基于大数据技术下智能电网系统设计
发表时间：2019-10-10T17:22:43.133Z 来源：《河南电力》2019年3期作者：任冬
[导读] 作为智能电网系统中的关键环节，调度环节需要对海量数据信息进行处理，包括存储、分析处理、引擎搜索等，大数据技术能够实现大规模数据的高效处理。

（国网沧州供电公司河北沧州 061000）
摘要：随着社会经济飞速发展，科学技术的不断发展，智能电网大数据技术已经成为电力领域发展的关键技术，对电力行业有着非常大的影响。

作为智能电网系统中的关键环节，调度环节需要对海量数据信息进行处理，包括存储、分析处理、引擎搜索等，大数据技术能够实现大规模数据的高效处理。

关键词：大数据技术；智能电网；系统设计
引言
随着大数据、云计算的不断发展以及现代科学技术的不断进步，大数据在电力行业中的应用越来越广泛、深入，由此提出了建设智能电网的概念。

智能电网是指利用丰富的有价值的信息，指导和推动电力部门作业，提高电能利用率，实现科学的资源分配与消耗。

智能电网是基于海量、异构、多态的大数据，应用现代大数据处理方案而实现的。

在智能电网中应用大数据，可以实现智能调度资源、分布式控制负荷、有效预测用户负荷等日常管理工作，也可以实现安全情况监测、智能报警等安全监控作用，另外，大数据技术可以提高工作效率、计算速度以及监测的水平。

目前智能电网中大数据技术的应用还不完善，仍存在集成度较低、共享能力较差以及平台承载力不够、数据分析预测功能较简单等问题。

未来加强智能电网大数据的研究将成为热点。

1智能电网中大数据与云计算的基本概念
大数据是指海量、异构、多态的数据集合，不但包括传统的符号、数字等结构化数据，也包括图像、声音、手写字体等非结构化数据。

但不是数据多就能够称为大数据，必须要同时满足体量巨大、类型多样、价值密度低以及处理速度快这四个特点，才能够被称为大数据。

在电力行业内，电网运行的情况以及日常的监测数据等、电力企业的营销数据，以及企业的管理数据信息等可以被称为是大数据。

随着智能电网的不断发展，这些数据都在以指数级的速度增长。

智能电网中的数据以传统的关系型数据库中存储的结构化数据为主，包括业务数据、表单数据等。

而非结构化数据主要是视频监控数据以及一些图像数据等。

随着电力行业的发展和自身的特点，智能电网中的非结构化数据的比重越来越重，但分析和处理的难度却较大。

另外，电力行业数据还在气象预测、能源分析等行业中有着应用意义，对智能电网的大数据分析就显得格外重要。

最后，在智能电网的调动工作中，业务管理数据要求是实时数据，对实时数据的处理难度更大。

云计算（CloudComputing）是指在网络技术高速发展的基础上，通过网络存储、负载均衡、虚拟化、分布式计算等现代计算机处理技术，将网络中多个计算机实体融合起来，建立一套具有强大计算能力的系统，为用户提供方便、可靠、强大的计算能力。

通过不断提高云平台能力，减少用户在本地实体中投资的资金。

随着云计算的不断发展，传统的依靠个人终端的存储和计算模式将逐步被为新的信息存储、处理模式所替代，数据、资源及应用程序将被保存在云平台服务器中。

用户不但可以从云平台中获取数据，还可以完成应用程序的二次开发。

因此，近年来云计算技术得到了飞速发展。

云计算是通过云端的服务器集群提供计算、存储和处理服务，用户通过网络或其他工具直接访问。

云计算的服务方式主要有三类：即基础架构即服务、平台即服务和软件即服务。

2智能电网大数据关键技术
2.1大数据存储以及处理平台
大数据存储以及处理模式可以分为不同的分类方式，基于二者相互关系开展，对其分类处理，可以分为流处理以及批处理两种类型。

