摘 要：随着我国智能电网的整体发展层次不断上升，大数据流表现出了较强的实时性、易流失性以及无顺序性等特点。本文重点针对智能电网大数据流式方法展开了分析和研究，同时提出了状态监测异常检测技术，有效保证智能电网大数据处理工作的质量和效率。
关键词：智能电网；大数据；检测
在最近几年的发展过程中，我国各项先进的通信和智能电网技术应用越来越广泛，在智能电表的收集、数据采集以及相关监控工作等方面都表现出了良好的工作优势。相关测量工作单元、智能电表、配电自动化以及监控系统等所产生的数据增长量非常庞大，如何针对电网数据进行有效的处理，是智能电网工作当中的重要工作环节。通过大数据技术的有效应用，在智能电网当中可以实现数据的快速收集和储存，并且通过大数据可以对海量数据进行分批次处理，分批处理之后先进行储存后进行计算，整体的数据处理准确度较高。流式处理系统通常情况下不要求数据绝对的准确度，而需要对动态数据的变化实施性结果进行反馈和分析。
1.智能电网大数据流式处理分析
数据流技术可以为配电自动化的信息处理工作，提供出良好的工作保障，具有较高的应用价值。针对PMU数据、SCADA系统测量值以及电能质量数据等相关问题的处理，相关研究人员研究出了对应的流管理系统。随着我国智能电网的建设规模不断扩张，通过使用数据流滑动窗口技术，可以对配电自动化当中的海量数据进行在线分析和处理，但是没有给出数据流具体的处理工作方案，因此该项技术需要进行进一步的深化。
依照智能电网数据流具有较强的实时性、易流失性以及无顺序性等特点，通过大数据技术的合理使用，基于流式计算系统框架之上，包含了数据收集、数据处理、流式计算以及数据储存等几个重要的工作过程。首先，通过采集系统对数据源进行有效的监测，然后将数据直接转发到缓冲系统当中，缓冲系统的数据可以对计算机系统起到良好的空间缓冲作用，并且可以为计算机系统的数据协调和收集打下良好的基础。流式计算系统的工作性能较高，并且具有低延迟性特征，使得数据的处理速度相对较快，各个工作环节如下所示。
（1）电网当中的流式数据只有来源于智能电网的电表，PMU以及各种不同传感器的数据收集的数据总量相对较大，并且结构类型非常复杂，数据产生速率较快，为了有效获取不同用户在用电设备上所产生的用电量数据，电力公司单位安装了相应的智能电表，每间隔5分钟会向智能电网发送用户的实时性用电信息，并且对数据进行了实时性收集，所收集到的数据更加快速和高效，对数据的处理方法非常简单。因此，理想条件下的数据采集系统属于一种分布式可靠性较高以及数据处理效率更快的系统形式，可以保证收集到的数据更加完整，不会产生流失等问题。
（2）在数据接入工作中，必须要考虑到收集数据的速度和数据处理速率不同步等方面的问题，需要对数据进行有效的缓冲处理，要求数据具有较低的延迟性，为了有效达到阵营工作效果，可以通过使用分布式发布订阅系统的方法，其中涵盖了若干消息的生产者以及消息的接收者。消息的生产者通过收集数据在多个网络服务器当中进行数据缓冲，而数据的接收者则依照自己对数据的接收类型，通过缓冲区来有效控制和优化数据流的控制速度，有效保证数据接收的精确性，不会造成数据流失等问题。
2.基于流计算的自动化状态监测异常检测
2.1状态监测的异常检测
在智能电网设备的工作过程中，经常会受到外部环境因素的影响，包含了设备的绝缘体老化、电压过大等影响问题，这些问题很有可能造成电网设备出现损坏，因此需要对电网设备进行有效的异常检测工作，保证电网工作的安全性和稳定性。状态监测工作的异常检测，主要是从电网设备的整体工作状态，以及工作过程中所产生的数据来进行分析和研究，通常情况下设备的运行状态包含了两种形式，第一，信息缺失值和信息发出点；第二，设备在运行过程当中受到干扰而形成的数据异常问题，目前异常检测工作中所使用的方法包含了数据统计，距离测量以及各种数据参数等。
状态监测系统当中主要包含了变压器的色谱局部放电以及绝缘子的泄漏电流，电力设备的类型复杂多样数量也非常庞大，对于一个省级的电网公司来讲，依照1万套终端系统，每套终端系统每间隔5分钟来进行一次数据收集和计算，每天所产生的数据总量为430GB，每年所产生的数据总量接近为150T，状态监测数据收集的频率相对较短，数据收集规模较大，主要是以数据流的形式来进行传输，因此具有较高的数据处理工作效率，可以实现快速检测出异常问题的位置。
2.2时间滑动窗口原理
持续数据的处理主要是依照连续计算的方法，将数据作为连续批次来进行处理，而滑动窗口机制主要是控制接收数据量，有效使用数据的实时性更新，简单的阈值判断是设备运行和维护工作当中的常用方法，尽管设备信息的使用率和状态评价率都相对较低，同时也很难检测出故障的具体类型，但是可以从中发现一些潜在的故障问题。通过滑动窗口的设计方法，有效运用阈值判断方法，对智能电网的状态进行异常检测，时间滑动窗口工作模拟图像如图1所示，
.png)
图1 时间滑动窗口
为了提升数据的平稳性，将某个点的取值扩大到包含这个点的一段区间，用区间来进行判断，这个区间就是窗口，基于技术和时间方面状态监测的异常检测项目，主要是快速找出内部存在的不正常模式数据，对监测数据进行实时性处理和计算，本质上可以分解为多个小批量的数据处理作业，而时间滑动窗口模型可以有效满足这一工作要求，有效提高了数据流的处理工作效率，并且在数据处理的准确度上也有着明显的提升。
3.结束语：
有效结合大数据技术，对智能电网中的配电自动化电网流式数据处理分析和研究，有效提出了不同的大数据处理工作方案，包含了数据的实时性收集、数据缓冲处理以及流计算等。以状态监测数据作为数据流的研究对象，在流式计算平台上，实现了滑动窗口的计算方法。
参考文献：
[1]蒋云钟,冶运涛,赵红莉.智慧水利大数据内涵特征、基础架构和标准体系研究[J].水利信息化,2019(04):6-19.
[2]刘庆连,王雪平.智能电网大数据异常状态实时监测仿真[J].计算机仿真,2019,36(03):364-367.
[3]冷喜武,陈国平,白静洁,张家琪.智能电网监控运行大数据分析系统总体设计[J].电力系统自动化,2018,42(12):160-166.