面向智能电网应用的电力大数据关键技术探讨李文捷王孝芳

面向智能电网应用的电力大数据关键技术探讨李文捷王孝芳

李文捷王孝芳

国网长治供电公司山西省长治市046000

摘要：随着当前我国科学技术的迅速发展,各领域对新技术的应用需求也在提升,智能电网发展中对电力大数据关键技术的应用就是当前需求呼声比较高的。基于此,文章先就智能电网和大数据及云计算的关系及智能电网电力大数据平台架构加以阐述,然后就智能电网应用的电力大数据关键技术进行探究,希望通过分析电力大数据关键技术能为实际技术应用起到促进作用。

关键词：电力大数据;智能电网;关键技术;

1电力大数据技术

在智能电网工作和运行环境下，对电力工作的整体工作效率起到了重要的推动作用，同时内部所产生的电力数据规模非常庞大，在众多复杂的电力数据当中，会存在各种隐藏的数据关系以及数据内容。通过大数据技术的有效运用，就是将电力系统在工作过程当中所产生的海量数据信息以及各种信息隐藏关系进行解读，为智能化电网的顺利工作提供充分的保障。在智能电网的建设和发展过程中，重点表现出了以下几个方面的特性。

1.1数据体量大

在智能电网系统当中，主要包含了电力生产、电力传输以及电力消费等几个重要的工程环节，在此过程当中会产生比较复杂和庞大的电力数据。随着我国智能电网的发展速度不断加快，在终端采集信息量上不断上涨，对电力数据的整体处理难度相对较大。

1.2数据类型多

智能电网和传统的电力系统工作形式存在一定的差异，智能电网在实际的工作过程当中会产生大量的电力数据，在传统的电力系统当中电力数据基本上都是结构化存在，而智能电网当中会产生大量的电力信息图片、声音以及一些非结构化的电力数据。因此，在智能化电网建设工作当中信息的类型多样化，使得电力大数据的种类非常复杂，信息处理工作比较困难。

1.3数据速率高

在智能电网的数据传输过程当中，主要是依靠信息数据流所生成，具有比较明显的及时性以及精确性特点，针对运算速度较快、数量较多的智能电网来讲，在工作过程当中所产生的电力大数据的传输效率起到了至关重要的作用。

1.4数据价值高

在智能电网的工作过程当中，所得到的数据需要运用在电力生产、电力输出以及电力消费等重要的工作环节当中，这些数据的价值相对较高，可以通过更加深入性的挖掘以及融合的方式从中寻找出更高价值的信息类型，为智能电网的安全稳定工作打下良好的数据基础。

2智能电网电力大数据平台架构及电力大数据关键技术应用

2.1智能电网电力大数据平台架构

智能电网电力大数据平台的架构通用性比较好,对电力企业大数据规划发挥积极作用。通过基于Hadoop文件系统(Hadoopdistributedfilesystem,HDFS)分布式文件处理系统为存储框架,通过MapReduce的分布式计算技术为大数据处理框架,分布式文件处理技术为基础通过PB、ZB级数据存储的功能发挥,就能在数据的查询分析上发挥其积极作用。在应用这一框架时,有着商业智能应用及大数据访问框架和传统数据仓库等诸多的模块内容。大数据存储框架和处理框架是建立在通用服务器及操作系统上的,这就使得这一架构需要的硬件有着低成本及高扩展性特征,在其框架上是采用网络层连接大数据访问框架的,框架当中也有数据序列化格式与传输工具Avro、日志收集系统Flume等相应的模块内容。通过大数据调度框架的运用能有效实现大数据组织调度,能为分析数据提供基础条件,这一框架所涵盖的大数据技术的环节比较完善,通过访问框架就能有效实现对分布式文件存储系统实施访问,以及对传统数据仓库实施访问。电力大数据处理流程和传统处理流程的区别就是电力大数据的处理数据量比较大,非结构数据及各环节都能应用MapReduce相应方式加以处理。电力系统是高维非线性复杂系统,内部数据流的类型比较多样,借助网损分析大数据平台,还能够对用户窃电行为实施分析监控,从而实现深层应用,发挥其功能价值。

