智能电网大数据处理技术现状与挑战

陈祺

摘 要：在电网的运行和管理过程中会产生海量的数据信息，将这些数据信息进行分类存储与使用也就是我们常说的大数据处理技术。大数据技术的终极目标在于提升数据信息存储的效率与质量，加快数据访问和处理的速率，从而使智能电网的建设能够更符合智能化和自动化的根本需求，弥补当前电网系统中存在的缺陷和不足，促进我国智能电网事业的深入发展。

关键词：智能电网;大数据处理技术;现状;挑战

引言：

在进行智能电网大数据处理技术的研究中，应该从智能电网大数据处理技术的现状入手，找到智能电网大数据处理技术的应用方式。同时了解当前智能电网大数据处理技术面临的机遇与挑战，进而为智能电网大数据处理技术的发展与广泛应用奠定更加坚实的基础。

一、智能电网大数据处理技术的现状

所谓的智能电网大数据处理技术是当前随着全球能源形势日益严峻的情况下创设的全新技术，其最终的目标在于能够覆盖电力系统整个生产过程，建成电力系统运行的一体化智能化管控方案，从而使电力系统在运行过程中更具安全性和稳定性。这种技术能够实现电网的全景实时数据的收集、存储和传递，从而使其能够成为电网系统数据处理的重要依据。随着时代的发展、科技的进步，越来越多的先进技术被应用到智能电网大数据处理技术中，能够满足越来越高量级的电网运行和设备检测的需求。而随着云计算平台的全面应用，大数据技术也成为了智能电网处理技术的核心技术。大数据技术能够直接应用于智能电网系统运行的每个环节和流程，从用电端到管理端都能切实享受到大数据处理技术的优势。比如说在进行智能电表安装的环节中，供电企业可以通过读取用户的电表读数和用电信息获取用户的用电习惯和消费能力，从而有针对性的制定供电服务方案，进而能够更好的理解和满足电力客户的消费需求，从而能够为完善和优化整个电力系统做出重要的参考[1]。

当前我国智能电网产生的数据主要有三种，第一种是电网运行以及设备维护升级中产生的监测数据;第二种是通过销售获取的营销数据，比如说电量的交易价格，用电客户的种类等;第三种则是电力企业的用电管理数据。而根据数据的结构与组成，这些数据也可以分为结构化数据和非结构化数据两种。结构化数据指的是通过采集和存储等方式存储在数据库中的数据信息，而非结构化数据一般是指通过数据监控系统以及图像图形处理系统获取的数据。非结构化数据在近些年的增长较为迅速，根据科学调研表明，这部分的数据每年的增长量可以达到百分之60，而在电力系统中，非结构化数据也占据了相当大的比重。结构化数据在使用过程中根据处理时限的要求可以划分为实时数据和准实时数据。一般情况而言，电网调度数据和控制需求數据都是实时性数据，这些数据需要进行实时处理，要求处理的方式较为精准。而电网系统中的状态检测数据对实时性要求相对较低，这些数据也就是所谓的准实时性数据。智能电网与传统电网之间最大的区别在于其智能化水平较高，而实现智能化的最大前提即在于数据获取的准确性和实时性。而目前智能电网中，为了能够获取电网运行的实际状态，需要对大量的采集点进行数据采集[2]。当前常规的调度自动化系统大概需要配置十万个数据采集点，而配用电和数据中心数据采集点的量级将在百万以上，需要在多个设备上安装设置大量的传感器，检测装置会通过通信通道将这些传感器进行有效的连接，并由变电站的数据收集服务器将这些数据进行收集、解码和传送至数据中心的存储服务器上。而为了能够定向采集多种状态信息满足电网的使用需求，数据采集的设备采样频率也越来越高。在输变电设备的状态检测中，信号的采样频率要求在200KHZ以上，特高频的检测需要GHz以上的采样率。也就是说，在智能电网大数据处理技术中，其数据监测平台需要检测的数据量十分庞大。为了能够将这些数据准确完整的传递，要求大数据处理技术能够有着实时性、灵活性的采样方案[3]。

