基于大數據云平臺的電力能源大數據采集與應用研究

姚昕彥　蔣耀仙　王中杰

摘要：在我國快速發展的過程中，隨著智能電網建設的不斷推進，電力系統中運行的采集終端數量大幅激增。面對采集到的海量用電數據，如何快速挖掘出有價值的信息，指導企業發展并服務社會民生，顯得尤為迫切。文章介紹了利用分布式架構的用電信息采集系統采集用電數據，建立大數據云平臺，通過BP神經網絡算法等大數據分析方法，提高線損治理成效，實現負荷的準確預測，并在光伏、車輛網等新的領域對電力能源大數據應用的研究進行了展望，對未來電力能源大數據的深化應用有重要的指導意義。

關鍵詞：分布式架構的用電信息采集系統;大數據云平臺;大數據分析方法;電力能源大數據

引言

二十世紀末，精益管理由一些跨國公司引入我國，“精”表示少而精，不投入多余的生產要素，只在適當的時間生產必要的市場產品，“益”表示所有經營活動都要有效，精益管理就是企業把精益思想與自己的管理活動相融合形成的管理模式。目前電力企業也大力推行“消除浪費、創造價值、持續改善、精益求精”的精益管理理念，消除價值鏈各個環節的一切損耗浪費，提高資源利用率和管理效率。精益管理的知識、工具和方法有很多，其中大數據技術的采用是必不可少的。

1大數據概述

1）數據存儲大數據技術中的數據存儲，主要采用分布式存儲方式進行，就實際應用情況而言，可以完成大規模數據存儲要求，并且可以保證數據存儲吞吐率，降低存儲中的數據故障。具體存儲內容可以概況為以下幾種：（1）數據存儲基本路線為行存儲以及列存儲，或者是采用二者融合形式進行存儲。（2）立足于存儲實際情況而言，數據信息將會被存儲在多個設備當中。（3）為保證存儲質量，存儲設備需要被連接在高速網絡當中。（4）為保證數據查詢效率與質量，需要建立一個分布式搜索引擎。雖然大數據技術在實際應用過程中，數據存儲效果良好，但是仍然存在一定的局限性，具體內容為：（1）當下技術手段雖然可以建立起一個穩定的數據結構，但是建立的數據結構較為單一，并不能支持復雜數據結構建立。（2）數據的調度技術尚且不完善，而不適當的調度將會增加數據結構承載力。（3）數據存儲過程中所應用到的列存儲技術尚不完善，有待進一步優化。2）數據遷移隨著社會的進一步發展，產生的數據信息量逐漸增加，為保證各類數據信息可以正常應用以及分析，最終引入了大數據技術。在大數據技術中，為確保大體量數據遷移正常，又引入了平滑遷移概念。就目前實際應用情況而言，平滑遷移主要分為兩種形式，第一種是追日志法以及雙寫法。其中追日志法的應用較為廣泛，本文以此種方法為例，對大數據技術中的數據遷移技術進行簡要論述。（1）服務將會進行升級，并且記錄清晰庫上的數據修改內容，這些內容便是數據的日志，記錄不需十分詳盡。（2）記錄完成之后需要對數據遷移工具進行構建，要求其與離線遷移工具相同，可以完成數據日志新到舊的遷移。（3）數據遷移所采用的格式為單獨形式，因此需要構建一個日志解讀工具。（4）為保證數據追評質量，需要構建一個校檢工具。（5）數據校檢比對完成之后，進行數據舊庫到新庫的遷移。

2應用與探索

2.1電力能源大數據與線損管理

基于采集系統，開展精準的防竊電分析，提升對竊電用戶分析治理能力。文中利用采集系統海量數據，分析A1～A6六個單位1499個線損偏高臺區，查找引起臺區高損的原因。如表1所示，引起該市臺區高損的原因，有用戶竊電、戶變關系不對等，其中占比最高的是用戶竊電，約27%。針對該項異常原因，對A1～A6單位2017年竊電表計進行統計分析，竊電事件主要發生在開蓋事件、電壓異常、電流異常等，具體見表2。結果顯示，開蓋事件占比最高，約27.09%。通過用電信息采集系統，查詢電表開蓋事件竊電行為，可以遠程定位到疑似竊電用戶用電地址、事件記錄發生時間和發生次數等，精確鎖定竊電用戶，并制定相應處理措施，大大減少了現場排查時間，防竊電成效顯著。

