APP下载

大数据技术在电力行业的应用研究

2020-12-09孟巧秦浩然

中国电气工程学报 2020年8期
关键词:电力行业大数据应用

孟巧 秦浩然

摘 要:伴随科学技术突飞猛进的发展,信息时代的全面到来,大数据技术应运而生,在互联网、医疗、通信等领域应用广泛,已经取得了良好的反馈结果。笔者针对大数据技术在电力行业中的应用进行分析,希望通过文中的相关阐述能够为电力行业的创新发展注入新鲜血液,促进我国现代化建设的稳固发展。本文主要对大数据概念进行了简要分析,并在此基础上论述了电力行业数据的应用。

关键词:大数据;电力行业;应用

伴随科学技术突飞猛进的发展,信息时代的全面到来,大数据技术应运而生,在互联网、医疗、通信等领域应用广泛,己经取得了良好的反馈结果。笔者针对大数据技术在电力行业中的应用进行分析,希望通过文中的相关阐述能够为电力行业的创新发展注入新鲜血液,促进我国现代化建设的稳固发展。对于电力行业而言,来自企业生产的数据(如发电量、温度、压力等),来自电力企业的运营数据(如交易电价、用电客户等),来自电力企业管理数据(如一体化平台、ERP等),这三方面的数据共同构成了“电力大数据”。“电力大数据”涉及电力系统的各个环节,综合了电力企业的产、运、销及运营和管理数据,为提升企业的竞争力和生产效率、深化企业层次、强化企业管理提供了强有力技术手段。

一、电力大数据概述

电力行业的信息时代正处于关键转折点,以往单一、变化平缓的数据类型将逐渐被复杂及异构数据取代。这就要求电力企业需要有更高的对数据处理、挖掘、管理及互操作的能力。

1.1电力大数据的特征

国际数据公司(IDC)将大数据的特点总结成四个“V”,即体量大(Volume)、类型多(Variety)和速度快(Velocity)和价值高但密度低(Value),电力大数据同样具有以上特点。此外,《中国电力大数据发展白皮书》中指出电力大数据同时具有“3E”特征,即能量(Energy)、交互(Exchange)和共情(Empathy)。电力大数据与其它行业数据相比,有着更为广义的范畴。因此,如何用高效的方法将电力大数据进行分析和处理,使用科学的技术手段以挖掘出数据潜在的巨大价值是十分必要的。

1.2电力大数据的来源

如前文所述,电力大数据的来源主要有三个方面,即电力企业的生产数据、运营数据和管理数据。(1)电力企业的生产数据。此类数据是电力大数据的产生源头,主要包括实时生产数据和设备生命周期数据两类。这些数据往往由发电侧产生,用故障检测、恢复电网运行及发电设备的检查和维修等方面。(2)电力企业的运营数据。此类数据包含了用户侧的相关信息,如客户名称、电费计价、客户用电特点,并提供给相关部门,用以对客户行为进行分析决策,挖掘数据中存在的隐藏信息,构建针对营销的系统性算法模型数据库,用以改善服务模式,提高服务质量,满足不断发展的营销需求。(3)电力企业的管理数据。对于电力企业来说,如果能充分利用来自电网的数据,通过软件对这些数据进行有效的分析和管理,将有助于提高企业管理水平,降低运营成本,提高企业的工作效率,保证决策的正确性。对于用户来说,可以享受到由电力大数据产生的增值业务所带来的实惠,得到更高质量的服务。这就体现出了电力大数据“以人为本”的核心价值。

