论文部分内容阅读
[摘 要]新时代下，社会用电需求逐步增加，电力工程建设数量和规模也在不断扩大，与此同时，电网复杂性和不确定性加剧，电力调控难度越来越大。大数据技术在数据整合集成方面应用优势明显，其在电力调控中的应用空间广阔，因此，对大数据技术在电力调控中的应用方式进行详细探究具有十分重要的現实意义。
[关键词]电力调控；大数据；数据来源；应用方向
中图分类号：J62 文献标识码：A 文章编号：1009-914X（2019）04-0202-01
1基本概念阐述
1.1大数据
大数据（BigData）的概念，最早由维克托·迈尔·舍恩柏格和肯尼思·库克提出。大数据又叫巨量资料，即不走抽样调查的捷径，而是对所有数据进行分析处理。大数据是需要新处理模式才能具有更强的决策力、洞察力、流程优化能力的海量、和多样化的信息资产。大数据技术的核心，不在于数据量的庞大，而是在于对数据专业化处理，也就是数据分析能力。
1.2电力大数据
电力行业的大数据，主要有三个来源。其一：电力生产。它是大数据的主要来源，涵盖了发电业务、检修业务、安全防护三个方面。电力生产的大数据，主要用于通过对历史信息分析，为生产和检修提供指导。其二：管理运营。企业领导层在做重要决策时，需要依赖大量的、跨领域的生产经营数据分析，并将结果以简单清晰的方式呈现出来。其三：智能电网。智能电网连接的各个用户，借助传感器网络，将电力、通信、业务等用户信息集中调度，统一测控。
1.3电力大数据核心技术
1.3.1数据采集
由于大数据具有多样性和大量性，数据的来源和类型都极为复杂。需要利用搜索引擎和ETL引擎进行数据的提取与集成，之后进行数据的清洗，排除无用信息，提高数据质量。
1.3.2数据分析
大数据的分析，采用分布式计算技术，即连接系统中的各大计算机，形成一台规模宏大的超级虚拟计算机，来完成数量极大、形式极复杂的数据分析处理。
1.3.3数据呈现
计算机将进行收集筛选，分析处理完毕的数据，借助图表等可视化手段，在保障准确度的同时，将结果以便于人们理解的直观方式呈现出来，为决策者们提供指导。值得注意的是，如果数据呈现的不够直观、艰涩难懂，往往会误导决策者，甚至得出与事实完全相反的结论。
2电力大数据的核心技术
2.1数据集成管理技术
在电力大数据中，数据集成管理技术的是对不同数据源、特征形式的数据进行收集和整理，在对数据进行转换、加载后，得出全新的数据源，然后载对全新的数据源进行管理和，并对外提供服务。数据集成管理技术可以为电力企业提供新的服务和应用功能。
2.2数据分析技术
在电力大数据中，数据分析技术有很多种，包括机器学习技术、数据挖掘技术等等，通过数据分析，可以提取大数据中的有用信息。机器学习技术是人工智能的核心，其能够改善计算机系统使用性能，主要被应用于电力系统暂态稳定性评估、电力设备运行状态检测等方面。数据挖掘技术在实际应用中可以有效处理复杂的数据结构形式，对海量数据进行分析处理，进而提升数据质量，主要被应用于电力行为预测中。
2.3数据处理技术
电力数据处理技术可以分为分布式计算技术、内存计算技术以及分布式数据流处理技术。其中，分布式计算技术指的是通过应用网络技术，将电力系统中的计算机进行连接，进而形成超级计算机，对大数据进行存储和计算；内存计算技术指的是将已经收集到的大数据存储在内存中，然后直接对大数据进行计算和分析；分布式数据流处理技术具有实时性、伸缩性和开放性特征，可以对电力系统中的动态数据进行实时处理。
3大数据技术在电力调控中的应用方向
