（国网壶关县供电公司 山西壶关 047300）
摘要：随着国家城市化建设，对于电网要求更高、需求量更大，电力行业业务不断增多，大数据社会背景下，电力行业也要不断应用大数据技术，创新电网发展转型。本文对电网系统中使用的大数据类别、核心技术以及具体应用方面做简单分析。
关键词：大数据技术；电网调控；存储与处理
1 引言
随着社会的发展，国家经济实力的提高，电力系统越来越壮大，传统的电力系统出现了伸缩性差、分析速度慢等缺点。智能电网是由传统系统发展而来的智能化电网，是在传统电网的基础上采取多个环节的电力数据，进行分析决策，以达到提升电力系统分析处理速度，增强伸缩性，提高电网运行的稳定性和可靠性。为了提升电网的处理数据速度，引入云计算大数据处理技术，可以有效的提升电网的运行速度和电力系统的服务质量，避免电网运行中出现的种种问题。
2 电网调控运行大数据分类特征
根据数据来源将电网调控运行过程中使用的大数据分为三类，具体是外部信息数据、基础数据和运行及设备状态监测数据，这三类数据互相作用、交叉影响，在智能电网运行中都有着重大作用。其中结构化的数据种类最多，可达90%以上，涵盖了基础数据、运行数据、符合预测数据等多个种类；现阶段，非结构化的数据也在渐渐普及应用到电网系统各个参数组成中，例如图形图像的相关处理的数据、视频监控的数据等方面。
3 大数据处理技术概述
在电网运行期间，将所有需要到的数据进行收集整合，形成一个大的数据库，对能够扩展的抽象数据进行处理，并运用互联网技术，保证电网的安全和有效运行。该技术具有以下四个特点：（1）数据的计算范围较大且受到的限制少。以传统的技术计算电网的运行数据时，只能对很少一部分的资源进行计算，受到的限制条件也比较多，对于数据的整合效果也较差，而采用新的云计算大数据处理技术受到的限制较少、数据整合效果较好。（2）数据的虚拟化。通过云计算大数据处理技术虚拟化这一特点，使电网中的数据被迅速的收集整合，进行快速的处理数据，保证电网中的数据被合理的分配和运用。（3）动态扩展。云计算技术有着较高的兼容能力，可以在电网运行的同时进行数据调动，并且快速的对数据进行计算分析，且使用此功能需要的新型设备可以在原有设备上进行增添，不需要购买新的设备。（4）良好的安全性。互联网为主要的通信平台，云计算技术可以通过互联网平台对数据进行计算，保证数据资源的安全性和数据处理的准确性，防止发生数据泄露。
4 大数据技术在电网调控运行中的应用
4.1 电网系统安全智能预警
传统电网调控中心的安全预警模块，对于评估预案中系统典型的运行方式，要离线计算，时效性较低且预警系统不够全面，难以满足现代不断发展的电网系统需要。因此，利用大数据技术，对于全网进行在线的统一仿真计算，是电网系统事故预警更加全面、实时，在这一过程中产生的大量数据源，大数据技术也能进行有效存储和处理，提高了系统处理的效率。大数据技术可以对不同类型故障的问题精确定位，找准电网调控运行中具体的矛盾问题，然后科学评估，为电网调控系统实施有效控制奠定基础。
4.2 基于大数据的电网状态信息处理数据清洗
数据清洗是指查找并纠正量测数据集中存在异常的数据，包括检查数据一致性，处理无效值、缺失值、重复数据等。检查数据一致性是指检测数据的矛盾性、不相容性等，其处理可以通过变换函数、格式化函数、汇总分解函数等完成;无效值是指电网运行状态数据集中错误数据，主要处理方法为删除;缺失值是指缺少某部分信息的瑕疵数据，其处理方法主要有两种:删除存在缺失值的个案或者缺失值插补。数据去噪。
噪声是干扰数据准确性的关键因素，其处理方法有小波变换、傅立叶变换、均值滤波等，其中小波变换去噪方法最为常用，工作过程:首先对含噪声数据进行分解，然后对分解得到的小波系数进行门限阈值处理，去除其中的噪声，最后对处理后的小波系数作逆变换，重构信号，得到真实数据。数据标准化。数据标准化是指去除数据的单位限制，将其转化为无量纲的纯数值，便于不同单位或量级的数据能够进行比较和分析。常见的处理方法为离差标准化，标准差标准化等，其原理均是对原始数据进行线性变换，使数据统一映射到［0，1］区间上。
4.3 可视化处理技术
现阶段，智能化电网中更多开始应用可视化技术。为了保证工作人员可以更直观的观察电网运行情况，在实际应用过程中，可以在电网的控制中心安装显示屏。通过可视化处理技术，可以将一些处理难度较大的数据通过显示屏进行传递和处理，使工作人员及时获取信息，发现存在的问题并及时进行维修处理，保障电网配电工作能够正常运行。为了未来的发展，要加强相关人员的理论学习，准确把握网络环境的复杂性，更好的解决运行过程中出现的问题，提升电网的运行质量。
4.4 预测风电功率
由于现如今大规模风电并网对电力系统和电网调度的安全运行产生了严重影响，而对风电功率进行预测能使这个问题得到有效缓解。风电的特性是随机性和波动性，这个特性使得预测风电功率必须以大量的历史数据作为支撑，此类数据主要包括风电机组信息、地貌形势、风电场实时和历史输出功率数据、实时和历史测风塔等数据。其中采集的风塔历史数据的时间分辨率短则超过10min，时长则超过1年；通过风电场采集的历史输出功率数据的时间分辨率要超过5min，数据的时长要超过1年。面对大量的历史数据，此时就需要建立可靠的预测模型来对风电功率进行预测，通过选择不同的时间尺度，结合实际工程应用需求，尝试多种预测模型对风电功率进行预测，以便得到更精准的预测结果。
4.5 定位和治理配电网低电压
由于现在电网仍然存在低电压的问题，主要原因是整个电网系统升级较慢，以及用电负荷的大大增加，这样对用户的正常用电造成了负面影响。利用大数据技术能定位配电网低电压，电网的相关信息可通过用电信息采集系统和SCADA系统进行收集，这些相关信息如变压器和线路的电流电压断货负荷类型、功率因数等参数。与此同时，与配电网相关联的无功补偿、负载率、供电半径、配电网结构、故障情况等信息，为了深度了解电网低电压的原因，采用数据挖掘模型对配电网低电压的影响因素进行关联分析，提升了配电网合格率，对电网的安全运行给予保障。
5 结束语
电网调控中，其核心是有效对各种数据有效存储、处理和评价，进而实现电网有效调控。随着国家建设，电网系统不断革新，电力行业中电网系统中的数据种类、数量日益增加，应用大数据技术优化电网调控系统，可以促进电网调控运行向智能化、自动化方向发展，提高各种电力调控效率，促进电网转型持续发展。
参考文献：
[1] 戴彦,王刘旺,李媛,颜拥,韩嘉佳,文福拴.新一代人工智能在智能电网中的应用研究综述[J].电力建设,2018,39(10):1-11.
[2] 柳伟,洪小龙.面向智能电网的电力大数据分析技术[J].安徽电力,2018,35(03):1-2.
[3] 胡清智.电力大数据与智能电网的发展与分析[J].广西电业,2018(09):42-45.
[4] 凌德祥,黄拓,关晓林,赵严.基于大数据的电力客户行为分析体系研究及实践[J].电力大数据,2018,21(10):13-17.
[5] 焦会英,辛存生,刘俊艳.大数据技术及其在智能电网中的未来应用[J].软件,2018,39(09):200-202.