二、智能电网大数据处理技术的应用方式

在智能电网的运行过程中，大数据能够产生于电力系统运行的的每个阶段，而随着发电厂的数字化建设，越来越多的数据被保存下来，这些数据中包含着大量有效的信息，能够为技术人员分析电力系统运行故障和完善系统提供重要依据。而智能电网大数据处理技术在应用过程中可以在发电侧通过对海量数据的建模处理，以定型的经验和知识作为现实依据，能够为电力系统设备的故障诊断和系统优化做出重要的参考。同时，在技术应用过程中，为了及时和准确的掌握分布式电源的运行状态，需要采用大数据处理技术对分布式电源进行实时监测和掌握。在用电侧，智能电网大数据处理技术一般会用具有双向通信能力的智能电表进行数据的采集和处理[4]。智能化电表可以以每5分钟的频率向电网的管理端发送实时用电信息，从而满足电网运行数据收集的实际要求。在智能电网中，大数据的基本特点在于规模庞大、类型众多、价值密度较低、数据的变化速度较快等，应用过程中也要对实时数据、历史数据、文本数据、时间数据以及多媒体数据等多种数据分类进行有效区分。同时也要注意到数据采集后价值密度低的问题，很多数据在采集后有用的数据信息占比较少，需要进行筛选和区分[5]。比如在进行视频监控过程中，在经过高强度的监控后，需要的数据很可能只有几秒钟。再比如，在输变电设备状态监控中，所采集的数据信息大部分都是较为正常的信息，而异常数据信息占比较少，只有异常数据信息才能为状态的维修和检护提供依据。

三、智能电网大数据处理技术的挑战

随着智能电网大数据处理技术的深入发展，处理技术的应用也面临着一定的发展机遇与挑战。首先，大数据技术的关键在于数据的类型较多，数据的数量较多，会随着时间的推移产生海量的数据，对数据传输设备和存储设备造成了极大的负担，成为了电力系统大数据处理技术深入发展和广泛应用的最大阻碍。而将数据压缩技术应用到智能电网数据处理中能够有效的减轻网络数据传输的数量，提升数据存储的效率。数据压缩技术能够通过线性整数变换的方式实现数据的压缩和解压缩，通过这种方式能够使数据自动进行归类和划分，从而减少存储空间，减少CPU资源的耗费量。数据压缩技术要求电力数据管理系统有着合适的计算平台和存储平台，从而能够完成数据解压缩的任务。另一方面，海量的数据资源也需要更大的存储空间进行存储，目前常用的存储系统为Hadoop的HDFS进行存储。然而这些系统虽然能够满足数据存储的基本要求，却缺乏智能电网系统本身的实时性要求，需要对系统中的大数据进行深入的分析，了解数据的性能和特性，从而完成分类存储。对于性能要求较高的数据要另外建立实时性数据库进行存储，提升数据调取和存储的速度。对核心业务数据而言，要使用传统的安全性较高的数据存储系统，而对历史的非结构化数据而言，要采用分布式处理系统。在这其中，智能电网大数据也可以构建多级存储系统，从而能够实时对通信系统中的警报信息和监测数据进行处理和反馈[6]。

智能电网大数据处理技术的另一项挑战来自实时数据处理技术的功能性实现。对技术自身而言，其处理速度非常重要，一般来说，数据的规模越大，那么分析处理的时间就会越长。传统的数据存储方案是为了一定大小的数据而设计的，虽然这种数据传输方式也可以达到较高的速度，但是对大数据而言，其无法满足实时性的具体要求。在未来，智能电网大数据处理技术的处理速度要求较高，要求从发电、输变电以及用电环节都能达到实时性数据传递，这也是当前技术人员需要面临的另一项挑战。随着智能电网大数据处理技术的普及，基于内存的数据存储和分析系统也越来越受到业内人士的关注。这种数据处理和存储系统的读写速度要比传统数据存储系统高出几个数量级，能够全面提升数据使用的速度和安全性。而在这基础上，相应的数据查询和调用系统也需要进行全面的优化，从而提升数据使用的便捷性。

四、结束语

在未来，智能电网的运行方式将以大数据为主进行数据分析和处理的全景化自动化实时性电网系统，而大数据处理技术也为这种数据处理方式提供了坚实的技术依托。在未来，大数据处理技术将以数据信息传递质量和传递效率作为主要的技术攻坚目标，从而提升数据传递的实时性，提升数据的准确性和安全性，进而促进我国电力事业的深入发展。

参考文献：

[1]周宇晴，魏徐，刘钊，王治玲.智能电网大数据处理技术现状与挑战[J].数字化用户，2017，23（45）：164.

[2]张君.智能电网大数据处理技术现状与挑战[J].军民两用技术与产品，2015，（10）：108-108.

[3]刘义德，梁坚.智能电网大数据处理技术现状与挑战[J].科技创新与应用，2015，（29）.

[4]李宝玉，戴羽.智能电网大数据处理技术现状与挑战[J].科技经济市场，2018，（4）：6-7.

[5]于勇.智能电网大数据处理技术现状与挑战[J].城市建设理论研究（电子版），2015，5（28）：4696-4697.

[6]刘义德，梁坚.智能电网大数据处理技术现状与挑战[J].科技创新与应用，2015，（29）：184.