展提供更加强劲的动力。发展智能电网的基础是分析了解和掌握大数据关键技术，构建电网大数据平台框架，通过大数据分析，智能化优化和管控电网运行。本文分析探讨电力企业及电网发展中大数据的处理分析方法。

关键词：大数据；智能电网；数据分析；数据处理

中图分类号：TM76 文献标识码：A 文章编号：1671-2064（2017）19-0145-02

社会经济发展离不开电力能源供应，电力供应系统已经成为社会经济发展的重要基础。电力系统从产生就具有覆盖面大、系统复杂、管控困难等诸多特点，但同时，也具有大数据的典型特点。电力系统在运行中，产生庞大的数据量，数据信息复杂多变，而随着智能化设备及软件系统的使用，更加庞大的数据信息产生。面对愈加庞大的数据信息量，传统的数据分析处理技术已经无法满足速度及精度要求，大数据环境下的电网智能化、信息化是电力发展的必然结果。

1 智能电网运作概念

电力系统大数据产生并贯穿于电力发生、输送、变压、配电、使用各个环节，是电力能源技术变革的必然产物，其不仅是电力技术方面的改革进步，也是智能化电网体制与理念的突破与变革。大数据背景为电力系统的改革提供了坚实的理论与技术基础。

与智能电网密切结合的两项技术分别是大数据和云计算。三者关系交互关联，共同构成智能电网的整体基础架构。

首先，智能电网与大数据。智能电网的智能性在于，其整合当代计算机技术、信息技术、电力技术、先进仪表设备于一体，形成高度集成性，具有自动监测控制功能的新型电力网络。智能化的电力系统通过反馈的终端数据，如用电量、用电时段情况、电网监测信号等，能够自我优化电力供给，自我监测报警和修复故障。通过数据采集分析交互，实现自动化控制、智能调节、及时分析反馈等功能。智能电网是大数据概念的充分体现。

其次，大数据与云计算。所谓云计算，是一种数据计算分析模式，充分利用互联网的便捷，海量信息及信息共享技术。大数据侧重于数据的采集沉淀，云计算侧重于数据的计算分析处理。但二者相互促进，云计算为大数据的利用提供技术基础，大数据为云计算的技术发展创造了新方向，促进云计算的实践应用。

再次，三者交集关系。云计算能够发挥其技术优势，处理电网内部数据与存储资源，提高数据信息内部交互效率；大数据基于终端信息反馈，采集数据信息，通过云计算分析处理；智能电网则是依托大数据与云计算形成的整体智能化系统。

智能电网是现代科技信息技术的集大成者，是电力发展的必然阶段。处于信息技术前沿的大数据和云计算，其强大的数据处理能力，能够很好的满足电力系统的数据处理需求。电力系统也相应的以大数据和云计算为基础提出了电力云概念。

2 智能电网数据挖掘处理

所谓数据挖掘，是基于一定的运算方法，在海量的数据中提取价值数据，进而对这些数据进行精细分析提炼，形成某些结论和结果的过程。

2.1 基本数据的挖掘提取处理

（1）基本数据的挖掘提取分析计算。基本数据是指，根据已有的数据模型，建立的分类数据规则，系统根据既定的规则提取相应的数据信息并进行分类输出。运算法则包括贝叶斯模型、决策树及K近邻等算法。

（2）数据关联挖掘分析。大量数据之间是存在一定关系的，通过一定的运算法则，提取数据间具有一定的关联关系的数据，如相似、差异、趋势、对立等，建立相应的挖掘法则，进而提取相关数据。如Frequent pattern树算法。

（3）类聚挖掘分析。类聚挖掘处理分析是以数据间的距离为基准，所谓“距离”是指具有函数关系的数据，这表明数据间具有一定距离，能够通过法则进行推算。这样，以函数关系定义数据间的远近，进而挖掘提取相关数据并予分类。包括层次、频率、密度等运算方法。

