柳明 方扬 喻畅

摘要：在电力预测与规划中应用电力大数据系统，需要考虑5个关键技术，分别为云计算、数据存储、数据集成、数据计算以及数据应用等。通过进一步分析系统组成以及关键技术，提出可应用于预测与规划的方案，继而为未来发展应用展望。

关键词：电力预测;规划;电力大数据;关键技术;综述

大数据技术主要包括大数据量、大数据种类以及大传输速率等三大特性。自二十一世纪起，电力系统中逐渐应用大数据，智能电网应用而生，随着时代的发展，逐步从分布式发电到可再生能源方向发展，近些年来越发趋于终端用户积极参与及双向通信技术方向发展。在基于大数据参与的条件下，现代智能电网正在向物理网络系统转换，在这种情况下，电力公司所部署的诸多传感及计量设备同时也为大数据算法的运行提供了充足的数据。现目前，电力系统中正处于初步尝试应用大数据技术阶段，当下的大部分工作都注重大数据驱动应用以及分析系统结构涉及，虽然会采集大量数据，但所应用的整体结构和方法较宏观，尤其是在电力预测与规划中的应用研究相对较少[1]。鉴于此，本次将针对电力大数据关键技术应用于电力预测与规划中的意义进行阐述。

1. 电力大数据系统关键技术

1.1云计算

云计算属于电力大数据中的一项基础技术，可以为大数据作重要补充，云计算技术可以对储存资源及处理资源实施集成处理，继而对数据处理和信心交互能力加以改善，属于电力大数据5个关键技术中最强大的一部分，是处理多数据量的一项重要技术手段。

1.2数据存储

数据存储在很多方面都有所涉及，其研究的工作主要是怎么促进大量存储设备协同工作，并将其作为基础条件，为外部用户、商业存储提供较为统一且便捷的调用、存储接口。在电力大数据系统中，依据数据的结构化和非结构化数据以及实时数据、半实时数据、非实时数据等时间尺度进一步分类数据，通过对数据库所具备的不同功能需求加以协调满足海量电网数据协同处理需求，而数据存储的数据不仅可以通过电力公司所有的网络设备中读取，同时也可以经由第三方数据存储商提供的服务设备[2]。

1.3数据集成

数据集成的主要目的是为了收集、校核、清理、统一来源于不同地方的数据，以便后续进一步分析和处理。通常情况下，针对这类收据的管理系统泽被称之为中央管理、外部访问统一管理系统。而数据集成与管理技术中的数据集成、提取、清洗、滤波等与电力大数据技术中的数据提取、转换、加载、电力系统统一建模等相对应。但就现目前的应用现象来看，电力大数据系统中仍存在数据实时性不足、准确性低、质量差等诸多问题，基于这种情况需配合性能较高的数据管理系统才能可持续发展。

1.4数据计算

近些年来，随着电力数据的广泛应用，电力公司应用新数据处理技术的需求也在提高，利用更为有效的软件、硬件资源，不但可以避免过度投资，减少成本，降低能耗，同时还可以强化数据处理能力。在电力大数据架构提出后，数据计算层可以经由数据集成對数据加以访问，并实施有效的分析和处理。各种数据分析技术可以位于数据计算层。例如内存计算、并行分布式计算以及流处理等。另外，还可以在数据计算层实施虚拟化技术，继而满足上层应用程序和用户提供硬件和软件的可视化。换种说法，可以将数据分析层所提供的服务称之为电力云服务。

1.5数据应用

数据应用是基于数据存储、集成、计算建立而成的一种上层应用，该应用是依据底层提供的充足数据、服务类型，继而建立的富有较强针对性的电力场景应用程序。数据应用可以作为众多人工智能以及与大数据存在密切关联的上层技术，例如机器学习、数据挖掘、图像识别以及深度学习等。现目前，我国较为典型的电力数据应用主要包括电网安全在线分析、动态线路评估、间歇发电预测、负荷管理、设备健康监测与诊断等。如若想确保电力系统稳定、有效、高效率运行，需提高电力行里对数据精准性的要求[3]。

2. 电力预测与规划中应用电力大数据关键技术

针对基础数据而言，电力大数据已积累了一定的技术，在输电预测管理及预测和规划中的发展进程中具有促进作用。在电力系统运行和规划中，预测是基础的且较为重要的任务之一 。而当下已知的预测问题则主要包括电价和负载预测[4]。

随着经济社会的高速发展，太阳能光伏、风能等可再生能源的广泛应用，促使预测成为了电力大数据的一项较为重要的应用。相对于负荷需求等一系列变量来说，可再生能源发电与气候、天气、环境、可再生能源发电机自身发电曲线等诸多因素存在较为密切的关联，正因如此也增加了其预测难度。鉴于此，相对于传统的点预测，区间预测技术逐步成为了热门研究趋势，以此更好的反映可再生发电所具备的不确定性。另外，除却对太阳能光伏、风电发电机组的发电量意外，预测太阳能光伏及风电电机组升压功率也具有至关重要的作用。究其原因是由于太阳能光伏及风电等间歇可再生能源升压功率会影响系统电量储备、电力调度以及频率控制等。相关资料显示，近两年来部分学者研究开发了可再生斜坡预测方法，且取得了一定的成效。另外，近几年来，智能电能表的广泛应用，使得人们越发注重预测家庭负载需求数据，家庭层面的负载需求预测结果可应用于支持更好的负荷管理及需求响应计划[5]。

3.结语

现代社会中，电力大数据技术在电网升级建设及其未来可持续发展具有较为重要的意义，本文通过对电力大数据的五个关键技术加以介绍，进一步分析了在电力预测和规划中应用店里大数据技术的典型案例。由此发现，电力大数据关键技术的应用难点不是技术问题，而是应根据不同技术选择相对应的应用场景及条件。

参考文献：

[1]尚志高. 电力大数据关键技术的应用[J]. 水电水利， 2019， 3（12）：2.

[2]杨梦， 刘泽. 面向智能电网应用的电力大数据关键技术探析[J]. 通讯世界， 2019， 26（12）：2.

[3]郑富永， 熊小舟， 朱正刚，等. 基于泛在电力物联网的用户侧电力大数据关键技术探讨及业务模式创新[J]. 电力与能源， 2019， 40（5）：5.

[4]李慧. 面向智能电网应用的电力大数据关键技术探究[J]. 中国科技投资， 2017， 000（025）：110，119.

[5]侯力媛. 反窃电及线损监控中大数据技术的研究[J]. 科技创新与应用， 2021， 11（12）：3.

作者简介：柳明（1986.4-），男，汉族，湖北武汉人，硕士，副高级工程师，研究方向：电力数据运营和增值服。