基于大数据的电力信息通信预警技术研究

魏骞

【摘  要】随着我国电力系统的不断发展，电力信息通信技术也得到了迅速的发展，在电力信息通信技术发展的过程中应该将大数据分析技术和电网的安全预警中的具体需求进行有效的结合，充分保证我国电网调度的安全性。在电力系统发展的过程中应该将电网大数据的特点和预警系统管理的需求进行与时俱进的分析和研究，并结合大数据技术，使电力信息通信预警系统建设的思路不断的进行创新，使电力信息通信预警系统更加的科学合理，促进我国电网预警工作的开展。

【关键词】电力系统;大数据;电力通信预警技术

我国经济不断的发展促进了我国电网建设的发展，但在发展的过程中面临许多的问题，电网设备和线路由于自然环境的影响经常会出现故障，电网的维护和检修工作能够有效的促进我国电网运行的安全性。在电网未来的发展的过程中应该运用大数据分析技术对电网运行中的数据进行科学合理的分析，这样才能够有效的提高电网运行的安全性以及应急问题处理的能力。

1.基于大数据的电力信息通信风险预警架构研究

在电网运行的过程中呈现出了一些信息量大，类型较多以及速度快的特点，并数据的内容涵盖了电网系统的整个过程。在电网数据中主要包括结构化数据和半结构以及非结构化的数据类型，其中最主要的是电网的结构化数据主要包括财务数据和人力资源数等，存储的位置是在数据库中;半结构化数据包括运行等数据;非结构化数据主要包括电网系统中的文件和图片以及视频等数据信息。通过对以上数据进行大数据的分析过程主要是将有用的数据进行挖掘，并分析数据信息之间的关联性和因果关系，通过对这些数据的采集和存储以及交工和计算等过程，为电网系统在运行过程中出现的安全性进行可靠的预警，并不断的实现智能化和自动化的特征，使电网预警的管理系统更加的科学有效并达到管理的具体要求。

1.1基于大数据电力信息通信风险分析及预警架构

基于大数据分析的电网自动预警系统主要是通过对复杂的数据进行综合的整理和分析，并根据电网在运行过程中出现安全问题的等级要求依据预警判断的标准进行分析和预警，从而有效的保证电网在运行过程中的安全性和稳定性。预警系统的工作过程中主要涉及对电网数据的采集和分析以及结论验证等具体的环节和步骤，这样能够有效的保障电力系统的管理人员对各种设备的运行情况和线路情况进行及时的了解和掌握，并使预警信息的准确性得到了有效的保证，预警信息发布具有了可靠的数据。Hadoop和Spark 是大数据处理的重要开源平台，并随着电力系统的发展也得到了较快的发展，并呈现出了多样的相关应用和解决的具体方案，Hadoop主要支持的是电力系统中重要的集群操作，并可以在集群上增加千个节点并进行详细和准确的计算，并且计算的速度会随着集群数量的变化也随之变化，这样能够有效的解决在电力系统中海量日志信息无法进行处理的问题。但是Hadoop并不能对电力系统中的实时应用进行处理。

Spark与Hadoop具有相似的计算框架，并且作为其重要的补充，能够实现系统中实时应用系统的处理。

1.2基于大数据的电力信息通信数据处理

总体功能架构是基于大数据分析的电力信息通信预警系统的架构主要可以利用SOA的架构模式，服务的端口主要采用Java技术，客户端使用B/S技术进行开发。功能上应该包括系统的接口模块和数据采集模块以及数据挖掘和分析模块。另外还包括预警生成模块，这样可以有效的完成对数据的各个环节数据进行采集和挖掘以及分析工作。通过电网数据中心能够有效的实现对电网设备的地理信息和资产信息以及线路运行情况的基本数据进行了解，并根据电网设备和线路所处的自然环境和进修状况对数据信息进行统计和处理，再通过电力信息通信预警技术的判断以及预警生成和预警自我诊断的过程实现电网预警信息的发布。

1.3基于大数据的电力信息通信趋势预测。

Holt-Winters指的是三次指数的平滑模型，可以实现具有趋势性的信息以及季节性的时间序列进行预测，在此种算法中经常使用累加和累乘的方式进行计算。趋势的预测可以根据电力系统数据本身的变化情况以及其他因素的影响规律进行研究和分析，并對电力系统中的故障没有对其产生的原因和传播方式进行建模的情况下，能够有效的实现对信息通信技术的需求进行估计和预测，在电力系统中信息通信网络系统具有容量不确定的一些特点，预测工作需要在确定的环境下在可以实现其准确性和实时性。对电力系统的原始数据进行分析和预测需要分为四个步骤：数据平稳化处理和模型识别以及参数估算和预测。

2.场景应用验证与结论

运用上述提到的架构模式和相关的算法对电力系统的流量数据御用大数据进行分析并对危险性进行预测。原始数据的采集主要是通过对电力系统各个单位中的流量总和，数据时间的具体范围以及设定好，并且设计的具体节点是每隔一个小时的平均值情况。将电力系统中原始数据的流量进行单独的分析并且做出准确的预测，通过数据流量的具体数据可以看出第四十天和第50天的数据与其他工作时间的数据具有很大的差异，因此，可以判定为异常情况。如图1所示。

上述模型的编程只要使用的是R语言来实现的，具体步骤如下：首先，用time Series包中的ts（）函数将收集的数据转换为时间的具体序列。其次，用forecast中的STL函数把时间数列进行分解成周期性成分和趋势成分以及残余量。最后，使用forecast包中的Holtwinters的函数和arima 或 auto.arima函数进行预测，使用arima函数时需要对函数的系统阶数给与一定的数值，以此来判断电力系统运行是否安全和稳定。

结束语

我国电力系统的改革在不断的深入和发展，电力企业在业务发展的过程中对信息通信系统的依赖程度也越来越高，因此，在电力企业未来发展的过程中应提高信息系统服务的能力，让电力系统的信息化建设和运维投入更加的科学合理。通过本文对电力信息系统的基本架构和算法进行分析以及相关技术的研究，能够有效的帮助电力系统运行维护人员在海量的数据信息中发现系统中潜在的安全隐患，并有效的实现风险的实施预警和趋势的精准预测，使电力系统运维具有主动预防的效果，促进我国电网的安全运行。

参考文献：

[1]王江亭，靳丹，俞俊，等.基于大数据的电力信息通信预警技术研究[J].电力信息与通信技术，2017（9）.

[2]孙宏斌，黄天恩，郭庆来，等.基于仿真大数据的电网智能型超前安全预警技术[J].南方电网技术，2016，10（3）：42-46.

（作者单位：湖北工业大学）