陈晔

摘 要：随着科技的不断进步，我国的智能电网技术取得了飞快的发展，成为大数据最重要的应用领域之一。智能电网大数据技术对电力行业的影响非常巨大，对其可持续发展有重要的意义。该文主要阐述智能电网大数据的特征与应用，智能电网大数据研究包括分析架构、关键技术、智能电网大数据技术的发展策略。智能电网大数据技术的发展策略主要有大数据传输和存储技术，实时数据的处理技术和异构多数据源处理技术。

关键词：智能电网 大数据 关键技术 分析架构 发展策略

中图分类号：TM76 文献标识码：A 文章编号：1672-3791（2016）10（b）-0002-02

智能电网通过对信息通信技术、计算机技术、控制技术，以及其他先进技术的应用满足电力市场各方面的需求，优化电力市场利益方的功能，从而达到对电力市场的促进。通过科学技术手段的应用，能够有效提升电力系统的运行效率、降低其成本支出，减少电力系统对环境的污染和影响。尤其智能电网的大数据技術应用已经成为电力系统发展的重要趋势。因此，相关人员要积极探索相应的措施和手段，优化智能电网大数据技术的应用，提高系统的可靠性，让电能更好地为人们服务。

1 智能电网大数据的特征

智能电网大数据是指开始投入使用电力信息化下的智能电表、智能变电站、电力实时监测系统等数据类型的系统。根据规模不断扩展，智能电网大数据可以分为内部和外部两种数据。智能电网大数据的特征有：大规模、高速性、多样性。大规模是指智能电网中的数据量越来越大，从而使电网的负荷增加而表现出的一种特质。高速性是指对电网运行时的变化能够高速应对，因为电网负荷运动是随机的，当出现问题时，为了保证其正常稳定运行，必须在最短时间内进行处理。多样性是指电网大数据具有多样性，而且还包括网外数据。总之，智能电网大数据的数据特征可归结为：数据来自分散放置分布管理的数据源，数据量大、维度多、数据种类多，对公司、用户和社会经济均有巨大的价值。随着电网数据积累量越来越多，来源更为广泛、类型更加多样、结构趋向于复杂化，所以还需对大数据技术加大研究力度，对我国而言更应该对其核心技术进行专题探索。

2 智能电网大数据关键技术

2.1 分析架构

目前智能电网大数据广泛采用3层分析架构，最外层挖掘复杂和动态数据，本地学习和模型融合，挖掘稀疏、非确定、不完整数据；最内层作为大数据挖掘平台；第二层为信息共享和数据隐私，大数据应用与知识。大数据挖掘平台具有核心数据访问和计算功能，随着数据的增加，分部进行存储数据是必经之路，而高效的数据挖掘平台担当了执行者的身份，将数据分析及处理任务分割成很多的子任务，并通过并行的程序在大量的计算节点上执行。在3层架构模式的最外层框架内对稀疏、非确定、不完整数据进行预先处理，然后获得具有普适性的智能电网全局知识，根据反馈调整模型参数。而第二层在分析架构中起到一个联系的作用，对数据起到一个隐私保护、信息共享的作用。信息共享能够保证每个阶段都顺利进行，也是数据分析的目的所在。

2.2 关键技术

大数据在智能电网中的关键技术可以概括为大数据存储、处理平台和数据解析。大数据处理平台对待流处理和批处理有不同的处理方案，也适用于不同的数据要求。流处理一般都直接进行处理，特点是速度快、实时性强，这种处理模式适用于电网规划等对于实时性要求高的业务。批处理是另一种处理方式，它主要特点是先存储后处理，这种处理方式对时间的实时性不能保证，其主要处理思路就是将问题分开解决。这种处理方式适合数据量非常庞大繁杂，而且对实时性要求不高的业务。