1.3电力大数据的核心技术

根据业界对大数据的研究,归纳出电力大数据的关键技术,包括数据集成管理技术、数据分析技术、数据处理技术和数据可视化技术。(1)数据集成管理技术。电力大数据中的数据集成管理技术,是对不同数据源、不同数据形式、不同特征的大数据进行收集、整理,经过数据转换、加载后得到新的数据源,之后对得到的新的数据源进行管理,统一对外提供服务。这一技术可以为电力企业创造出许多新的服务项目和应用功能。数据集成管理技术主要包含数据融合和数据集成技术、数据库管理技术以及萃取-转换置-加载技术(ETC)。(2)数据分析技术。电力大数据中的数据分析技术包括机器学习技术、相关分析技术和数据挖掘技术,通过数据分析,就能够将有用的信息从浩瀚的大数据中提取出来。其中,机器学习技术是人工智能的核心,它是利用经验来改善计算机系统自身的性能。该技术已被广泛应用于电力系统的不同领域,如电力系统暂态稳定评估、电力设备的状态监测等。相关分析技术可以识别数据间的相关或因果关系,而被广泛应用于电力系统的投资决策和电力负荷预测等方面。数据挖掘技术是当前数据库和人工智能领域研究的热点课题,用以解决复杂数据结构、多种类型、海量数据的有效分析处理问题,提高数据的质量和可信度,在电力大数据中,数据挖掘主要用于企业决策和用电行为预测等。(3)数据处理技术。大电力数据的数据处理技术主要有分布式计算技术,内存计算技术和分布式数据流处理技术。其中,分布式计算技术是利用网络将电力系统中的计算机连接起来,以组成一台虚拟的超级计算机,完成大规模数据的存储和计算。内存处理技术将收集到的电力大数据存储在内存中,并直接在内存中对海量数据的计算和分析,大大地提高了计算速度。分布式数据流处理技术由于具有良好的伸缩性、开放性和实时性,在对电力系统动态数据的实时处理中有着不可替代的地位。

二、电力大数据面临的挑战

大数据技术为电力行业带来机遇的同时也带来许多挑战。

2.1数据质量的挑战

数据质量的好坏直接影响到数据分析处理结果的准确性、实时性。由于当前对数据的管控力度不足,导致很多历史数据无法收集,部分数据仍需手动输入,电力数据完整性、准确性一致性、和颗粒度亟待提高。

2.2数据融合的挑战

多数据融合后所获得的价值远大于数据个体价值的总和,但就如何实现电力大数据的集成化还存在很多问题:系统在初期建设时缺乏统一规划,导致数据模式不统一、冗余数据量大等问题,行业存在较为严重的数据壁垒。

2.3硬件设施承载力的挑战

当前电力行业的信息数量呈现爆炸性增长态势,数据规模越来越大,对数据存储的颗粒程度、存储时间以及对信息的处理速度和准确度、数据可视化、网络传输能力等要求越来越高。这就需要对现有的系统架构和硬件设备进行升级改造,以满足日益增长的电力大数据的业务需求。

2.4在隐私、安全方面的挑战

数据隐私主要包括两个方面:一是用电用户个人的隐私,如用电习惯、地理信息等;二是即使得到用户的许可,一些数据在传输和存放的过程中,仍存在被泄露的危险,特别是在防护体系尚未健全的地区。为保障广大用户的权益,这就对电力行业的信息安全工作提出了更高的要求。

总之,大数据技术的广泛应用是未来社会发展的必然趋势。将大数据技术应用到电力系统必将促成电力行业的全新发展,加快智能电网的建设步伐。希望通过本文的阐述,能够引起电力部门和电力工作者对大数据技术的关注,变革传统观念、创新工作方法、整合先进技术,促进电力事业的长足稳定发展,为现代化建设提供基础性保障,加速社会主义事业的发展步伐。

参考文献:

[1]陈超,张顺仕,尚守卫等.大数据背景下電力行业数据应用研究[J].现代电子技术,2013(24):8-11.

[2]严明良.电力行业大数据技术及应用研究[J].南京工业职业技术学院学报,2015(2):1-5.

第一作者简介:朱芳(1990-),助理工程师,身份证号:150204199009250621

猜你喜欢

电力行业大数据应用
电力行业工业控制系统安全防护技术应用
电力企业文化与企业文化建设
GM(1,1)白化微分优化方程预测模型建模过程应用分析
煤矿井下坑道钻机人机工程学应用分析
气体分离提纯应用变压吸附技术的分析
基于大数据背景下的智慧城市建设研究
会计与统计的比较研究
电力行业的节能减排与低碳经济