基于大数据技术的电网分配系统设计

徐锐

摘 要：利用大数据的理念、技术和方法，结合电力行业的实际情况，实现电网与大数据的结合，使发电、输电、变电、配电、用电等各个环节得到有效的调度。电网大数据是跨多个平台的数据结合，使看似无关电网数据进行融合，以可视化的方式展现，旨在实现电力行业的稳固发展。

关键词：电力行业 大数据 调度 稳固发展

中图分类号：TM727.2 文献标识码：A 文章编号：1674-098X（2019）03（b）-0002-03

2011年底，我国的发电装机已超过10亿kW，成为世界发电装机第一大国。近些年，随着网络科技的发展、国民生活水平提升，发电装机以每年平均1亿kW的速度发展着。这是一个庞大的数据，完成如此庞大的发电，需要耗费大量的自然资源及庞大的人力管理。由于传统发电在能源方面消耗过大，造成的污染不可小觑，节省资源，减少排放对电网发展的压力增大。多数发达国家电力消费占终端能源消费比例约为20%，且呈现逐年上升的趋势[1]。因此，很多国家引入新能源电能，新能源发电具有污染小、可再生优势。但新能源发电渗透到电网中，打破原有电网运行的管理方式，这就需要利用大数据技术的优势实现对电网系统合理的分配。我国电力行业紧跟时代潮流，于2013年发布了《中国电力大数据发展白皮书》，在电网领域引入大数据技术。目前电力系统仍存在能量管理、配电管理以及市场运营等各类信息不能共享[6]，引入电力大数据有助于各个环节的协调利用，实现对电网分配[2-5]。

1 电力大数据技术概述

电网大数据具有4V的特点，即Volume（数据量大）、Velocity（处理速度快）、Variety （数据类型多）、Value（价值大）。

（1）电网数据规模大。近些年，电网发电机及负荷节点数量不断增加，由于负荷与电网间存在许多交互因素，产生大量的数据，存储单位已达到PB量级。

（2）电网数据处理高速，这决定着电网最重要的属性。由于负荷波动具有随机性，发电侧需要实时跟踪，以防止出现突发情况。而且电网出现故障也是具有随机性，为保障电网正常运行，需要及时处理电网数据。

（3）电网数据类型多，主要表现为数据来源多样，存储类型多样，各个地区采集周期不一。图1所示为电网数据不同来源，有电网内部，还有电网外部的一些数据。对数据进行存储时，包括结构性数据，同时也含有非结构性数据。而采集的周期视具体情况而定，如广域测量及大型用户数据采集一般为分钟，小型的保护监测系统采集周期仅在毫秒。

（4）电网数据价值大。电网是我国经济发展的支柱型产业，通过收集各个地区发电、输电、变电、用电情况，通过计算機云计算进行处理开发，实现电力分配最优，资源利用最大，营销利润最好，为社会各个领域生产经营带来不可估量的经济价值和社会价值[7]。

2 整体框架设计

本文设计了基于大数据的电网系统分配。分成数据来源、数据存储结构、关联分析处理以及将电力分配反馈到最低层数据来源处几部分。具体可如图2所示。

2.1 数据来源

电网数据的来源具体可如图1所示，由于地区的差异，行业的不同，数据类型传输也是有差异的，包括结构化数据、半结构化数据及非结构化数据，其中主要以非结构化数据为主。

2.2 数据库存储

数据库存储处于数据处理与数据来源中间部分，不仅要把底层传来的数据按类存储，还要及时把获得的数据向上传递，进行处理。

电网的数据来源不仅信息量庞大，类型各不相同，而且根据数据的传递的重要性，需要进行不同的处理。应对的策略包括构建NoSQL数据库[8]、HDFS（Hadoop Distributed File System）分布式文件系统、实时数据库等3种存储方式，从存储结构上初步实现存储数据与应用系统做到信息、能量与业务流的高度融合，并根据信息处理结果进行预测、决策，提高数据的管理能力[9]。

NoSQL数据属于非关系型、分布式数据库存储系统，可达到每秒数万次的读写，完全适应电网大数据的要求。NoSQL数据存储系统有2种架构：Master-Slave结构和P2P环形结构。Master-Slave结构设计简单，易于控制，一般采用水平分区，将Master节点和Slave节点功能分开，由Master节点维护管理的Slave节点。P2P环形结构的系统没有中心节点，自调性好，便于扩展，但是不便于范围查询。由于支持的技术不同，两种结构具有很大的差异。近些年，数据发展趋势是半结构化数据和非结构化数据，且占用的比重越来越高，NoSQL数据库的两种架构通过优势互补，利用分布式系统、集群、分区等技术，满足半结构化数据和非结构化的发展。

HDFS是一个分布式文件系统，它有高容错性特点，可部署在低廉的硬件上。HDFS放宽线程POSIX要求，以流的方式访问文件中的数据，适合应用于超大数据文件（包括结构化数据、半结构化数据及非结构化数据）的应用程序。分布式文件系统如图3所示，从一组服务器中选择一台高性能作为主控制节点NameNode，其他服务器作为从节点DataNode。主控节点和从节点的服务器的目录结构不同，主要由功能决定，NameNode负责管理文件系统的命名空间和元数据，DataNode保存文件系统中的命名、数据块与文件名映射表的位置信息。

2.3 关联分析处理

将数据库系统中的数据分类存储完整，需要通过关联分析的方法、一系列复杂的算法对各类数据进行处理。通过规则算法进行频繁项集表，最后分析关联规则；通过关联规则进行关联分析；通过站点扰动影响对电压、电流、频率站点进行规划。最后将处理好的数据通过云计算技术进行整合，把海量的数据进行详细分类，再以图片、表格、线性表等方式展现到屏幕上。

2.4 电网大数据对电力的分配