大數據技術在智能電網發展中的應用研究

摘要：大數據為智能電網的發展提供了新的探索路徑和應用模塊，掌握電力大數據的關鍵技術對電力行業的可持續發展和堅強智能電網的建立具有重要意義。該文闡述了智能電網大數據的基本概念，分析了國內外智能電網大數據技術研究現狀，理清了智能電網應用中的數據類型及數據特征，突出了大數據技術在智能電網發展中的實踐意義和現實價值，最后提出了智能電網中大數據的應用場景與技術支撐，為業界學術人士和智能電網建設實踐提供一定參考。

關鍵詞：智能電網；大數據；數據分析；數據處理；應用領域

0 引言

智能電網是電力企業進入二十一世紀后，實現穩定與可持續競爭發展的客觀需求與必然趨勢。智能電網的改造與新建，實現了先進技術，如計算機網絡技術、信息通信技術、預警技術、機械控制技術等在電力工程建設中的有效應用，促進了電力系統各部分運行穩定性、可靠性、安全性、高效性、經濟性、生態環保性的提升。而隨著智能電網建立力度的不斷增強，電力系統結構的復雜性提升，相關數據信息呈現出多樣化、大規模化發展，從而對職能電網系統數據處理能力提出了更高需求。如何實現處理的科學處理成為電力企業發展智能電網建設關注與研究的重點問題。而大數據技術的應用與推廣，為這一問題的處理與改進，提供了思路，指明了方向。鑒于此，有必要智能電網大數據技術類型與特征，明確智能電網大數據技術發展現狀與趨勢，為智能電網改造與新建中大數據技術的實踐應用提供有益參考，促進我國電力事業優化發展。

1 智能電網中大數據的基本概念

1.1 智能電網中的大數據類型

在智能電網運行過程中，所產生與應用的大數據大致可分為“電網運行與設備檢測、監測數據”、“電力企業生產運營管理數據”與“電力企業營銷數據”三種類型。根據數據內在結構對其進行劃分，智能代表的電網中的大數據又分為“結構化數據”與“非結構化數據”兩種類型。其中結構化數據主要是指：智能電網中由二維表結構邏輯進行表現與表達的數據，錯存儲于在關系數據庫中，包括電網調度工作中產生與應用的數據、電力系統控制過程中所應用的實時數據等；而非結構化數據主要是指在數據庫二維邏輯不便進行具體表現與表達的數據，如視頻檢測數據[1]。據IDC（Internet Data Center，互聯網數據中心）調查顯示：現階段，在電力企業中非結構化數據已經占據總數據的百分之八十左右，數據指數增長達到百分之六十，成為智能電網中數據組織結構中的重要組成部分。

1.2 智能電網中的大數據特征

數據規模大（volume）、數據類型繁多（（variety）、數據價值密度低（value）以及數據處理速度快（velocity）是智能電網中大數據所具有的主要特征，被稱之為“4V”特征。

數據規模大特征主要體現在：智能電網中的數據級別等到提升，產生與存儲的數據量大幅度增多。例如，在智能電網常規采集與監視控制系統（Supervisory Control And Data Acquisition，簡稱SCADA系統）中，如果配置一萬個遙測點，在數據采集與監視過程中，采集的時間間隔為3～4秒，則產生的數據可達到一年1.03TB。

數據類型繁多特征主要體現在：隨著電網建設規模的不斷拓展、電網種類的不斷增多，各類非結構化數據（歷史數據、文本數據、圖像數據等）、半結構化數據（電力企業人力資源數、工作情況統計表等）以及結構化數據日漸增多，數據要求增多。

數據價值密度低特征主要體現在：數據規模的增多，使有價值的數據所在比重減少。例如，在智能電網輸變電設備運行監督與管控中，連續不間斷監視所得到的數據，絕大多數數據為無用數據，有價值的數據極少，可能僅為1～2s，用于為智能電網輸變電設備運行維護與養修提供數據參考依據。對此，在智能電網中需科學應用大數據挖掘技術進行有價值數據的挖掘，提升數據利用率。

數據處理速度快特征主要體現在：在智能電網中，為實現數據在決策層面中的有效應用，需提升數據處理速度，實現大數據數據的高速整理與分析。與此同時，在進行數據高速處理過程中，應保證數據真實性、準確性，實現數據異常的及時捕捉與處理。

2 智能電網中大數據技術研究現狀

隨著電力市場的開放性發展以及智能電網的研發與實踐，國內外有關研究機構、電力公司、電力工程建設單位等進行了智能電網大數據及其技術應用的研究。例如，AEP（American electric power，美國電力有限公司）有關人員將設備運行過程中產生的數據信息與智能信息進行有效融合，并利用大數據分析軟件進行大數據的有效應用，探尋基礎設備運行的穩定性與安全性；Lakeland Electric（美國萊克蘭電力公司）在智能電網中試圖應用大數據技術進行負荷分析，通過分析探尋不同用戶群體在電力營銷中存在的消費模式，從而為電力企業營銷的優化發展提供決策依據，與此同時，通過AMI（Advanced Metering Infrastructure，智慧型電表基礎建設）提升電力企業服務水平，實現電力服務成本的科學檢查，用以花費最小的成本獲取最大的經濟效益與社會效益，滿足用電用戶需求；在國內，國家科技部針對智能電網及其大數據技術應用，在2014年組織開展了3項863項目；江蘇省電力公司、北京電力公司等在組織開展智能電網改造與新建工程項目過程中，基于信息化建設要求與目標，積極開展了以大數據技術應用為核心技術克服服務模式研發項目，進行電能營銷、分配、管控一體化基礎設施建設[2]。