电力系统是实现电能生产、传输、分配和消费实时平衡的复杂系统。随着全球能源互联网及坚强智能电网建设的不断推进，各类新能源、分布式电源、电动汽车等不断接入，对电网安全、经济、可靠运行及用户服务水平提出了更高要求，持续提高电力调控智能化水平势在必行，而大数据技术在数据整合集成能力上表现优越，为其在电力调控中的应用提供了广阔空间。
3.1提高电网运行安全性、经济性、可靠性
大数据技术在负荷预测、智能告警、电网状态监测与诊断等方面广泛应用，将有利于提高电网运行安全性、经济性、可靠性。
3.1.1在负荷预测方面
负荷预测对于电力系统安全、经济、可靠运行有重要作用，负荷预测精度对电网计划检修安排、安全裕度校核有较大影响。分布式电源、电动汽车的接入使得负荷的规律性变差，负荷预测精度难以提高；同一地区负荷中包含有不同负荷特性的各类负荷，本身的负荷特性和变化规律各不相同，且缺乏气象、地理、经济等数据信息，负荷预测精度不理想。引入大数据技术，整合集成气象、地理、经济等其他行业数据信息，为提高负荷预测精度带来新的可能。
3.1.2在智能告警方面
随着电网规模不断扩大，调控中心监控信息量不断加大，调控员淹没在海量的告警信号中；各种设备缺陷、告警信号、视频监控信息、历史修试记录等没有集成，存在重复安排处理的现象，仅凭历史经验人工进行分析判断，处理效率低下。引入大数据技术，将分散在调控、输变电运维检修等不同部门不同专业的信息进行集成整合，为实现高效的智能告警提供可能。
3.1.3在电网状态监测与诊断方面
目前侧重于对单个设备监测，各个设备之间的监测数据没有共享，无法对整个电网设备全局进行分析，需要人工干预判断；另外，设备的基本试验参数、运行缺陷、修试记录等信息集成后，数据量大，分布离散，传统的数据分析方法处理效率低下。利用大数据技术对这些海量数据进行综合分析，实现设备状态的实时监视和趋势分析，有利于提高电网设备监测水平。
3.2在大营销中的应用
大营销体系建设的重点是提高营销业绩和客户服务水平，确保业务高效地开展。大数据技术的应用对于提高服务和营销水平、降低线损、预防窃电行为等方面有着重要的应用。在服务和营销方面，大数据技术通过对客户用电数据的分析可以得到其用电行为规律，进而可以做到以客户为中心，推出不同的营销方案，提高客户选择度。在经营管理方面，结合一体化线损系统和电量采集系统的大量数据建立计算和预测模型，提高线损和窃电行为的分析能力，降低线路损耗并减少窃电行为的发生。
3.3在大运行中的应用
大数据技术在电力大运行中的主要应用是通过对电网设备状态的管理来服务于调度运行。电网设备状态管理按照应用可以分为设备“三遥”信息、设备数据质量以及断面预测三部分。在设备“三遥”信息中，遥信、遥测和遥控等电网设备信息不停的被采集和存储，形成历史事项数据库，方便调控人员对在任意时刻进行查询和监测。在设备数据质量和断面预测方面，大数据技术通过收集设备发生断面时刻的状态和设备信息的历史状态数据，对调度操作进行总结并进行模拟演算，以便在发生设备断面前，能提前预知并做出处置方案。
3.4在大检修中的应用
在电力大检修应用方面，大数据技术在设备状态评价、故障诊断和检修策略改进等方面有着重要的应用。大数据技术可以对设备的基础信息、历史运行数据、检修的频率和发生问题情况进行收集和数据挖掘，得到设备正常运行和发生故障时的参数变化情况，通过比较判断当前运行设备是否存在故障，为检修提供决策支持。
结束语
大数据技术，在电力行业的应用，目前仍处于摸索阶段，但是其发展潜力十分巨大。要实现电力行业的成功转型，必须进行全盘的信息化，而利用大数据技术，就是最核心的手段。电力行业的健康发展，需要全社会共同的努力。
参考文献
[1]赵云山，刘焕焕.大数据技术在电力行业的应用研究[J].电信科学，2017，30（1）：57-62.
