智能電網海量信息數據監測關鍵技術探討

馬成龍

摘要：電網數據量不斷增多，處理與監測數據時，需要結合當前的海量數據信息，選擇合適且有效的技術手段。本文對智能電網海量數據信息的監測工作現狀為切入點，分析電網海量數據信息的基本框架，研究監測數據過程中運用的關鍵技術，實現高效處理與實時存儲數據的目標。

關鍵詞：智能電網;海量信息數據;監測;關鍵技術

電力系統在現有技術資源的支持下，持續開展改造與升級活動，電網系統的規模不斷擴大，智能化與信息化水平也快速提升，電網發展已經步入到大數據時代，必須要重視海量信息數據的處理與應用工作。現通過先進技術手段，針對智能電網系統中的海量數據信息展開嚴格監測。

1智能電網應用現狀分析

智能電網系統還處于發展與完善的階段，其導致電網的調度、用電、配電以及變電等環節的數據量在持續增加，網絡技術、計算機通信技術以及云計算平臺等先進技術進入到電網系統，大數據資源與技術在電網運行中已經占有重要地位，在提升電網運行技術水平的同時，也給電網數據管理提出了新的要求，智能電表需要完成監控與采集海量電網數據的任務，以此將數據價值完整地呈現出來。當前電網大數據管理的重點對象為多元異構數據，深層次檢測環節，主要針對異常、存儲與采集等活動的內容為主，電網管理工作的核心內容為優化調度與配置，高效管理資源，針對處于監控范圍內的電網數據信息展開控制，電網數據信息涵蓋功耗、功率與電壓等，依靠這些信息可以提升電網運行效率，增強電網控制系統的可靠性。

2智能電網海量數據信息監測框架

電網中的海量信息數據具有易失性、無序性與實時性，處理環節有存儲，計算、接入以及采集，這些處理工作都要通過調控云技術才能有序完成。

采集系統負責匯總與監聽數據源，緩沖系統接收數據之后，可控制與協調其速率，采集海量電網數據時，傳感器與智能電表發揮主要作用，支持數據傳輸與實時采集功能，智能電表在監聽數據過程中顯示出極強的可靠性與實時性;接入海量數據之后，考慮到處理與采集數據的速度并不一致，為了使數據保持完整，可在延遲性相對偏低的條件下，先對海量數據實施緩沖處理，以此來優化與控制數據的流通速度;對海量數據開展流通計算時，應優先考慮處理速率方面的問題，以此來對實時性需求加以滿足，當數據出現動態變化之后，數據的速率也隨之改變，流通計算出的數據只能被應用一次，調節控制數據的功能應當具有必要的伸縮性，而電網數據往往會受到包括時間因素在內的多種因素的影響，因此更容易產生順序錯亂的狀況，無論是在恢復故障功能還是實現負載均衡的工作中都需要流通計算來獲取相應的技術支撐;最后一個環節的工作為存儲海量數據，結合智能電網中預測負荷、監測用電行為以及監測異常情況等多樣化的業務需求，應選擇而多種方式來存儲數據并處理結果，依靠數據分析、傳輸以及流通結果來完成深層次檢測任務。

3智能電網海量數據監測關鍵技術

3.1構建數據模型

以電網的阻抗與導納為基礎，立足于電網數據的傳輸與流通，采用潮流計算方法，分析電流與電壓間的關聯，根據電網的無功注入與有功注入這一依據，確定功率與電流之間的關系，完成計算與分析的工作，獲得非線性方程，依照潮流坐標對應的計算結果來構件電網數據的模型。智能電網兼具高維、非線性與動態化的特點，進行持續變化時需要的過渡時間不長，同時復雜度也很高，為了簡化模型，針對電網中的電氣計算可采取潮流計算法，根據電網結構與運行參數來確定電網的實際運行狀態。當數據的節點數量增加之后，數據模型也會因此而變得更加復雜，通過模型能夠將電網故障計算出來，處理故障，恢復電網使用時，可總結異常情況，診斷海量數據在傳輸性能上存在的問題，并獲得評估結果。

3.2監測過程

深層次監測技術可以在采集在線數據的同時，計算與分析數據的判別值與分布情況，依照判別值對應的權重來實現控制與調節數據的目標。除了檢測電流、電壓數據之外，還可分析電能質量的擾動情況，測試擾動數據，該方法存在的主要問題是誤報率偏高，需提升其準確率與檢測效率，因此在進行檢測時，可以將調控云作為技術基礎，再依靠數據庫管理系統，在調度系統中達成監控海量數據的目標，確保選擇使用正確的控制方式。在發電廠與變電站中安裝遠動設備，傳送與采集繼電保護與設備運轉參數等信息。

分析電網數據時，需要以電網信號的運行時間與角頻率為基礎，確定與之對應的正弦與余弦系數，同時掌握分量系數;結合電網運行時間與坐標系來獲得數據信號，完成深層次檢測任務。智能電網上的電壓會受到負載非線性與電負荷變動的直接影響，從而出現變動與偏差，在進行海量數據監測時應注意到這方面的問題。

3.3分析測試結果

測試監測系統的有效性之后，發現海量運行數據會給智能電網造成一定的影響，因此必須進行協調開工至，可加入PC機，使用數量為6臺，CPU內存是4GB，操作系統為Windows，以此來搭建符合要求的實驗環境，通過java程序來設計數據編碼，對200個電網數據進行監測，監測次數設置成8次，最終的誤報率如下，當數據量為600bit到1400bit時，誤報率為20%到40%之間;數據量為400bit時，誤報率是40%，數據量是200bit時，誤報率在20%左右，可確定該監測方法形成了相對較高的準確率，可以滿足深層次監測海量數據的需求。

4結論

智能電網在滿足電網應用方面有突出的應用優勢，但是由于構造更加復雜，使用設備數量更多，給管理與監測工作帶去新挑戰。本文主要針對監測海量電網信息的工作展開分析，借助調控云技術來完成深層次檢測任務，形成較高的檢測準確率，有助于提升智能電網控制調度工作水平，增強了電網的可控性。

參考文獻

[1]崔曉優，饒國輝.面向智能電網應用的電力大數據關鍵技術研究[J]. 2021（2017-7）：182-182.

[2]郭曉敏.面向智能電網應用的電力大數據關鍵技術探討[J].企業科技與發展，2019，000（006）：84-85.

[3]李永光，張彥軍，汪凱威，等.面向智能電網應用的電力大數據關鍵技術探討[J].數字通信世界，2019，171（03）：58.