论文部分内容阅读
摘 要：在大数据的时代背景下，电力大数据及其系统面临前所未有的机遇和挑战。为使电力大数据能够更好的满足资产管理、生产营销等系统的需求，文章介绍了电力大数据的概念和特征，详细的阐述并分析了可视化系统开发关键技术以及其应用，展望了可视化技术的发展趋势。
关键词：电力大数据；可视化；可视化系统；关键技术；技术研究；趋势
中图分类号：TM743 文献标识码：A 文章编号：1006-8937（2016）30-0062-02
1 引 言
智能电网技术高度融合了传统的电力技术和信息、控制、自动化等技术，通过对发送、输送、配置、使用以及调试、营销等很多环节收集大量的数据信息，对信息进行分析、挖掘，最终能够掌握并控制各个环节决策并优化，实现电力企业生产效率的提高、电网运行达到较高的稳定性、满足电力客户的用电需求。
智能电网都在不断进步、规模也逐渐扩大，多种智能电表、信息系统以及传感器等异构分布式数据源连续的产生大量数据信息，所以被称作是电力大数据。
电力大数据可以说是电网职能的主要支撑体系，所以在众多工作内容中，对数据的采集、传输、存储、处理、挖掘是工作的重点内容。
2 电力大数据概念以及特征
电力大数据主要是指智能电网在发电、配电、输电、营销以及管理等环节的海量数据。
按照电网企业的主营业务将数据大致可分为电网运行和设备监测数据、电力企业销售数据、及电力企业管理数据三类。
随着智能化设备的广泛应用，大数据的来源包括安装于家家户户的智能电表、数以万计的发电机、变压器、开关设备、架空线路、高压电缆等设备中获取的高速增长的监测数据，光伏和风电功率预测所需的大量的历史运行数据、气象监测数据等。
电力大数据是建设性能稳定、安全可靠、高效运作、节能电网的重要保障。
为了能够分析电力大数据，使得智能电网的管理水平得到提高，需要建立更加科学的数据智能系统。
电力大数据有很多特征，比如体量大、多类型、速度快等：
①体量大：电力大数据所收集的数据规模可以达到PB数量级别。
②类型多：不仅可以得到传统的结构化数据，而且还可以在营销系统、生产管理等方面产生大量的非结构以及半结构数据。
③速度快：电力大数据无论采集还是处理都有着极快的特点。
此外电力大数据可以通过和其他行业的行业数据进行交换实现数据深度挖掘与分析。
3 基于电力大数据的可视化以及在电力系统中的 应用
电力系统工作人员为了能够使得系统运行稳定、高效、经济，就必须对每个环节的设备和工作状态进行随时的监测。但是，电网内大量设备都互联，监测设备的连接方式、设备之间的相互影响是一项艰巨的任务，电力系统运行状态可视化系统可以在其生成的图像中展示大量信息，方便操作人员准确快速理解，实时监控所有设备状态，并完成可靠操作，电力系统运行状态可视化操作系统可以为工作人員的工作带来很大的便利，是一种高效的方案。
智能电网中数据量最大的应属于电网运行和设备监测数据。电网运行和设备状态监测数据主要包括电网运行关键指标、电网潮流、试验数据、设备状态遥信、缺陷记录、供电场所视频监测数据等。提取系统的主参数及配网终端数据，能够构建一个全景的电网络信息拓扑图像，并在图中采取可视化技术手段将相关丰富信息的集中展示。
在此全景的电网拓扑图中能够实现如下几类问题的在线分析：重要设备健康状况的在线监测与分析，专线用户的用电行为特征分析与预测；对电能质量进行在线评价与分析等。
到目前为止，电力系统可视化研究主要包括三个方面，分别是静态数据的可视化研究、动态数据可视化研究、电力系统元件。
运行状态可视化技术实现的关键是各参数指标的关联规则，以及各状态量的关联度及其权重。目前，各种适用于大数据分析的深度关联规则有：基于粒计算的关联规则挖掘算法、基于压缩矩阵的Apriori算法、基于云计算平台Hadoop的快速关联规则增量更新算法（C-FUP）等。