[2]王德文.基于云计算的电力数据中心基础架构及其关键技术.电力系统自动化，2017，36（11）：67～71.
[关键词]电力调控；大数据；数据来源；应用方向
中图分类号：J62 文献标识码：A 文章编号：1009-914X（2019）04-0202-01
1基本概念阐述
1.1大数据
大数据（BigData）的概念，最早由维克托·迈尔·舍恩柏格和肯尼思·库克提出。大数据又叫巨量资料，即不走抽样调查的捷径，而是对所有数据进行分析处理。大数据是需要新处理模式才能具有更强的决策力、洞察力、流程优化能力的海量、和多样化的信息资产。大数据技术的核心，不在于数据量的庞大，而是在于对数据专业化处理，也就是数据分析能力。
1.2电力大数据
电力行业的大数据，主要有三个来源。其一：电力生产。它是大数据的主要来源，涵盖了发电业务、检修业务、安全防护三个方面。电力生产的大数据，主要用于通过对历史信息分析，为生产和检修提供指导。其二：管理运营。企业领导层在做重要决策时，需要依赖大量的、跨领域的生产经营数据分析，并将结果以简单清晰的方式呈现出来。其三：智能电网。智能电网连接的各个用户，借助传感器网络，将电力、通信、业务等用户信息集中调度，统一测控。
1.3电力大数据核心技术
1.3.1数据采集
由于大数据具有多样性和大量性，数据的来源和类型都极为复杂。需要利用搜索引擎和ETL引擎进行数据的提取与集成，之后进行数据的清洗，排除无用信息，提高数据质量。
1.3.2数据分析
大数据的分析，采用分布式计算技术，即连接系统中的各大计算机，形成一台规模宏大的超级虚拟计算机，来完成数量极大、形式极复杂的数据分析处理。
1.3.3数据呈现
计算机将进行收集筛选，分析处理完毕的数据，借助图表等可视化手段，在保障准确度的同时，将结果以便于人们理解的直观方式呈现出来，为决策者们提供指导。值得注意的是，如果数据呈现的不够直观、艰涩难懂，往往会误导决策者，甚至得出与事实完全相反的结论。
2电力大数据的核心技术
2.1数据集成管理技术
在电力大数据中，数据集成管理技术的是对不同数据源、特征形式的数据进行收集和整理，在对数据进行转换、加载后，得出全新的数据源，然后载对全新的数据源进行管理和，并对外提供服务。数据集成管理技术可以为电力企业提供新的服务和应用功能。
2.2数据分析技术
在电力大数据中，数据分析技术有很多种，包括机器学习技术、数据挖掘技术等等，通过数据分析，可以提取大数据中的有用信息。机器学习技术是人工智能的核心，其能够改善计算机系统使用性能，主要被应用于电力系统暂态稳定性评估、电力设备运行状态检测等方面。数据挖掘技术在实际应用中可以有效处理复杂的数据结构形式，对海量数据进行分析处理，进而提升数据质量，主要被应用于电力行为预测中。
2.3数据处理技术
电力数据处理技术可以分为分布式计算技术、内存计算技术以及分布式数据流处理技术。其中，分布式计算技术指的是通过应用网络技术，将电力系统中的计算机进行连接，进而形成超级计算机，对大数据进行存储和计算；内存计算技术指的是将已经收集到的大数据存储在内存中，然后直接对大数据进行计算和分析；分布式数据流处理技术具有实时性、伸缩性和开放性特征，可以对电力系统中的动态数据进行实时处理。
3大数据技术在电力调控中的应用方向
电力系统是实现电能生产、传输、分配和消费实时平衡的复杂系统。随着全球能源互联网及坚强智能电网建设的不断推进，各类新能源、分布式电源、电动汽车等不断接入，对电网安全、经济、可靠运行及用户服务水平提出了更高要求，持续提高电力调控智能化水平势在必行，而大数据技术在数据整合集成能力上表现优越，为其在电力调控中的应用提供了广阔空间。