2.2 综合类数据的挖掘处理

（1）仿生学挖掘处理。其一，ANN是基于人类神经系统的突触连接进行信息处理和存储的数据挖掘处理方法。人类神经系统的突触连接结构可以作为一种映射数学函数或运算法则的表达方式。类似的计算方法有前馈、反馈等。其二，遗传学法则，简写GA，是基于生物进化过程中的优胜劣汰法则，模拟产生的一种数据挖掘处理机制。其三，蚁群优化法则，简写ACO，是一种模拟蚂蚁群体在觅食行为中的发现和选择最优路径的算法，模拟大量蚂蚁个体信息激素释放、痕迹、挥发等信息反馈过程。其四，粒子群调整优化法则，这是模拟鸟类群体捕食活动中，群体通过个体的反馈信息调整飞行方向、路线、距离的方法，挖掘和提取数据。其五，免疫算法，通过模拟生物体组织的免疫机制运作原理和过程，用于数据空间探索和调整优化。

（2）数学集合论挖掘处理方法。其一，基于模糊性现象的模糊集论。模糊集不同于随机性事件，后者是不确定是否发生，但随着时间和数量的累积，是一定会发生的。而模糊性现象不随时间数量等改变，形成的模糊集理论和方法可以用于大数据的挖掘提取集处理。其二，粗糙集法则，即不确定、不完全、不一致的数据信息仍然具有潜在的规律，从而有助于形成结果和决策的数据挖掘处理方法。比如近似集、大约范围、高层次的属性集等集合，用于处理数据中的非精准非完整数据。

（3）可视数据信息的挖掘处理。可视数据包括图像、图形等，这些数据信息能够通过视觉进行挖掘提取分类。可視化数据分析是未来智能化发展的大趋势之一，如实时监控、仪表数据读取显示、柱状图信息等。

3 智能电网的大数据技术

3.1 大数据的集成技术

智能电网的大数据技术的首要是数据的集成管理，包括数据库建立管理技术、数据融合集成技术、数据挖掘提取技术、数据筛选提取技术等。大数据的特点是数量庞大和种类多样，要想处理这种大数据，首要环节是对原始数据进行过滤抽取和集成，进而按照计算法则精细提取和处理数据。

3.2 大数据分析技术

数据分析是将数据信息进行加工出口最终形成可供决策和采取措施的结论或原因。凭借大数据分析技术，能够从电力数据库中提取需要的数据进行分析处理，从而为电网调整控制提供决策依据。大数据的分析处理不同于传统的逻辑推理，是对大数据的一种统计分析和归纳，找到数据变化规律和分析数据变化原因，从而为智能调控提供支持。

3.3 大数据处理技术

智能电网的大数据处理技术包括分布式算法、内存计算技术和流处理技术。分布式技术是将较大的数据分析处理分解为若干小部分，然后将这些小部分数据处理任务分配给多台计算机。最后将所有结果整合起来，产生规律或结论。内存计算技术是去除了数据拷贝转移的环节，节省大量空间和时间，通过强大运算能力的计算机直接在内存状态下对数据进行快速准确分析处理，大大节省运算时间。流处理模式类似流水线作业，接受的数据信息迅速处理并反馈结果，保证及时信息的传递反馈，应用于智能电网的紧急应急机制。

4 结语

伴随着智能电网的快速发展，其融合的信息技术比重会越来越大，进而将会产生更加庞大的数据信息，智能电网将迎来真正的大数据时代。大数据时代对智能电力系统的数据处理能力提出更高的要求，因此，大数据关键技术的应用实践和创新发展成为支持智能电网发展的基础。将更强的大数据处理技术应用到智能电网中，才能不断提升智能电网在数据管理方面的水平。

参考文献

[1]张鹏飞，徐志宇，许唐云，许维胜，瞿海妮.面向智能电网大数据的分析挖掘与计算范式[J].电力学报，2016，02：89-94.

[2]刘广一，朱文东，陈金祥，张逸.智能电网大数据的特点、应用场景与分析平台[J].南方电网技术，2016，05：102-110.

[3]彭小圣，邓迪元，程时杰，文劲宇，李朝晖，牛林.面向智能电网应用的电力大数据关键技术[J].中国电机工程学报，2015，03：503-511.

[4]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，2015，20：31+29.endprint