4 可视化系统开发的步骤
在开发这个系统的时候使用面向对象机制，定义不同的模块和插件达到各种功能实现的目的。可以分为七个步骤：
①对资源标识符的格式以及业务系统的对象相关描述进行确定；
②所涉及的图形里面的业务对象列表进行确定；
③定义SGL开发图模，当然也包含了图模所设计的支持状态组以及状态值等内容；
④业务信息设置插件的开发；
⑤在图形里面读取所有图件相关的业务信息，并将从业务服务所获得的数据设置到对应的图件插件中以及业务对象所关联的控制功能插件里面；
⑥系统的运行与检测；
⑦自定义人机界面风格。
5 电力大数据可视化系统的关键技术
可视化系统在完成SGL的模块设计后，可以协同其他模块及可视化关键技术实现各种展示。下面主要详述电力大数据可视化系统开发的关键技术，主要包含云计算技术、区域点密度可视化技术、等高绘制技术、电网潮流和GIS可视化技术、历史流展示技术等。
5.1 云计算技术
随着云计算技术的不断深化发展，云计算的数据存储、分析、处理等方面的技术和理论研究为大数据技术的发展奠定了坚实的基础。因为大数据的数据量和分布式的特点，传统的数据管理技术难以胜任。
云计算的核心思路是分布式文件系统（distributed file system，DFS）和MapReduce技术，DFS有着高容错性的特点，并且是为部署在价格低廉的硬件上而设计的，而且它为应用程序提供高吞吐量的数据访问，适合那些有着超大数据集（large data set）的程序。以分布式文件处理技术为基础，去掉了关系型数据库的关系型特性，数据存储被简化且更加灵活，使PB、ZB级的数据存储成为可能。 另外，该框架中还包含商业智能应用、传统的数据仓库、大数据访问框架、大数据调度框架、网络层、操作系统、服务器、备份和恢复、数据管理等模块。
MapReduce是用来进行并行处理和生成大数据集的并行编程模型。Hadoop包含了MapReduce的开源实现，是引起关注的大数据处理技术之一。Mahout是基于MapReduce的并行数据挖掘项目，对传统数据挖掘算法，性能大幅提升。
5.2 区域密度可视化技术
区域密度可视化技术是把每一个区域用点密度来展示，这种方法的优势就是很直观，目前常用于表示区域用电负荷密度。
点密度图要求必须生成一定的随机点，如果随机点在对应的区域里面输出这个点，如果不在区域中，还需要再一次生成随机点然后再进行判断，持续进行此步骤一直到满足点数要求。在实现区域负荷密度可视化的时候，实际情况的地理边界线可以粗略的认为是多个点相互连接而成的不规则的多边形，所以才通过判断点在多边形内还是外的算法实现这一过程。
算法流程：
①首先需要读取所给的多边形的区域边界条件；
②查找这个多变性里面定点的最大、最小坐标数值，以期得到粗略的范围；
③生产这个粗略范围的随机点；
④判断点在区域内部还是外部；
⑤如果在内部，那么就继续绘制；
⑥如果在区域外部那么就要再次生成就重复（3）然后继续操作，否则就退出结束。
5.3 等高线绘制方法
等高线是地面上高程相同的各相邻点所连接成的封闭曲线垂直投影到平面上的图形.构造节点运行的等高线不仅能反映节点的运行的当前状态，还能对节点运行的将来状态做出预测.等高绘制方法在可视化应用中比较普遍，特点就是有着很强的数据连续性。等高线图例，如图1所示。
绘制过程如下：
①首先需要构造三角网格；
②内插数据等值点；
③搜索并追踪等值点；
④曲线拟合，填充色块儿。
5.4 电网潮流和GIS可视化技术