2.2智能电网电力大数据关键技术的应用

智能电网的电力大数据关键技术的实际应用过程中,所涉及的技术类型比较多样,主要有以下几种关键技术。

第一,集成管理技术的应用。电力大数据集成管理技术主要是合并两个或以上应用系统的数据,进行创建多功能企业应用的过程,集成的管理就是将不同来源及格式和特征数据在逻辑上及存储介质上集中,为系统存储系列的集成及稳定的数据集合,为系统提供全面数据共享。电力大数据集成管理技术方面也涉及其他层面的技术,如数据融合集成技术及菲关系型数据库技术等。处理大数据就要对数据源数据加以抽取及集成,并能提取实体及关系,这样就能提升数据质量。存储管理当中的NoSQL数据库技术是比较关键的,这一技术是分布式数据存储方式,数据存储进行了简化,更为灵活,可扩展性也比较突出,能够对海量数据进行存储。

第二,ETL关键技术的应用。智能电网电力大数据关键技术当中的ETL关键技术也是比较重要的,智能电网在数据分布层面的分散性及数量巨型的特点比较突出,所以数据处理有一定的难度。因此,要在数据处理方面进行简化为数据收集及抽取和转换等流程,而电力企业主要将数据仓库技术在数据收集工作上进行应用,在应用ETL关键技术的时候,就有几个不同的技术类型,数据抽取的技术是按照工作的需要从广泛数据源中抽取相应数据,从整体上提升数据关联性。数据转换技术的应用方面,对抽取数据转换为电网直接应用的数据形式,并对错误的数据实时处理,这样能保障数据的准确。在数据加载技术的应用方面,就是把数据存储在数据源系统。

第三,电力大数据分析技术的应用。面向智能电网的电力大数据关键技术中的数据分析技术是比较重要的技术类型。大数据的技术主要驱动力是把信号转换成数据,把数据分析成信息,并进一步提炼成知识,通过知识促成决策及行动。应用大数据分析技术,就能从电力系统海量数据当中找出潜在模态及规律,有助于为决策人提供准确决策。电力大数据分析技术是传统数据挖掘技术的新发展,而大数据海量及高速增长等特征,包含半结构及结构化数据类型,大数据分析技术的应用就能发挥其积极作用,对不同结构的数据进行分析。

第四,电力大数据展现技术的应用。智能电网的电力大数据关键技术的应用当中,展现技术也是比较重要的技术类型,其中有空间信息流展示及可视化技术等,这些都能有助于促进电力大数据技术的应用质量水平的提升。空气信息流展示技术在电网参数及已经有的地理信息系统结合下,能够对电网管理人员对电力设备的运行状况有充分的了解,能为决策提供准确的地理信息。

第五,电力大数据处理技术的应用。智能电网电力大数据关键技术中,处理技术发挥着比较重要的作用。大数据处理技术的作用主要是能够对收集到的数据信息进行有效处理,然后就处理的数据进行区分,其中有分库及分表和分区途径。在分库方面,按照既定要求将反复利用的数据输入不同数据库中,从而能够为数据利用效率的提升打下基础;在分区方面,主要将通表数据及时载入不同文件中,从而能有效降低大型数据表压力,有效提升数据的访问速度,这样也能从整体上保障通表的顺畅;在分表方面,按照数据处理要求制定多样数据表,从而能最大限度地降低单表压力,采用建设并行式及纵列式数据库的方式,把数据更快加载,从而能为人们查询需要的数据提供很大便利。工作中能够和MapReduce进行有机的结合起来,这样就能够提升数据处理的整体效率,提高了数据应用的整体效果。

3结语

智能电网已经成为当前的主要发展方向，它充分融入了现代信息技术、计算机技术等。另外，传感测量技术的支持，打造出了高集成化的新型电网。它具有大数据的基本特性，最为典型的有规模化、快速性以及多样化。除此之外，在大数据技术的支持下能够推动电网基建事业的开展，提升智能电网的控制效率，为智能电网的稳定发展创设良好的条件。

参考文献

[1]陈常晖.面向智能电网应用的电力大数据关键技术[J].电子技术与软件工程,2018(23):156-157.

[2]薛志洋,周英明,高扬.面向智能电网应用的电力大数据关键技术研究[J].科学技术创新,2018(32):103-104.

[3]王乃进.面向智能电网应用的电力大数据关键技术分析[J].计算机产品与流通,2018(10):65.