流处理就是实时性的处理，此种处理方式就是在一些实时性较高的场合中应用。

批处理则就是分批处理，就是现将数据信息存储之后在处理，对于一些对于实时性要求不严格的业务中较为适用，可以处理数量庞大的任务，具有良好的容错性。

而跨变电站的批量负荷控制技术还处起步阶段，在少数单位中已经实现了批量负荷控制的试点分析，其主要研究的内容就是对特高压电网紧急负荷切除进行精准、批量负荷切除控制。

2.2数据挖掘以及融合
数据挖掘以及融合就是大数据中数据解析中的关键技术，其应用较为广泛。

数据挖掘则就是在大量的数据中对信息提取的过程，数据融合就是对各种数据进行整合，通过数据集对木头物体描述的过程。

在智能电网中应用数据管理就是对电网的数据进行深入的挖掘以及融合，对电网的工作状态进行宏观的控制，合理决策。

同时，对万网运行中的历史信息与数据进行分析，可以了解其存在的问题与不足，深化资源配置与处理。

（1）领域知识挖掘在不同的领域中知识有着适用性的特征，但是其并没有形成固定的理论知识，合理的应用大数据可以发现适用于不同领域的不同知识，其具有洞察性、可重复性以及可预测性的特征，进而提升智能电网的应用效果，提升掌握能力。

（2）过程挖掘通过过程挖掘可以对不同用户进行系统分析，综合实际状况制定科学的解决方案，了解电网的运营峰值，实现实时的资源优化配置；第四，数据可视化。

可视化就是通过计算机图形等技术手段，将数据通过图形的方式在屏幕上展示处理，解决用户问题的方法与技术手段。

在智能电网中应用可视化技术可以实现全局以及具备的控制，进而直观的应用智能电网大数据。

3调度系统云计算平台设计
电网系统依靠网络实现相互间的连接，不断扩大的电网规模程度增加了连接结构的复杂程度，使系统间的相互协调难度加大，结合使用云计算可使大数据技术信息挖掘分析能力得到有效实现，电网系统通过“私有云”的构建，以实际电网级别为依据将其细分为主云和子云，实现在短时间内对现有设备和软件资源的充分利用，在此基础上进行资源的合理分配及整合。

本文通过设计针对调度系统的云平台作为各调度中心的数据信息服务总站，使电网自动化设备同分散的信息资源有效对接，以满足电网调度系统运转过程中对计算数量及质量的要求，为总线的合理分析和控制提供支撑，有效提升了智能电网系统的实时性和准确度。

基于云计算平台的智能电网调度系统由海量数据存储系统、数据服务总线、动态负换中心的作用，采用极大规模的分布式构架使数据服务总线有多种连接方式可供选择，其他子系统的信息通过数据服务总线实现相互交换、信息共享及信息整合的过程，实现对底层物理设备的统一管理，各个端口通过此种信息交流机制可快速准确的实现调用过程，提高了调用效率。

通过统一的管理监控界面的设置，实现对调度系统的运行情况进行实时监测和调整，便于管理
员根据实际监控情况及时进行相应调整。

结束语
智能电网是大数据的重要应用领域。

一方面，随着智能电网的建设，产生了大量的量测、监测数据，如何处理这些数据，挖掘其价值，是电力公司面临的问题；另一方面，利用大数据技术，不仅可充分利用电网自身的数据，还可以充分利用外部数据，大力提升电网的发展和运营水平，提高电网公司服务社会、服务用户的水平，扩展增值业务。

电力企业应该牢牢抓住这个契机，从数据政策、人才培养、关键技术研发等层面，全面促成电力大数据技术的发展。

参考文献：
[1]黄伟，曹健.智能电网大数据技术的发展研究.无线互联科技，2018（15）19-20.
[2]李振元，李宝聚，王泽一.大数据技术对我国电网未来发展的影响研究.吉电力，2018（1）.
[3]孙宝贵，王欣红，王振世.智能电网中大数据处理技术分析.通讯世界2017（23）：150-151.
[4]徐磊，马庆峰，王庭钧.基于大数据架构的智能电网可视化平台的设计与实现[J]．科技创新导报，2017（7）：125-126．。