摘 要：随着科学技术和社会的不断发展，目前，我国电力能源系统在一定程度上对网络化、自动化、智能化等技术进行了融合。通过应用此类信息技术，智能电力能源内的数据大批量生成，所以，如何有效对这些数据进行储存、分析及处理就显得十分重要，大数据处理技术随即出现。本文针对智能不间断电源应用大数据分析技术的可行性和应用前景进行概述分析。
关键词：智能不间断供电电源; 大数据; 处理技术
Application and prospect of big data in intelligent UPS
Liao Lizhao，Jin Jiawei，Ren Shenzhe
Abstract: With the continuous development of science and technology and society, at present, China's power energy system to a certain extent, the integration of networking, automation, intelligence and other technologies. Through the application of this kind of information technology, the data in the intelligent power energy is generated in large quantities. Therefore, how to store, analyze and process these data effectively becomes very important, and the big data processing technology appears immediately. In this paper, the feasibility and application prospect of big data analysis technology for intelligent UPS (Uninterruptible Power Supply) are analyzed.
Key words: Uninterruptible Power Supply; Big data; Processing technology
0引言
电力能源系统俨然已成为大数据应用[1，2]的一个重要领域。因此智能UPS在进行数据处理及应用时要针对电力能源系统特性来进行发展。目前智能UPS大数据应用技术，主要包含数据收集、解析、存储及处理等，从大批量的电力数据中将有效信息进行提取，对智能电力能源系统提供更为优质的信息技术服务[1，2]。
1大数据及云计算之间的联系分析
云计算是大数据进行专业化处理的基础。其中采用对海量数据进行分布式挖掘的也同样必须依靠云计算（Cloud computing）的分布式处理（Distributed processing）、分布式数据库（Distributed database）和云存储（Cloud storage）、虚拟化技术（Intel Virtualization Technology）的分布式架构（Distributed architecture）是进行大数据处理的必要条件。
2 UPS大数据分析技术应用效果
2.1分析技术
在我国UPS行业快速发展的形势下，使得多样化发电领域得到了明显的进步，怎样对
UPS资源[4]进行高效的利用以及合理的分配，是当下能源生产行业急需要解决的问题。
为了能够对UPS行业的稳定性和安全性加以保证，促进UPS资源利用效率的稳步提升，需要充分结合实际情况，对大数据分析技术加以切实的运用[2]。
其中大数据分析包含以下信息技术：
1.数据采集（Data Acquisition）
在进行任何的数据分析，数据采集是第一项步骤，它可以快速、广泛地集中分散在互联网上的各式数据，在一些移动端，还可以快速地将来自其他一些平台的数据源的数据导入数据库中。
2.数据存取（Data access）
通过导入数据库中的未经过清洁的数据可以进行快速而又精准的检索以及导出之后的使用，接着是进行有组织有体系的架构完备，这对于用户或者工作人员的日常维护更新都起到极其重要的作用。
3.数据处理（Data processing）
数据处理是数据分析工作中的最核心也是容错率最低的技术，在数据分析过程中可以使用相关的对比计算分析方法，常用的比如控制变量分析方法。计算完成之后就需要应用科学相关性统计方法以及运用软件工具等进行统计分析，例如Matlab、Python以及Excel等都是常用的分析工具且都能以图表或者图示的形式展现出来，这无疑更加方便了用户或者工作人员的分析决策[3]。
4.统计分析（Statistical Analysis）
统计结果分析是数据分析工作中另一个核心管理功能，通过给出分析结果来帮助用户或者工作人员分析决策下一步的技术工作。差异研究分析则可以选择比较两类数据的不同之处，以便操作者进行合理的布局和决策。
2.2 典型代表系统
Hadoop Apache是分布式数据处理软件框架中最著名最常用一款。负责存储静态数据HDFS，MapReduce编程范例基于分配给各数据和值计算发现数据所计算出的逻辑节点上。Hadoop生态圈日渐丰富，包括MapReduce、分布式存储（HDFS）、Hive、HBase等。
2.3 UPS大数据分析技术未来前景
在数据展现技术和可视化技术的辅助下，工作人员能够实现对UPS系统的实时监测，这样能够为电能结构的调整工作提供有效的数据参考，并且可以保证电能合并的效果。因为我国基本国情存在明显的特殊性，UPS系统覆盖范围较为广泛，为了能够确保智能系统运行的稳定性，以及UPS能源供应的效果和质量，需要充分结合实际情况，对UPS大数据[5]分析技术加以切实的研究和利用[2]。在现实工作中，可以利用GIS系统，对电能系统中存在的问题加以判断，协助UPS工作人员对UPS资源加以合理的分配，促进UPS资源利用效率的不断提升，规避资源浪费问题的发生。
3结语
综合以上阐述我们发现，在智能化电能能源快速发展的形势下，要结合实际将大数据关键技术全面的引用到智能电能之中，促进智能电能运行管理工作的稳定发展。针对智能UPS大数据关键技术加以全面深入的研究分析,能够准确的掌握UPS大数据技术运用的意义，推动UPS大数据关键技术不断进步。
参考文献：
[1]孟小峰,慈祥.大数据管理:概念、技术与挑战[J].计算机研究与发展,2013(1):146-169.
[2]王元卓,靳小龙，程学旗.网络大数据:现状与展望[J].计算机学报,2013(6):1125-1138.
[3]邓维，刘方明，金海，等.云计算数据中心的新能源应用:研究现状与趋势[J].计算机学报,2013,36(3):582-598.
[4]石磊.UPS电源技术及发展[J].电气开关,2009,1:8-12.
[5]吕天文.中国线性与开关电源的现状及发展趋势分析[J].电源世界,2011,12:8-9.