大數據在智能電網中的應用展望

張 誠

（廣東辰譽電力設計咨詢有限公司，廣東 佛山 528200）

0 引言

電力能源作為一種不能大量存儲的能源，其特點是“發電-輸電-配電”同時完成，發電的多少要依據用電側的符合進行調配，維持發電和用電的均衡，這對電網頻率和電壓的穩定起到了至關重要的作用。傳統電網中，此項工作主要由各電力公司的電力調度負責，通過對輸配電的控制使電網的頻率和電壓運行在允許的范圍內。

隨著新能源的出現及發展，風力發電、太陽能發電等多種分布式發電對電網的穩定運行提出了新的挑戰，如果調配不好，容易發生棄能的現象，這對發電企業帶來了不必要的損失。同時電動汽車等新的電力耗能大戶的逐漸普及，對現有輸配電基礎設施的影響也很巨大。一個小區內如果幾十臺汽車如果同時充電，就會對原有輸配電基礎設施產生影響，供電線路就容易超負荷。如何能解決這些問題，突破電力發展的瓶頸，實現電能資源的高效利用，既是我國經濟發展的目標，又是輸配電企業目前亟待解決的問題。

智能電網利用布置在發電側和配電側的大量的傳感器網絡，通過高速專用電力通信網絡將采集到的數據集中到電網運營調度中心，通過智能信息處理技術對海量數據進行分析和計算，根據需要對電網進行實時自動化控制，智能調節電網運行狀態并在線分析和決策電力輸送，實現電能產生和使用的可測可控，使電力系統的運行更加高效、可靠和安全。對各種傳感器網絡產生的海量數據的提取、分析、計算、管理和決策是智能電網運行過程中至關重要的一部分，如何有效的處理大數據，成為智能電網應用的關鍵。

1 大數據在電力應用中的關鍵技術

如何利用大數據整合所需資源達到實現未來電力發展需要的應用，提高生產率，提高管理效率、服務質量，這些都是實現大數據在電力應用中的關鍵。電力大數據主要包括數據的集成管理、數據分析、數據處理及數據展現。

1.1 電力大數據的集成管理

電力大數據集成管理是融合來自多個傳感器網絡的異構數據，并進行抽取、過濾和清洗后提供給電力應用系統過程。從集成的角度來說，就是把不同來源、數據格式、特點、性質的多樣性數據在邏輯上或者存儲介質上進行清洗和集中，為應用系統存儲一系列面向主題的、集成的、易于管理的、反映歷史變化的數據集合，從而為系統提供全面的數據共享。電力大數據集成管理技術就是為解決內部各系統間的數據冗余和信息孤島而產生的。

1.2 電力大數據的數據分析

電力大數據分析是將傳感器采集到的數據進行分析和提煉，從多個維度觸發，找出海量數據中潛在的模態和規律的過程。電力大數據分析的關鍵技術源于統計學，并利用計算機技術對數據進行關聯分析、機器學習、數據挖掘和模式識別。

電力大數據分析技術，從根本上講，屬于傳統數據挖掘技術在海量數據挖掘下的新發展，針對發電數據、輸電數據、配電數據和用戶用電數據等大數據海量、高速增長、多樣性的特點，從大數據的治理與抽樣、特征選擇的角度入手，將大數據小數據化，然后對大數據利用聚類、分類算法進行聚類提取特征，最后利用機器學習與數據挖掘技術提取數據中的應用知識，提供給應用系統。

1.3 電力大數據的數據處理

電力大數據的數據處理主要是利用現代計算機大規模計算技術優化數據的處理過程，提高數據的處理速度，主要包括分布式并行計算技術，內存計算技術，流處理技術等。分布式并行計算技術是為了解決海量數據的分布式存儲與處理。內存計算技術是為了解決數據的快速讀取和利用內存的高帶寬特性進行實時計算。流處理技術針對連續的、未知數據量的數據進行實時處理，且處理過程不受信息完整度的影響。

分布式并行計算是一種新的計算方式，充分利用計算資源具有分布式的特點，將單一高性能計算機的計算分解為分布式并行計算，并將分布式計算的結果匯聚為最終結果。分布式計算的一個典型代表是Google 公司Hadoop 大數據平臺的Map-Reduce 編程模型，該平臺實現了一個分布式文件系統，并且具有高容錯性的特點。該平臺將海量數據計算從高性能計算的解決方案改進為分布式的低廉硬件解決方案，且仍然可以達到高性能計算機才能達到的性能要求。Map-Reduce 編程模型先將待處理的數據進行分塊，進行分布式并行處理，并以鍵值對的形式存儲到本地硬盤，再由Reduce 任務按照鍵值將結果匯總并輸出最終結果。分布式并行計算技術適用于電力系統用電信息或配電信息采集領域的海量分散數據源。

內存計算技術將全部數據放在內存中，利用內存與CPU 之間高速通信的特性進行快速數據處理的計算技術，該技術避免了硬盤IO速度有限帶來的數據傳輸速度瓶頸，計算速度大幅提升。內存計算技術伴隨著內存價格的下降得到快速的發展，EMC、甲骨文、SAT 都提出了內存計算的優化解決方案，將客戶計算時間從以天作為單位降低為以秒作為單位，在適當提高計算資源成本的前提下解決了大數據實時處理和知識挖掘的難題。

流處理技術將每時每刻到來的數據視為流，每當有新的數據到來時就隨時處理并返回結果，由序列檢測理論可知，基于事件檢測的應用中數據的信息量會隨著時間的增長而變小，因此在數據流數據的前段數據中可以盡可能快地對最新的數據做出分析并給出結果。隨著電力事業的發展，電力系統數據量不斷增長，流處理技術應用于電力系統可以為決策者提供即時依據，在事件檢測類應用中起到至關重要的作用。

2 結論

電力大數據的應用場合涵蓋發電、輸變電、配電、用電、電力調度等電力行業的各個環節，在風電場選址、降低網損、風電并網、電網安全監測、大災難預警、電力企業精細化運營、電力設備狀態監測等領域有非常強的可實現性。隨著智能電網建設的進一步推進，大數據技術在智能電網中將發揮越來越大的作用。