利用箭头方向、箭头大小表示线路潮流方向和大小，在原有的电网单线图，依据潮流大小用箭头和数值直观反映线路上的功率值。利用GIS可视化把电网的可视化和地理信息系统结合起来，基于已有的GIS系统三维地理信息系统的可视化研究，运用包围盒算法、求交算法等三维场景拾取算法，包含物体三维展示、虚拟现实等技术提供一个可视化的三维地理信息系统，为输配电网管理者提供一个缩微化模型，从而为输配电网的管理、基建、维修、扩建和决策等提供地理信息。
5.5 历史流展示技术
历史流展示技术体现在对电网历史数据的管理与展示上。在电力系统中，深层次的应用分析往往以历史数据为基础。对生产现场的实时监测数据、电网的规划数据和负荷预测数据，通过历史流展示技术，可以绘制出数据的发展趋势并预测出未来的数据走势；通过历史流回放展示技术，可以模拟历史重大事件发生、演变，挖掘历史事件潜在的知识与规律。
6 电力行业可视化智能系统未来趋势分析
电力行业可视化是基于大数据分析挖掘理念和可视化展现技术手段，未来“智能系统”将继续在线检测、视频监控、应急指挥、智能查询等展示模式功能上持续扩展完善，同时可视化展示电网及相关设施总体运行情况，突出显示异常信息；实现智能电网场景、设备的三维虚拟仿真等；实现电网运行仿真功能，为互动体验、方式预想及事件重演提供支持。
6.1 应急指挥模式
基于WebGis，快速调用调度各子系统实时、历史数据，以大数据挖掘分析为手段，实现电力应急状态下从现场状况捕获、应急处置方案形成到快速响应、现场时效处置、资源的协助和调动一体化的应急指挥可视化平台，纳入VAS的数据通过本模式任意切换。
6.2 运行监控模式
不但对运行各设备运行参数以及终端用电量参数等经过系统ETL模块进行处理的数据进行检测，结合高分GIS，以多种图表、多维度、多方式的展示出来，而且对非电网而影响到电网运行的实时信息进行监测，包括气象信息、卫星云图、雷电检测等功能，并提供系统告警、影响范围和程度分析及辅助应急处理功能，支持系统分级分类梳理展示。
6.3 快速仿真和建模
有针对性的开发和应用快速仿真模型，市场售电数据、法律法规、风险分析和控制都应被纳入系统模型并量化系统的安全性和可靠性，提供快于实时的超前仿真，该功能首先利用高性能量测和通信系统得到拓扑、潮流、电压、频率、设备实时模型等信息，然后据此进行状态估计和在线分析，最后确定当前系统及设备运行状态的安全性、稳定性、可靠性。
6.4 自定义模式
自定义模式满足各类综合叠加性或各类非标准场景模式下的展示需求，根据实际要求，自定义数据源、显示方式、显示位置等内容，采用拖拽操作，简单易用，同时支持应急指挥的快速响应与故障隐患的排除处理。
7 结 语
基于电力大数据的可视化技术近年来虽然不断取得新的成果，但是将数据绘制成高精度、高分辨率图片的业务模型、智能算法和交互式图形处理工具开发的研究还有很长的路要走，与此同时许多应用不能够得到全方位的支持。所以在以后的研究中更应该致力于数据图形展示、挖掘等综合应用，实现数据多样、精细、全面发展。
参考文献：
[1] 王栋.大数据可视化技术在电网企业的应用[J].江苏电机工程，2014，06：
82-84.
[2] 黄彦浩，于之虹，谢昶，等.电力大数据技术與电力系统仿真计算结合问 题研究[J].中国电机工程学报，2015，01：13-22.
[3] 宫宇，吕金壮.大数据挖掘分析在电力设备状态评估中的应用[J].南方 电网技术，2014，06：74-77.
[4] 王强，李俊杰，陈小军，等.大数据分析平台建设与应用综述[J].集成技
术，2016，02：2-18.
[5] 宋亚奇，周国亮，朱永利.智能电网大数据处理现状与挑战[J].电网技术，
2013，37（4）：927-935.
[6] 中国电机工程学会.中国电力大数据发展白皮书[R].2013.
