面向智能电网应用的电力大数据关键技术.docx

面向智能电网应用的电力大数据关键技术摘要：随着信息技术的发展，出现了智能电网这一新型技术，其应用为电力企业带来了新发展，提高了供电质量和管理水平。在大数据背景下，企业要想长远、稳定的发展发展，就需要处理好电力系统中庞大的数据信息，保证数据处理工作的准确性和效率，让电网能够实现经济、有效和可靠的运行，这就需要构建完善的电力数据大平台，掌握其中关键技术。关键词：智能电网；电力系统；大数据关键技术1智能电网电力大数据的概述目前的电网基础设置无法与不断增长的信息资源速度持平，而智能电网的出现，则可以方便工作人员更好地进行收集和储存数据，保持数据的完整和全面，但是要想提高信息资源的应用效率，则需要建设针对性大数据平台，在收集大量数据的情况下，帮助人们更好地进行决策。在此方面比较著名的有Hadoop服务平台的系统建设这一案例，其将大数据和平台进行有效结合，不仅可以促进平台的完善，也可以充分保障大数据的作用得到有效发挥。比如，在收集的储存大量信息的时候，可以提供针对性电子表格数据，而且有效运用其自带的信息分类技术，可以明显提高科学性，完成收集用户信息的目标。同时，智能电网大数据平台通常采用分布式的文件处理方式，为了有效激发Pb和Zb级别的数据储蓄能力，可以在应用过程中增加P6和Zb的数据查询能力，使其可以更符合用户的需求。目前大数据平台在应用过程中有了越来越广泛的用途，尤其是有针对性功能性的模块数据，其包含商业应用模块，数据仓库等，可以更加适应现实的需求。所以，合理应用大数据平台，应用其数据关键技术，完善智能化电网，促进企业工作效率和质量的提升。2智能电网大数据特征智能电网在运行的过程中会不断产生庞大的数据，对数据按照来源进行划分，可以分为电力企业内部和外部数据，其中内部数据包括数据采集与监控系统、生产管理系统、配电管理系统、客户服务系统等，数据大多来源于关键应用系统；外部数据则一般来自于互联网、气象信息系统、地理信息系统等，外部的数据较为分散，数据管理单位也各不相同。可以看出智能电网数据具有多样性、来源多样的特征，半结构化、非结构化的数据数量在不断增加，比如：客户服务系统中的语音数据、在线监测系统中的视频、图像数据，这些都属于非结构化数据，这些数据价值密度不高，每种数据在采样、生命周期、频率方面都各不相同。3智能电网中电力大数据关键技术的运用3.1ETL技术智能电网涵盖的电力大数据具有数据量大、数据类型复杂、分布较为分散等特点，通常需基于“数据集成→抽取→转换→剔除→修止”的标准化流程开展数据处理工作。ETL技术主要由以下三个部分组成：①数据抽取Extract，用于从数据源系统中抽取目的数据源系统所需数据；②数据转换Transform，基于系统要求完成抽取数据的转换，并且针对数据源中存在的偏差与错误数据进行处理，实现对数据的清洗或加工；③数据加载Load，将转换处理的数据加载后存储至目的数据源系统中，以此实现对电力大数据的集成化处理。3.2数据分析关键技术大数据技术中，核心就是将信号转化为数据，在通过对数据进行处理和分析，将其转化为信息，通过对信息进行提炼，可以得出知识，这为电力企业的决策和行动提供有效参考和依据。因此在大数据时代下，这一技术可以深入巨量的信息数据中，从中找出隐藏的模态和规律，为电力企业决策者提供有效、真实的参考信息。对企业来说，决策非常重要，关系到企业的生产运营，因此只有科学的决策，才能让企业更好的运营，更好的提供服务，为企业发展指导正确方向，实现电力企业竞争力的提高，为企业带来更多的经济利益。例如德国就使用数据分析关键技术，为其太阳能推广提供了有效、科学的决策依据，太阳能的广泛使用可以让电力用户将多余的电能输入电网中，可以有效提高电力企业的经济利益。3.3大数据处理技术大数据处理技术主要围绕以下三个环节进行数据处理：①数据分库处理环节，基于一定处理原则提炼出利用率较高的数据，将其分别输入不同数据库中，致力于提高各数据库的整体数据利用率；②数据分区处理环节，将通表数据载入多个文件中，缓解大型表压力，优化数据访问性能、提升运行质量；③数据分表处理环节，通过建立多种数据表，致力于有效缓解单表压力。此外，还可以建立并行式数据库或纵列式数据库，借此提升数据加载性能，提高数据查询效率。例如将结构化查询语言与MapReduce结合能够提高数据库内的数据处理性能，增强数据抗压弹性。3.4数据展现关键技术在智能电网电力大数据中，展现数据的关键技术包括可视化技术、历史流和空间信息流，将这三种数据展现关键技术应用到智能电网数据处理中，可以让企业中的管理者正确认识到电力数据的意义和系统运行情况。可视化技术被广泛的应用到智能电网中，用来实时监测和控制电网的运行情况，可以有效提高电力系统的自动化水平。空间信息流展示技术通常体现在电网参数和已有GI