大数据技术在电站机组节能中的应用

苏靖，沙龙

（商丘职业技术学院，河南商丘，476000）

0 引言

以往电站机组之所以要全天候不间断运作，是因为电站辖区内随时随地都有可能产生用电需求，如果电站机组停止，就可能导致用户用电不畅，所以不得以要全天候不间断运作。但这一问题在现代相关研究中已经得到解决，研究普遍认为大数据技术能够获取用户用电信息，及时分析用户用电习惯，甚至能预测用户用电需求，随之输出一个能耗最低的电站机组运作方案，使得电站机组的运作能耗与实际需求吻合，而不是盲目的不间断运作，始终做好供电准备，这样就起到了节能效果。因此如何利用大数据技术实现这一点是一项值得思考的问题，有必要对此展开相关研究。

1 大数据技术基本概念与主要功能

1.1 基本概念

大数据技术基本概念可以分为两个层次，分别为“大数据”、“技术工具”，具体内容为：（1）大数据的本质就是庞大数据的集成体，其中数据总量巨大，甚至可以达到数亿，且这些数据还会不断更新，数量也会不断增长，这是大数据体的特征，而这些数据源于实际发生的事件，因此根据这些数据可以对事件进行识别或判断、预测，说明大数据具有良好的应用价值，这一点在任意领域中都有明显体现，电站机组节能也不例外；（2）因为大数据体中的数据总量非常庞大，所以人工受能力所限，并不能直接对内部数据逐一进行处理，这时就要借助技术工具来完成数据处理工作，而众多技术工具中最具代表性的是人工神经网络模型、智能技术，其中前者是一种大数据挖掘功能，具有强大的数据处理功能，能在短时间内将数据整合在一起，生成一个类似人类神经网络的模型，该模型代表了数据源事件（即模型中所有数据的来源），只要能识别其中数据，对数据关系进行定义，就可以对事件进行识别或判断、预测。

1.2 主要功能

在大数据技术基本概念上，整个技术系统主要具备三大功能，分别为自主学习、数据识别、数据决策，各功能具体内容如下。

（1）自主学习

自主学习功能的人工神经网络模型与智能技术下的综合产物，其中模型技术会将大数据体视作数据源，不断从中获取数据，并将每项数据视作基础神经元节点，同时将基础节点与其他数据形成的神经元节点结合，经过处理可知所有数据之间的关系，会生成大量的神经网络模型，这些模型将被记录在对接系统的知识库中（对接系统泛指智能技术系统，知识库就是智能技术系统的数据储存库）。[1]由此当对接系统在实际应用中接触到某组数据之后，会将该组数据与知识库内模型进行匹配分析，若该组数据与某个模型的匹配度一致或高度相似，就会直接识别该组数据，用对应模型对该组数据所代表的事件进行定义，若没有找到匹配度一致或高度相似的模型，就会将该组数据较于人工神经网络模型，生成一个对应模型，下一次再接触到类似数据组时，就可以直接进行识别，说明在两个技术工具下，大数据技术具备自主学习功能，人工不需要对大数据技术的内部运作做过多管理，坐享其成即可。

（2）数据识别

数据识别功能源自于智能技术，即智能技术可以依靠人工预设的智能逻辑，获取各项数据的特征信息，并将特征信息与智能逻辑进行匹配度分析，若两者完全一致或高度相似，就会对该数据进行定义，完成识别。以电站机组运作为例，假设机组在运作中产生了100W 的功率数据，则智能技术将获取该数据的单位特征，即“W”，随后在人工预设逻辑基础上，可将该数据定义为机组当前运作的功率情况，由此完成数据识别。

（3）数据决策

数据决策功能同样源于智能技术，主要在数据识别后运作，即在智能技术成功识别了某项数据之后，会根据该数据现状与人工预设智能逻辑中的数据标准进行对比，若对比结果显示数据现状不达标，就会拟定决策方案，方案的唯一目的就是让数据现状与数据标准吻合，若方案执行可实现智能控制。[2]同样以电站机组运作为例，假设人工希望电站机组的最大工具不超过100W，而数据现状表示机组功率达到200W，这时智能技术就会拟定“将机组功率下调100W”的决策方案，方案执行后电站机组的功率就会达到100W 标准。

2 大数据电站机组节能应用方案

2.1 基本思路

本文大数据电站机组节能应用方案的基本思路见图1。

图1 大数据电站机组节能应用方案的基本思路

2.2 方案分析

根据图1，方案设计与应用的具体内容如下。

（1）数据采集

方案中数据采集主要有传感器实现，出于节能目的，相关传感器均为电力计量类，能对用户全天的用电情况进行记录，并将记录信息转换为数据，随之传输给大数据技术终端，保存在数据储存库，逐渐生成大数据体，以供人工神经网络模型进行数据处理，并构建相关神经网络模型。

（2）数据储存

因为大数据体内的数据量级庞大，所以普通的数据储存库并不满足大数据储存需求，对此本文方案中主要选择了“云数据库”来构成数据储存库。云数据库在理论上具有“无限”的容量，因此必然是满足大数据储存需求的，但直接使用云数据库来储存大数据体可能会导致数据安全问题，这一条件下必须对云数据库进行安全处理。

（3）数据处理与模型构建

人工神经网络模型本身并不具备数据处理功能，因此需要借助智能技术对数据进行预处理，即首先让智能技术获取数据的特征，得出每项数据的定义，其次将数据特征保存在云数据库中（云数据库同时也充当知识库的角色），这样人工神经网络模型就能开始模型构建。

（4）数据决策

在数据识别基础上，结合智能逻辑智能技术能够进行决策，例如根据用户用电量及用电量产生时间，发现辖区内用户自早晨6 点左右开始用电，直至晚间11 点陆续关电，说明早晨6 点到晚间11 点是用户用电高峰期，这时电站机组需要不断运作，而在晚间11 点之后，用电进入低谷期，这时电站机组内部分设备可以停运，仅根据低谷期用电量均值下人工设置好的机组功率，保留若干设备继续运作，所有继续运作的设备的功率总和与人工设置标准一致，这样就起到了节能效果。

（5）数据识别

依照数据处理中得到的数据特征以及神经网络模型，智能技术可以开始进行数据识别，该步骤是大数据技术在电站机组节能中正式投入实际应用起点，能了解用户用电习惯等，以便生产准确的数据决策[3]。

3 结语

本文对大数据技术在电站机组节能中的应用进行了分析。通过分析，了解了大数据技术的基本概念与主要作用，随后文中提出了大数据电站机组节能应用方案，介绍了方案基本框架与应用方法，可知该方案能起到保障机组能耗与实际需求一致的作用，能避免能源浪费，因此实现了节能目的。