[7] 胡牧，李勇，孔震，等.数据拓扑挖掘方法及其在电网数据处理分析中的 应用[J].电力系统自动化.2013，37（3）：83-86.
关键词：电力大数据；可视化；可视化系统；关键技术；技术研究；趋势
中图分类号：TM743 文献标识码：A 文章编号：1006-8937（2016）30-0062-02
1 引 言
智能电网技术高度融合了传统的电力技术和信息、控制、自动化等技术，通过对发送、输送、配置、使用以及调试、营销等很多环节收集大量的数据信息，对信息进行分析、挖掘，最终能够掌握并控制各个环节决策并优化，实现电力企业生产效率的提高、电网运行达到较高的稳定性、满足电力客户的用电需求。
智能电网都在不断进步、规模也逐渐扩大，多种智能电表、信息系统以及传感器等异构分布式数据源连续的产生大量数据信息，所以被称作是电力大数据。
电力大数据可以说是电网职能的主要支撑体系，所以在众多工作内容中，对数据的采集、传输、存储、处理、挖掘是工作的重点内容。
2 电力大数据概念以及特征
电力大数据主要是指智能电网在发电、配电、输电、营销以及管理等环节的海量数据。
按照电网企业的主营业务将数据大致可分为电网运行和设备监测数据、电力企业销售数据、及电力企业管理数据三类。
随着智能化设备的广泛应用，大数据的来源包括安装于家家户户的智能电表、数以万计的发电机、变压器、开关设备、架空线路、高压电缆等设备中获取的高速增长的监测数据，光伏和风电功率预测所需的大量的历史运行数据、气象监测数据等。
电力大数据是建设性能稳定、安全可靠、高效运作、节能电网的重要保障。
为了能够分析电力大数据，使得智能电网的管理水平得到提高，需要建立更加科学的数据智能系统。
电力大数据有很多特征，比如体量大、多类型、速度快等：
①体量大：电力大数据所收集的数据规模可以达到PB数量级别。
②类型多：不仅可以得到传统的结构化数据，而且还可以在营销系统、生产管理等方面产生大量的非结构以及半结构数据。
③速度快：电力大数据无论采集还是处理都有着极快的特点。
此外电力大数据可以通过和其他行业的行业数据进行交换实现数据深度挖掘与分析。
3 基于电力大数据的可视化以及在电力系统中的 应用
电力系统工作人员为了能够使得系统运行稳定、高效、经济，就必须对每个环节的设备和工作状态进行随时的监测。但是，电网内大量设备都互联，监测设备的连接方式、设备之间的相互影响是一项艰巨的任务，电力系统运行状态可视化系统可以在其生成的图像中展示大量信息，方便操作人员准确快速理解，实时监控所有设备状态，并完成可靠操作，电力系统运行状态可视化操作系统可以为工作人員的工作带来很大的便利，是一种高效的方案。
智能电网中数据量最大的应属于电网运行和设备监测数据。电网运行和设备状态监测数据主要包括电网运行关键指标、电网潮流、试验数据、设备状态遥信、缺陷记录、供电场所视频监测数据等。提取系统的主参数及配网终端数据，能够构建一个全景的电网络信息拓扑图像，并在图中采取可视化技术手段将相关丰富信息的集中展示。
在此全景的电网拓扑图中能够实现如下几类问题的在线分析：重要设备健康状况的在线监测与分析，专线用户的用电行为特征分析与预测；对电能质量进行在线评价与分析等。
到目前为止，电力系统可视化研究主要包括三个方面，分别是静态数据的可视化研究、动态数据可视化研究、电力系统元件。
运行状态可视化技术实现的关键是各参数指标的关联规则，以及各状态量的关联度及其权重。目前，各种适用于大数据分析的深度关联规则有：基于粒计算的关联规则挖掘算法、基于压缩矩阵的Apriori算法、基于云计算平台Hadoop的快速关联规则增量更新算法（C-FUP）等。
4 可视化系统开发的步骤
