大數據技術在電站機組節能中的應用

蘇靖，沙龍

（商丘職業技術學院，河南商丘，476000）

0 引言

以往電站機組之所以要全天候不間斷運作，是因為電站轄區內隨時隨地都有可能產生用電需求，如果電站機組停止，就可能導致用戶用電不暢，所以不得以要全天候不間斷運作。但這一問題在現代相關研究中已經得到解決，研究普遍認為大數據技術能夠獲取用戶用電信息，及時分析用戶用電習慣，甚至能預測用戶用電需求，隨之輸出一個能耗最低的電站機組運作方案，使得電站機組的運作能耗與實際需求吻合，而不是盲目的不間斷運作，始終做好供電準備，這樣就起到了節能效果。因此如何利用大數據技術實現這一點是一項值得思考的問題，有必要對此展開相關研究。

1 大數據技術基本概念與主要功能

1.1 基本概念

大數據技術基本概念可以分為兩個層次，分別為“大數據”、“技術工具”，具體內容為：（1）大數據的本質就是龐大數據的集成體，其中數據總量巨大，甚至可以達到數億，且這些數據還會不斷更新，數量也會不斷增長，這是大數據體的特征，而這些數據源于實際發生的事件，因此根據這些數據可以對事件進行識別或判斷、預測，說明大數據具有良好的應用價值，這一點在任意領域中都有明顯體現，電站機組節能也不例外；（2）因為大數據體中的數據總量非常龐大，所以人工受能力所限，并不能直接對內部數據逐一進行處理，這時就要借助技術工具來完成數據處理工作，而眾多技術工具中最具代表性的是人工神經網絡模型、智能技術，其中前者是一種大數據挖掘功能，具有強大的數據處理功能，能在短時間內將數據整合在一起，生成一個類似人類神經網絡的模型，該模型代表了數據源事件（即模型中所有數據的來源），只要能識別其中數據，對數據關系進行定義，就可以對事件進行識別或判斷、預測。

1.2 主要功能

在大數據技術基本概念上，整個技術系統主要具備三大功能，分別為自主學習、數據識別、數據決策，各功能具體內容如下。

（1）自主學習

自主學習功能的人工神經網絡模型與智能技術下的綜合產物，其中模型技術會將大數據體視作數據源，不斷從中獲取數據，并將每項數據視作基礎神經元節點，同時將基礎節點與其他數據形成的神經元節點結合，經過處理可知所有數據之間的關系，會生成大量的神經網絡模型，這些模型將被記錄在對接系統的知識庫中（對接系統泛指智能技術系統，知識庫就是智能技術系統的數據儲存庫）。[1]由此當對接系統在實際應用中接觸到某組數據之后，會將該組數據與知識庫內模型進行匹配分析，若該組數據與某個模型的匹配度一致或高度相似，就會直接識別該組數據，用對應模型對該組數據所代表的事件進行定義，若沒有找到匹配度一致或高度相似的模型，就會將該組數據較于人工神經網絡模型，生成一個對應模型，下一次再接觸到類似數據組時，就可以直接進行識別，說明在兩個技術工具下，大數據技術具備自主學習功能，人工不需要對大數據技術的內部運作做過多管理，坐享其成即可。

（2）數據識別

數據識別功能源自于智能技術，即智能技術可以依靠人工預設的智能邏輯，獲取各項數據的特征信息，并將特征信息與智能邏輯進行匹配度分析，若兩者完全一致或高度相似，就會對該數據進行定義，完成識別。以電站機組運作為例，假設機組在運作中產生了100W 的功率數據，則智能技術將獲取該數據的單位特征，即“W”，隨后在人工預設邏輯基礎上，可將該數據定義為機組當前運作的功率情況，由此完成數據識別。

（3）數據決策

數據決策功能同樣源于智能技術，主要在數據識別后運作，即在智能技術成功識別了某項數據之后，會根據該數據現狀與人工預設智能邏輯中的數據標準進行對比，若對比結果顯示數據現狀不達標，就會擬定決策方案，方案的唯一目的就是讓數據現狀與數據標準吻合，若方案執行可實現智能控制。[2]同樣以電站機組運作為例，假設人工希望電站機組的最大工具不超過100W，而數據現狀表示機組功率達到200W，這時智能技術就會擬定“將機組功率下調100W”的決策方案，方案執行后電站機組的功率就會達到100W 標準。

2 大數據電站機組節能應用方案

2.1 基本思路

本文大數據電站機組節能應用方案的基本思路見圖1。

圖1 大數據電站機組節能應用方案的基本思路

2.2 方案分析

根據圖1，方案設計與應用的具體內容如下。

（1）數據采集

方案中數據采集主要有傳感器實現，出于節能目的，相關傳感器均為電力計量類，能對用戶全天的用電情況進行記錄，并將記錄信息轉換為數據，隨之傳輸給大數據技術終端，保存在數據儲存庫，逐漸生成大數據體，以供人工神經網絡模型進行數據處理，并構建相關神經網絡模型。

（2）數據儲存

因為大數據體內的數據量級龐大，所以普通的數據儲存庫并不滿足大數據儲存需求，對此本文方案中主要選擇了“云數據庫”來構成數據儲存庫。云數據庫在理論上具有“無限”的容量，因此必然是滿足大數據儲存需求的，但直接使用云數據庫來儲存大數據體可能會導致數據安全問題，這一條件下必須對云數據庫進行安全處理。

（3）數據處理與模型構建

人工神經網絡模型本身并不具備數據處理功能，因此需要借助智能技術對數據進行預處理，即首先讓智能技術獲取數據的特征，得出每項數據的定義，其次將數據特征保存在云數據庫中（云數據庫同時也充當知識庫的角色），這樣人工神經網絡模型就能開始模型構建。

（4）數據決策

在數據識別基礎上，結合智能邏輯智能技術能夠進行決策，例如根據用戶用電量及用電量產生時間，發現轄區內用戶自早晨6 點左右開始用電，直至晚間11 點陸續關電，說明早晨6 點到晚間11 點是用戶用電高峰期，這時電站機組需要不斷運作，而在晚間11 點之后，用電進入低谷期，這時電站機組內部分設備可以停運，僅根據低谷期用電量均值下人工設置好的機組功率，保留若干設備繼續運作，所有繼續運作的設備的功率總和與人工設置標準一致，這樣就起到了節能效果。

（5）數據識別

依照數據處理中得到的數據特征以及神經網絡模型，智能技術可以開始進行數據識別，該步驟是大數據技術在電站機組節能中正式投入實際應用起點，能了解用戶用電習慣等，以便生產準確的數據決策[3]。

3 結語

本文對大數據技術在電站機組節能中的應用進行了分析。通過分析，了解了大數據技術的基本概念與主要作用，隨后文中提出了大數據電站機組節能應用方案，介紹了方案基本框架與應用方法，可知該方案能起到保障機組能耗與實際需求一致的作用，能避免能源浪費，因此實現了節能目的。