2.2建立科學有效的電力營銷信息系統和輔助網絡新媒體

電力企業應當建立大局域網電力系統，實現多層次網絡營業服務。例如，國網江蘇省電力公司建立了大數據智能分析系統，國網上海電力公司成立了電力需求響應中心，國網浙江省電力公司建立數據信息平臺等，這些電力系統能收集客戶的用電信息、繳費信息、能源分類等信息，為用電客戶合理利用電力資源、減少能耗、緩解供電壓力、進行電力營銷等提供更加科學的依據。然而這樣的大數據系統在全國還沒有廣泛推行起來，已有的系統也基本停留在數據研究階段，利用數據信息進行營銷的企業還非常少。電力企業應當利用網站系統進行營銷。

2.3大數據技術在決策管理中的應用

隨著我國電力企業邁入大電網、高電壓和大機組的高速發展時代，傳統的電網規劃方法及其管理體系已不再適應。在對大型的電力網絡進行規劃建設時，如果僅憑專家個人的經驗勢必大大降低整個電網的資源利用度，因此，就需要借助聚類分析等數據挖掘技術，將不同規劃專家的經驗數據進行系統化表示，存儲在輔助決策系統中，對最終的電網規劃提供有效的決策支持。對于新能源電網，我們還可以建立氣象、地理數據信息與發電機組的數據信息之間的關聯模型，為風力、水力發電的選址建設提供決策支持，有效提高能源利用率。電網作為載體承載著能源與用能兩大主體，它關聯著諸多因素。在國家推進節能減排和需求側管理的大背景下，針對目前存在的高峰時段供電短缺，峰谷差值不斷加大，智能用電管理相對粗放等問題，需要開拓智能用電管理的新思路，設計出新型的用電管理方案，這也要借助大數據技術，分析出優化的智能用電管理模型。例如：用戶階梯電價的制定，基于綜合用能行為數據和生產、生活各因素以及電力生產成本等多因素進行數據分析，才能有效地激活各個要素，實現最佳效果。當前我國已經陸續出臺新的政策文件，開始新一輪的電力體制改革。這些制定的政策文件是否可行有效，是否有利于當前電網的發展，就需要借助大數據技術，在政策施行的試行階段進行驗證和分析。此外，電力與經濟發展、社會穩定和人民生活息息相關，電力需求變化能夠真實、客觀地反映國民經濟的發展狀況與態勢。通過分析用戶用電數據和新能源發電數據等信息，電力企業可為政府了解全社會各行業發展狀況、產業結構布局、預測經濟發展走勢提供數據支撐，為相關部門在城市規劃建設、推廣新能源和電動汽車、促進智慧城市發展等方面提供輔助決策。

結語

基于采集系統，發展電力能源大數據應用，是推進智慧能源發展的重要方向。通過采集電力大數據，能夠提升電網穩定運行和智慧服務水平。研究了采集數據在負荷預測、線損管理及大氣污染防治等方面的應用，創新性地提出了基于采集系統，建立大數據云平臺，提高線損治理成效;與環保部門等共享數據，利用BP神經網絡算法等大數據分析方法，顯著提升負荷預測準確性。采集數據還可與光伏、車聯網等多領域共享數據，進一步挖掘能源大數據的價值，服務社會民生和經濟發展。

參考文獻

[1]孫宏斌，郭慶來，潘昭光.能源互聯網：理念、架構與前沿展望[J].電力系統自動化，2015，39（19）：1-3.

[2]何恒靖，趙偉，黃松嶺，等.云計算在電力用戶用電信息采集系統中的應用研究[J].電測與儀表，2016，53（1）：1-7.

[3]曹軍威，袁仲達，明陽陽，等.能源互聯網大數據分析技術綜述[J].南方電網技術，2015，9（11）：1-2.