大数据解析包括数据分析和解读两个方面，大数据分析可以得到大量数据中所隐藏的未知关系和潜在规律。由于分析出的数据不易理解，所以需要对分析结果进行通俗化地解读，大数据解读也算是对数据的深层次挖掘，对分析结果的精加工。所以大数据解读也可以看成是大数据的一种特殊分析方法。人们通常了解的大数据解析技术包括：第一，数据挖掘与融合。提取有用的信息整合为唯一的、准确的、可以理解的信息过程称之为数据挖掘与融合。数据挖掘和融合可以使整体电网的实时性得到精确提升，电网中产生的各种数据并不是无用的，只要将其融合再利用都具有潜在的价值。第二，领域普适知识挖掘。领域普适知识挖掘是指通过螺旋式渐进地探索大数据的规律，发现一定的普遍性和不变性的知识与规律。第三，过程挖掘。过程挖掘帮助模型和事件之间建立一定的联系，并将时间数据转化为有价值的东西。过程挖掘可以引导用户合理地使用电力，还可以为用户提供最合理的节能用电方案，以提升企业对电网的管理水平。

3 智能电网大数据技术的发展策略

3.1 大数据传输和存储技术

进行大数据的传输和存储技术研究的目的，就是为电力系统产生的大量数据找到一个存储场所，减小监控的负担，尽量不影响电力系统智能化的正常使用。因此，针对这些问题提出了大数据传输和存储技术。首先，传输可以采用数据压缩，使用网络进行数据传输。其次，对于数据存储可以采用分布式的文件处理系统，但是其牺牲了电力系统的实时性。此时采用数据库系统可以弥补实时性的缺陷，对于实时性要求较高的数据可以采用数据库系统予以处理。由于我国的大数据存储技术还是无法满足实时性的要求，可以在云平台无法响应时暂时地进行数据存储。智能电网格式相对于传统的商业数据在自身特点上有很大的优势，为了帮助数据分析和计算就需要对智能电网的具体存储格式加大研究力度。

3.2 实时数据的处理技术

实时数据的处理是通过内存技术对数据进行直接操作，其速度非常快，可以提高应用的性能。面对当前的数据处理压力，可以采用内存数据库取代磁盘数据库，实时性得到保证的同时还不会对数据造成其他任何影响。目前由于绿色能源的大力推广，电网总会在引入新能源时会产生波动，这种波动具有不确定性，是一种不可预知的行为，所以对电网的状态监测就变得尤为重要，但是状态监测对数据的存储和处理平台有较高的要求，所以需要进一步提升云平台对于海量数据的处理能力，这样才能满足对实时性的要求。

3.3 异构多数据源处理技术

将多源异构信息进行大规模的整合，有助于使电网的发电、输电和用电等各个环节畅通无阻地进行贯通，还能使信息的采集更加全面，传输更加流畅，最主要的还是能够高效地处理数据信息，该技术将是大数据技术应用的重要途径。未来电网将更多地进行大规模整合，降低运营中心的成本，通过科学有效的措施来管理数量庞大的、分布地点不同的基础设施，既能够提高自身的运营利润，也能够为人们提供更好的电力能源。

4 结语

依照当前的情况来看，我国对于智能电网，大数据技术的研究，处于探索的初级阶段，还有很大的提升空间。因此，相关人员要积极探索相应的措施和手段，不断提升大数据信息系统的操控能力，做好数据的搜集和实时监控，不断完善大数据技术的相关内容，从而让智能电网大数据技术得到更好的应用，让其成为电网发展的重要支撑。

参考文献

[1] 彭小圣，邓迪元，程时杰，等.面向智能电网应用的电力大数据关键技术[J].中国电机工程学报，2015（3）：503-511.

[2] 黄伟，曹健.智能电网大数据技术的发展研究[J].无线互联科技，2015（15）：19-20.

[3] 杨通国.智能电网大数据技术的发展策略分析及研究[J].科技展望，2016（14）：109.

[4] 陈豪，赵扉，陈鼎.浅谈智能电网大数据处理技术及发展趋势[J].信息化建设，2016（3）：312.

[5] 王晨阳.浅谈智能电网大数据技术的应用与发展[J].智能城市，2016（7）：315.