智能電網大數據技術發展探討

吳義俊

（國網安徽省電力有限公司安慶供電公司，安徽 安慶 246004）

0 引 言

在智能電網中，大數據技術能夠分析電網各類數據的結構特點，對數據進行細化處理形成深層次數據集。該數據集中主要包含兩種數據，結構數據和非結構數據。結構數據是指相互之間存在關聯的數據，在所有數據中占很大比重；非結構數據是指相互之間獨立的源數據，如視頻監控數據、初始圖像數據等。雖然它的數量不如結構數據，但是增長更新的速度要高于結構數據。

1 智能電網大數據技術應用架構

1.1 大數據分類架構

目前，大數據技術在現代智能電網中已經實現了全覆蓋應用，即在智能電網的所有相關領域都包含大數據應用。具體來說，智能電網的結構可以分為電力硬件系統、電力軟件系統和電力調控系統。在此基礎上，大數據技術在智能電網中可以分為相應的三部分。應用上，針對電力硬件系統大數據技術可以與數據采集設備建立信息交互通道，通過數據采集設備的采集功能，得到實時的硬件設備運作參數，而這些參數代表了硬件設備當前的狀態。之后，通過數據采集設備的傳輸功能和信息交互通道，使大數據技術系統可以接收到實時硬件設備運作參數。接收后可以對數據進行規整、分類等操作，同時分析當前硬件設備的運作狀態，再依靠智能化技術對分析狀態進行決策。當發現硬件設備存在運作異常時，結合智能化控制技術對電力軟件系統發出指令，通過電力軟件系統的調控功能調整硬件設備[1]。

1.2 云計算平臺架構

云計算平臺是智能電網大數據技術系統中的重要部分，主要根據一定的規則對海量數據進行計算，給智能化決策提供準確的數據信息。因為現代智能電網規模龐大，所以云計算平臺一般情況下會采用分布式數據存儲架構，以提高云計算功能的效率。此外，云計算的工作平臺主要依賴于計算機和服務器，結構十分簡潔，且可以充分調用各地區的閑置資源[2]。

1.3 智能電網大數據技術架構設計

普遍情況下，智能電網大數據技術架構設計可以分為6個層次，即設備層、操作系統層、數據框架層、網絡層、訪問層和數據應用層。其中，設備層為帶有出色計算能力、大容量儲存能力的服務器，以此支撐服務的儲存、調用、分析；操作系統層是指設備層服務器中的操作系統，如以Linux為集成核心的centos系統，其不但在運作效率上表現良好，還能夠實現可視化操作；數據框架層是指帶有數據框架的儲存數據庫，其框架能夠分化智能電網中的數據類型，避免出現數據混亂現象，同時在一些先進的儲存數據庫軟件中，能夠清理無用數據，有效降低數據儲存的資源占用；網絡層是指各層次之間的信息交互路徑，一般采用網絡渠道構建；訪問層是在網絡層基礎上，實現某節點向另一個節點提出訪問申請的渠道，如計算機向服務器提出資源訪問請求，服務器通過后可以實現數據查詢或者調用；數據應用層是根據訪問請求，實現數據的調用或者數據輸入的功能，是用戶可以直接操作的層面，因此在系統整體架構上屬于最高層[3]。

2 實例智能電網大數據應用分析

2.1 實例概況

某地區電力單位因為大數據技術的普及和優異的性能，決定將此項技術融合自身管轄范圍內的智能電網中。為了保障應用的有效性，融合前先對大數據關鍵技術進行選擇，如大數據集成管理技術、大數據挖掘與分析技術、數據處理技術和數據可視化技術等。下面將對實例中的四項大數據技術進行逐一分析。

2.2 大數據集成管理技術

實例電力單位以往的運作中，數據產出具有數量多、格式種類多、形態不一的特點，說明其數據復雜性較高。在沒有應用大數據技術前，單位主要通過大量人工和非針對性軟件實現數據分類儲存等工作，工作結果上時常出現因數據定義不明確而導致數據分類不合理的問題，且因為電網范圍較廣闊，導致數據調用存在一定的阻礙。在大數據集成管理技術的應用下，首先采用大容量數據庫構建數據儲存基礎。該數據庫具有明確的分類框架和數據特征知識庫，其中數據特征知識庫與網絡連接，可以根據網絡不斷更新自身知識量。其次，采用服務器、計算機構建大數據集成管理技術的支撐基礎。最后，采用傳感器實現電網電力設備的監控和數據傳輸。圖1為實例大數據集成管理技術架構圖。

圖1 實例大數據集成管理技術架構

應用中，首先通過傳感器的采集與傳輸功能，將實施數據傳輸到服務器中。服務器依靠計算機將數據傳輸到數據庫，數據庫根據自身功能對所有數據進行特征分析，并將其與數據特征知識庫內容進行比對，之后根據比對結果將其存入相應的框架分類中。

2.3 大數據挖掘與分析技術

因為實例電網中數據交錯性較強，所以數據與數據之間的關系十分復雜。要使這些數據產生實質性功能，必須了解之間的關系。但是，傳統的人工模式在面對海量信息時會出現低效率、易出錯的現象。應用大數據挖掘與分析技術，能夠從海量數據信息中尋找出數據與數據之間的關系，同時建立相應的關系樹狀結構。在樹狀結構中，可以清晰觀察到數據的多元化分支。此外，此項技術還具有學習能力，運作原理與上述的數據特征知識庫類似，區別在于大數據挖掘與分析技術并不是通過網絡進行學習，而是通過一定的設定規則和處理數據的經驗來獲取新知識。

2.4 數據處理技術

實例電網單位采用的數據處理技術主要分為三個部分，即分布式計算、內存計算和流處理。分布式計算主要是針對數據分布形態，在分散數據之間的關系基礎上，對數據進行計算處理。通過此計算方法可以了解數據的原理、功能、來源、狀態等基本屬性，算法的核心思路在于將大規模分散數據集中化。內存計算主要是為了避免海量數據計算時占用大量的計算機資源，導致計算效率變低，應用時能夠將數據放置在內層中，擺脫傳統的磁盤讀取時間。流處理主要是針對海量數據傳輸流進行處理，因為電力信息的產生具有很強的實時性和異構性，且在傳輸速度與自身規模上也難以統一。流處理可在極短時間內對各式各樣的數據進行分析和引流，保障數據流通的正確性。

2.5 數據可視化技術

為了保障智能電網控制的可控性，實例電力單位安排了專人對大數據監控下的數據流進行監控。為了實現監控目的，采用了數據可視化技術。此項技術核心在于建模，因為各類數據傳輸的原始形態為信號，通過傳感器可以得到這些原始信號，之后利用數學模型對信號進行計算得出相應的數字參數，最終依照一定的規則完成建模。此時，監控人員可以直接觀察模型，了解數據的動態發展。

3 結 論

本文主要分析了智能電網大數據技術的發展，在理論上對大數據分類架構、云計算平臺架構進行介紹，同時提出了智能電網大數據技術架構設計思路，并結合實例分析了其中大數據技術的關鍵技術和應用效果。