3.1提高电网运行安全性、经济性、可靠性
大数据技术在负荷预测、智能告警、电网状态监测与诊断等方面广泛应用，将有利于提高电网运行安全性、经济性、可靠性。
3.1.1在负荷预测方面
负荷预测对于电力系统安全、经济、可靠运行有重要作用，负荷预测精度对电网计划检修安排、安全裕度校核有较大影响。分布式电源、电动汽车的接入使得负荷的规律性变差，负荷预测精度难以提高；同一地区负荷中包含有不同负荷特性的各类负荷，本身的负荷特性和变化规律各不相同，且缺乏气象、地理、经济等数据信息，负荷预测精度不理想。引入大数据技术，整合集成气象、地理、经济等其他行业数据信息，为提高负荷预测精度带来新的可能。
3.1.2在智能告警方面
随着电网规模不断扩大，调控中心监控信息量不断加大，调控员淹没在海量的告警信号中；各种设备缺陷、告警信号、视频监控信息、历史修试记录等没有集成，存在重复安排处理的现象，仅凭历史经验人工进行分析判断，处理效率低下。引入大数据技术，将分散在调控、输变电运维检修等不同部门不同专业的信息进行集成整合，为实现高效的智能告警提供可能。
3.1.3在电网状态监测与诊断方面
目前侧重于对单个设备监测，各个设备之间的监测数据没有共享，无法对整个电网设备全局进行分析，需要人工干预判断；另外，设备的基本试验参数、运行缺陷、修试记录等信息集成后，数据量大，分布离散，传统的数据分析方法处理效率低下。利用大数据技术对这些海量数据进行综合分析，实现设备状态的实时监视和趋势分析，有利于提高电网设备监测水平。
3.2在大营销中的应用
大营销体系建设的重点是提高营销业绩和客户服务水平，确保业务高效地开展。大数据技术的应用对于提高服务和营销水平、降低线损、预防窃电行为等方面有着重要的应用。在服务和营销方面，大数据技术通过对客户用电数据的分析可以得到其用电行为规律，进而可以做到以客户为中心，推出不同的营销方案，提高客户选择度。在经营管理方面，结合一体化线损系统和电量采集系统的大量数据建立计算和预测模型，提高线损和窃电行为的分析能力，降低线路损耗并减少窃电行为的发生。
3.3在大运行中的应用
大数据技术在电力大运行中的主要应用是通过对电网设备状态的管理来服务于调度运行。电网设备状态管理按照应用可以分为设备“三遥”信息、设备数据质量以及断面预测三部分。在设备“三遥”信息中，遥信、遥测和遥控等电网设备信息不停的被采集和存储，形成历史事项数据库，方便调控人员对在任意时刻进行查询和监测。在设备数据质量和断面预测方面，大数据技术通过收集设备发生断面时刻的状态和设备信息的历史状态数据，对调度操作进行总结并进行模拟演算，以便在发生设备断面前，能提前预知并做出处置方案。
3.4在大检修中的应用
在电力大检修应用方面，大数据技术在设备状态评价、故障诊断和检修策略改进等方面有着重要的应用。大数据技术可以对设备的基础信息、历史运行数据、检修的频率和发生问题情况进行收集和数据挖掘，得到设备正常运行和发生故障时的参数变化情况，通过比较判断当前运行设备是否存在故障，为检修提供决策支持。
结束语
大数据技术，在电力行业的应用，目前仍处于摸索阶段，但是其发展潜力十分巨大。要实现电力行业的成功转型，必须进行全盘的信息化，而利用大数据技术，就是最核心的手段。电力行业的健康发展，需要全社会共同的努力。
参考文献
[1]赵云山，刘焕焕.大数据技术在电力行业的应用研究[J].电信科学，2017，30（1）：57-62.
[2]王德文.基于云计算的电力数据中心基础架构及其关键技术.电力系统自动化，2017，36（11）：67～71.