智能电网大数据技术发展探讨

2018-11-19吴义俊

通信电源技术 2018年10期

吴义俊

（国网安徽省电力有限公司安庆供电公司，安徽安庆 246004）

0 引言

在智能电网中，大数据技术能够分析电网各类数据的结构特点，对数据进行细化处理形成深层次数据集。该数据集中主要包含两种数据，结构数据和非结构数据。结构数据是指相互之间存在关联的数据，在所有数据中占很大比重；非结构数据是指相互之间独立的源数据，如视频监控数据、初始图像数据等。虽然它的数量不如结构数据，但是增长更新的速度要高于结构数据。

1 智能电网大数据技术应用架构

1.1 大数据分类架构

目前，大数据技术在现代智能电网中已经实现了全覆盖应用，即在智能电网的所有相关领域都包含大数据应用。具体来说，智能电网的结构可以分为电力硬件系统、电力软件系统和电力调控系统。在此基础上，大数据技术在智能电网中可以分为相应的三部分。应用上，针对电力硬件系统大数据技术可以与数据采集设备建立信息交互通道，通过数据采集设备的采集功能，得到实时的硬件设备运作参数，而这些参数代表了硬件设备当前的状态。之后，通过数据采集设备的传输功能和信息交互通道，使大数据技术系统可以接收到实时硬件设备运作参数。接收后可以对数据进行规整、分类等操作，同时分析当前硬件设备的运作状态，再依靠智能化技术对分析状态进行决策。当发现硬件设备存在运作异常时，结合智能化控制技术对电力软件系统发出指令，通过电力软件系统的调控功能调整硬件设备[1]。

1.2 云计算平台架构

云计算平台是智能电网大数据技术系统中的重要部分，主要根据一定的规则对海量数据进行计算，给智能化决策提供准确的数据信息。因为现代智能电网规模庞大，所以云计算平台一般情况下会采用分布式数据存储架构，以提高云计算功能的效率。此外，云计算的工作平台主要依赖于计算机和服务器，结构十分简洁，且可以充分调用各地区的闲置资源[2]。

1.3 智能电网大数据技术架构设计

普遍情况下，智能电网大数据技术架构设计可以分为6个层次，即设备层、操作系统层、数据框架层、网络层、访问层和数据应用层。其中，设备层为带有出色计算能力、大容量储存能力的服务器，以此支撑服务的储存、调用、分析；操作系统层是指设备层服务器中的操作系统，如以Linux为集成核心的centos系统，其不但在运作效率上表现良好，还能够实现可视化操作；数据框架层是指带有数据框架的储存数据库，其框架能够分化智能电网中的数据类型，避免出现数据混乱现象，同时在一些先进的储存数据库软件中，能够清理无用数据，有效降低数据储存的资源占用；网络层是指各层次之间的信息交互路径，一般采用网络渠道构建；访问层是在网络层基础上，实现某节点向另一个节点提出访问申请的渠道，如计算机向服务器提出资源访问请求，服务器通过后可以实现数据查询或者调用；数据应用层是根据访问请求，实现数据的调用或者数据输入的功能，是用户可以直接操作的层面，因此在系统整体架构上属于最高层[3]。

2 实例智能电网大数据应用分析

2.1 实例概况

某地区电力单位因为大数据技术的普及和优异的性能，决定将此项技术融合自身管辖范围内的智能电网中。为了保障应用的有效性，融合前先对大数据关键技术进行选择，如大数据集成管理技术、大数据挖掘与分析技术、数据处理技术和数据可视化技术等。下面将对实例中的四项大数据技术进行逐一分析。

2.2 大数据集成管理技术

实例电力单位以往的运作中，数据产出具有数量多、格式种类多、形态不一的特点，说明其数据复杂性较高。在没有应用大数据技术前，单位主要通过大量人工和非针对性软件实现数据分类储存等工作，工作结果上时常出现因数据定义不明确而导致数据分类不合理的问题，且因为电网范围较广阔，导致数据调用存在一定的阻碍。在大数据集成管理技术的应用下，首先采用大容量数据库构建数据储存基础。该数据库具有明确的分类框架和数据特征知识库，其中数据特征知识库与网络连接，可以根据网络不断更新自身知识量。其次，采用服务器、计算机构建大数据集成管理技术的支撑基础。最后，采用传感器实现电网电力设备的监控和数据传输。图1为实例大数据集成管理技术架构图。

图1 实例大数据集成管理技术架构

应用中，首先通过传感器的采集与传输功能，将实施数据传输到服务器中。服务器依靠计算机将数据传输到数据库，数据库根据自身功能对所有数据进行特征分析，并将其与数据特征知识库内容进行比对，之后根据比对结果将其存入相应的框架分类中。

2.3 大数据挖掘与分析技术

因为实例电网中数据交错性较强，所以数据与数据之间的关系十分复杂。要使这些数据产生实质性功能，必须了解之间的关系。但是，传统的人工模式在面对海量信息时会出现低效率、易出错的现象。应用大数据挖掘与分析技术，能够从海量数据信息中寻找出数据与数据之间的关系，同时建立相应的关系树状结构。在树状结构中，可以清晰观察到数据的多元化分支。此外，此项技术还具有学习能力，运作原理与上述的数据特征知识库类似，区别在于大数据挖掘与分析技术并不是通过网络进行学习，而是通过一定的设定规则和处理数据的经验来获取新知识。

2.4 数据处理技术

实例电网单位采用的数据处理技术主要分为三个部分，即分布式计算、内存计算和流处理。分布式计算主要是针对数据分布形态，在分散数据之间的关系基础上，对数据进行计算处理。通过此计算方法可以了解数据的原理、功能、来源、状态等基本属性，算法的核心思路在于将大规模分散数据集中化。内存计算主要是为了避免海量数据计算时占用大量的计算机资源，导致计算效率变低，应用时能够将数据放置在内层中，摆脱传统的磁盘读取时间。流处理主要是针对海量数据传输流进行处理，因为电力信息的产生具有很强的实时性和异构性，且在传输速度与自身规模上也难以统一。流处理可在极短时间内对各式各样的数据进行分析和引流，保障数据流通的正确性。

2.5 数据可视化技术

为了保障智能电网控制的可控性，实例电力单位安排了专人对大数据监控下的数据流进行监控。为了实现监控目的，采用了数据可视化技术。此项技术核心在于建模，因为各类数据传输的原始形态为信号，通过传感器可以得到这些原始信号，之后利用数学模型对信号进行计算得出相应的数字参数，最终依照一定的规则完成建模。此时，监控人员可以直接观察模型，了解数据的动态发展。