在开发这个系统的时候使用面向对象机制，定义不同的模块和插件达到各种功能实现的目的。可以分为七个步骤：
①对资源标识符的格式以及业务系统的对象相关描述进行确定；
②所涉及的图形里面的业务对象列表进行确定；
③定义SGL开发图模，当然也包含了图模所设计的支持状态组以及状态值等内容；
④业务信息设置插件的开发；
⑤在图形里面读取所有图件相关的业务信息，并将从业务服务所获得的数据设置到对应的图件插件中以及业务对象所关联的控制功能插件里面；
⑥系统的运行与检测；
⑦自定义人机界面风格。
5 电力大数据可视化系统的关键技术
可视化系统在完成SGL的模块设计后，可以协同其他模块及可视化关键技术实现各种展示。下面主要详述电力大数据可视化系统开发的关键技术，主要包含云计算技术、区域点密度可视化技术、等高绘制技术、电网潮流和GIS可视化技术、历史流展示技术等。
5.1 云计算技术
随着云计算技术的不断深化发展，云计算的数据存储、分析、处理等方面的技术和理论研究为大数据技术的发展奠定了坚实的基础。因为大数据的数据量和分布式的特点，传统的数据管理技术难以胜任。
云计算的核心思路是分布式文件系统（distributed file system，DFS）和MapReduce技术，DFS有着高容错性的特点，并且是为部署在价格低廉的硬件上而设计的，而且它为应用程序提供高吞吐量的数据访问，适合那些有着超大数据集（large data set）的程序。以分布式文件处理技术为基础，去掉了关系型数据库的关系型特性，数据存储被简化且更加灵活，使PB、ZB级的数据存储成为可能。 另外，该框架中还包含商业智能应用、传统的数据仓库、大数据访问框架、大数据调度框架、网络层、操作系统、服务器、备份和恢复、数据管理等模块。
MapReduce是用来进行并行处理和生成大数据集的并行编程模型。Hadoop包含了MapReduce的开源实现，是引起关注的大数据处理技术之一。Mahout是基于MapReduce的并行数据挖掘项目，对传统数据挖掘算法，性能大幅提升。
5.2 区域密度可视化技术
区域密度可视化技术是把每一个区域用点密度来展示，这种方法的优势就是很直观，目前常用于表示区域用电负荷密度。
点密度图要求必须生成一定的随机点，如果随机点在对应的区域里面输出这个点，如果不在区域中，还需要再一次生成随机点然后再进行判断，持续进行此步骤一直到满足点数要求。在实现区域负荷密度可视化的时候，实际情况的地理边界线可以粗略的认为是多个点相互连接而成的不规则的多边形，所以才通过判断点在多边形内还是外的算法实现这一过程。
算法流程：
①首先需要读取所给的多边形的区域边界条件；
②查找这个多变性里面定点的最大、最小坐标数值，以期得到粗略的范围；
③生产这个粗略范围的随机点；
④判断点在区域内部还是外部；
⑤如果在内部，那么就继续绘制；
⑥如果在区域外部那么就要再次生成就重复（3）然后继续操作，否则就退出结束。
5.3 等高线绘制方法
等高线是地面上高程相同的各相邻点所连接成的封闭曲线垂直投影到平面上的图形.构造节点运行的等高线不仅能反映节点的运行的当前状态，还能对节点运行的将来状态做出预测.等高绘制方法在可视化应用中比较普遍，特点就是有着很强的数据连续性。等高线图例，如图1所示。
绘制过程如下：
①首先需要构造三角网格；
②内插数据等值点；
③搜索并追踪等值点；
④曲线拟合，填充色块儿。
5.4 电网潮流和GIS可视化技术
利用箭头方向、箭头大小表示线路潮流方向和大小，在原有的电网单线图，依据潮流大小用箭头和数值直观反映线路上的功率值。利用GIS可视化把电网的可视化和地理信息系统结合起来，基于已有的GIS系统三维地理信息系统的可视化研究，运用包围盒算法、求交算法等三维场景拾取算法，包含物体三维展示、虚拟现实等技术提供一个可视化的三维地理信息系统，为输配电网管理者提供一个缩微化模型，从而为输配电网的管理、基建、维修、扩建和决策等提供地理信息。