目前，雖然我國智能電網大數據及其技術應用的研究取得了一定成果，但是從整體層面來看，智能電網大數據技術的應用水平相對于電力技術水平而言仍存在較大差距，如研究成果較為粗糙；海量數據基礎的形成存在諸多阻礙，制約了大數據技術在智能電網中的優化發展；在現有的數據基礎上，大數據技術實踐應用存在片面性，大數據利用率低下。對此，需注重先進經驗與研究成果的借鑒，注重實踐經驗的總結、歸納與反思，提升底層數據的規范化管理，從而促進智能電網中大數據技術的應用與發展。

3 智能電網中大數據的應用場景與技術支撐

在智能電網中，大數據的應用貫穿于眾多環節，其應用場景涵蓋“發、輸、變、配、用、調”等多個方面。隨著智能電網建設力度的不斷提升以及建設進程的日漸加快，大數據技術在智能電網中的應用價值與作用將愈發明顯，其重要性與必要性將逐漸加大。基于此，以幾個典型案例為例，就智能電網中大數據的應用場景與技術支撐進行了如下分析。

3.1 IBM大數據技術在智能電網新能源接入中的應用

實現電力生產綠色、節能、環保發展已經成為新時期電力企業現代化建設與可持續競爭發展的必然訴求。基于此，新能源在智能電網中的有效接入成為電力企業生產經營管理的新趨勢。而隨著新能源在智能電網中的接入，傳統電力企業生產管理模式已經無法滿足實際需求，電力生產管理與電能計量要求得到大幅度提升。基于此，在現有數據源基礎上，應用大數據技術，可有效提升電力企業生產管理與電能營銷服務質量。

例如，丹麥維斯塔斯風力技術集體，將大數據技術應用到智能電網新能源接入中，用以實現海量數據信息的綜合應用，提升電力企業生產質量與效率。即，在超級計算機中進行IBM大數據解決方案的科學部署，實現對大數據（PB量級氣象報告、地理空間數據信息、潮汐相位數據信息等）的綜合分析，并在此基礎上進行風力渦輪機布局的優化，實現智能電網新能源（風能）應用質量與效率的提升[3]。在此過程中，IBM（International Business Machines Corporation，萬國商業機器公司）針對電力企業在風電場微觀選址中存在的問題，制定基于天氣預報高精度數值下風電場微觀選址解決方案，用以實現用最小的投資成本獲取最大的經濟效益。在解決方案制定過程中，通過依托評估指標體系（包括風資源精細化評估、風資源建設經濟效益評估、氣象災害風險評估與風場施工標準評估），構建高精度數值天氣數據計算模型，實現風電場備選區域與自然氣候環境之間的有機集合，用以對風電場備選區域各點間四維風資源分布情況進行綜合分析，探尋風資源變化情況，實現風電場風資源情況的準確掌握，保證風力渦輪機布局的準確性與科學性。

3.2 大數據技術在風電機組運行維護檢修工作中的應用

在智能電網中，大數據在電力設備運行維護檢修工作中具有較強的應用性。以智能電網中風機組電力設備運行維護工作為例，風機組電力設備在實際運行過程中受環境因素（雷雨、冰雪等）影響較大，易出現運行風險，對檢修維護工作要求相對較高。基于此，應用大數據技術，如數據識別技術、大數據挖掘技術中的模糊數學算法等，可有效實現電力系統風電機組運行過程中不良數據的準確檢測與正確辨識，構建完善、科學的風電機組安全運行綜合評估系統，對風電機組潛在故障進行早期預警（圖1風電機組潛在故障早期預警圖），為工作人員故障檢修與設備維護提供依據[4]。

3.3大數據技術在智能電網災難性故障預警中的應用

智能電網組織結構的復雜性決定了電力系統運行過程中易發展災難性連鎖事故。而通常情況下電力系統運行中災難性故障的形成與系統個別元件的損壞存在密切關聯性。基于此，應用大數據技術進行數據分析，可實現智能電網異常數據信息的準確識別與挖掘，實現系統運行故障預警，提升系統運行的穩定與安全。如以電網拓撲數據、地理信息數據、電力系統運行安全數據等為數據基礎，形成數據源，依托不良數據存在的可辨識性，利用數據辨識技術，形成基于大數據的電網災難預警系統（圖3大數據技術應用下的電網災難預警系統框架）實現電網薄弱區域的有效識別，探尋薄弱區域形成原因，為問題處理提供參考依據。

4結論

智能電網的建設與發展為大數據技術在電力事業中的應用提供了數據源，實現大數據技術在智能電網中的有效應用對提升電網運營水平與電力企業服務質量具有積極影響作用。基于此，針對我國智能電網大數據研究與應用存在的不足，應加強智能電網大數據技術發展的研究，并在多方共同參與下，從政策、技術、項目、管理、人才培養等層面進行優化，從而促進具有重要現實意義促成智能電網大數據技術的應用發展。

參考文獻：

[1]謝華成，陳向東.面向云存儲的非結構化數據存取[J].計算機應用，2012，32（7）：1924-1928.

[2]Peijian Wang . D-pro ： dynamic data center operations with demand-responsive electricity prices in smart grid[J] . IEEE Transactions on Smart Grid，2012，3（4）：1743-1754.

[3]IBM.風電場微觀選址.IBM[EB/OL].（2014-08-17）.http：//www31.ibm.com/solutions/cn/industries/energy/ thankyou/energy_wp.shtml.

[4]呂庭彥，李亞冬，蔣維，等.基于大數據挖掘技術的風電機組安全經濟運行狀態綜合評估系統[C].中國電力企業聯合會議.北京：中國電力企業聯合會，2013：10.

作者簡介：王禾陽，男，1990年，籍貫湖北省黃岡市浠水縣，助理工程師。