5.5 历史流展示技术
历史流展示技术体现在对电网历史数据的管理与展示上。在电力系统中，深层次的应用分析往往以历史数据为基础。对生产现场的实时监测数据、电网的规划数据和负荷预测数据，通过历史流展示技术，可以绘制出数据的发展趋势并预测出未来的数据走势；通过历史流回放展示技术，可以模拟历史重大事件发生、演变，挖掘历史事件潜在的知识与规律。
6 电力行业可视化智能系统未来趋势分析
电力行业可视化是基于大数据分析挖掘理念和可视化展现技术手段，未来“智能系统”将继续在线检测、视频监控、应急指挥、智能查询等展示模式功能上持续扩展完善，同时可视化展示电网及相关设施总体运行情况，突出显示异常信息；实现智能电网场景、设备的三维虚拟仿真等；实现电网运行仿真功能，为互动体验、方式预想及事件重演提供支持。
6.1 应急指挥模式
基于WebGis，快速调用调度各子系统实时、历史数据，以大数据挖掘分析为手段，实现电力应急状态下从现场状况捕获、应急处置方案形成到快速响应、现场时效处置、资源的协助和调动一体化的应急指挥可视化平台，纳入VAS的数据通过本模式任意切换。
6.2 运行监控模式
不但对运行各设备运行参数以及终端用电量参数等经过系统ETL模块进行处理的数据进行检测，结合高分GIS，以多种图表、多维度、多方式的展示出来，而且对非电网而影响到电网运行的实时信息进行监测，包括气象信息、卫星云图、雷电检测等功能，并提供系统告警、影响范围和程度分析及辅助应急处理功能，支持系统分级分类梳理展示。
6.3 快速仿真和建模
有针对性的开发和应用快速仿真模型，市场售电数据、法律法规、风险分析和控制都应被纳入系统模型并量化系统的安全性和可靠性，提供快于实时的超前仿真，该功能首先利用高性能量测和通信系统得到拓扑、潮流、电压、频率、设备实时模型等信息，然后据此进行状态估计和在线分析，最后确定当前系统及设备运行状态的安全性、稳定性、可靠性。
6.4 自定义模式
自定义模式满足各类综合叠加性或各类非标准场景模式下的展示需求，根据实际要求，自定义数据源、显示方式、显示位置等内容，采用拖拽操作，简单易用，同时支持应急指挥的快速响应与故障隐患的排除处理。
7 结 语
基于电力大数据的可视化技术近年来虽然不断取得新的成果，但是将数据绘制成高精度、高分辨率图片的业务模型、智能算法和交互式图形处理工具开发的研究还有很长的路要走，与此同时许多应用不能够得到全方位的支持。所以在以后的研究中更应该致力于数据图形展示、挖掘等综合应用，实现数据多样、精细、全面发展。
参考文献：
[1] 王栋.大数据可视化技术在电网企业的应用[J].江苏电机工程，2014，06：
82-84.
[2] 黄彦浩，于之虹，谢昶，等.电力大数据技术與电力系统仿真计算结合问 题研究[J].中国电机工程学报，2015，01：13-22.
[3] 宫宇，吕金壮.大数据挖掘分析在电力设备状态评估中的应用[J].南方 电网技术，2014，06：74-77.
[4] 王强，李俊杰，陈小军，等.大数据分析平台建设与应用综述[J].集成技
术，2016，02：2-18.
[5] 宋亚奇，周国亮，朱永利.智能电网大数据处理现状与挑战[J].电网技术，
2013，37（4）：927-935.
[6] 中国电机工程学会.中国电力大数据发展白皮书[R].2013.
[7] 胡牧，李勇，孔震，等.数据拓扑挖掘方法及其在电网数据处理分析中的 应用[J].电力系统自动化.2013，37（3）：83-86.