（国家知识产权局专利局专利审查协作天津中心 天津 300000）
摘要：智能电网的发展始终都处于不断提升的状态，具体表现为智能电网大数据特征越来越明显，基于电力大数据关键技术打造数字电网平台，是推进电网智能化建设的重要路径。本文介绍了五种电力大数据关键技术，针对其个性化智能电网大数据分析应用平台的设计与具体应用进行探讨，以期为智能电网发展提供借鉴。
关键词：智能电网；大数据；应用
1.几种常用的电力大数据关键技术
1.1 ETL技术
智能电网涵盖的电力大数据具有数据量大、 数据类型复杂、分布较为分散等特点，通常需基于“数据集成 → 抽取 → 转换 → 剔除 → 修正”的标准化流程开展数据处理工作。 ETL 技术主要由以下三个部分组成： ① 数据抽取 Ex tract ，用于从数据源系统中抽取目的数据源系统所需数据； ② 数据转换 Transform ，基于系统要求完成抽取数据的转换，并且针对数据源中存在的偏差与错误数据进行处理，实现对数据的清洗或加工；③ 数据加载 Load ， 将转换处理的数据加载后存储至目的数据源系统中，以此实现对电力大数据的集成化处理 [1] 。
1.2 集成管理技术
集成管理技术指将两个及两个以上应用系统中的电力大数据进行合并，在逻辑与存储介质上实现不同来源、格式、特征数据的集成，为系统创建全面数据共享功能。 在数据存储管理上，配合 NoSQL 数据库技术可借助分布式存储方式实现数据存储的简化，提升数据存储的灵活性与可扩展性，为海量数据的存储提供技术支持。
1.3 大数据分析技术
大数据分析技术针对由信号转化成的数据进行处理分析，将数据再次转化为信息，并从信息中提炼出知识，寻找到海量数据中隐藏的模态与规律， 为电力企业的决策制定提供参考信息， 进而为电力企业运营能力与服务质量的提升贡献指导意义。 例如德国某电力公司采用大数据分析技术为太阳能推广提供了重要的决策依据， 引导电力用户将剩余电能传回电网，使电力企业效益得到显著提升。
1.4 大数据处理技术
大数据处理技术主要围绕以下三个环节进行数据处理：① 数据分库处理环节， 基于一定处理原则提炼出利用率较高的数据，将其分别输入不同数据库中，致力于提高各数据库的整体数据利用率； ② 数据分区处理环节，将数据载入多个文件中，缓解大型表压力，优化数据访问性能、提升运行质量；③ 数据分表处理环节，通过建立多种数据表，致力于有效缓解单表压力。 此外，还可以建立并行式数据库或纵列式数据库，借此提升数据加载性能，提高数据查询效率。 例如将结构化查询语言与 MapReduce 结合能够提高数据库内的数据处理性能，增强数据抗压弹性。
1.5 大数据展现技术
大数据展现技术用于直观显示系统运行状态、 呈现出电力数据，大体包含以下三种关键技术： ① 可视化技术，用于针对智能电网运行状况进行实时监测与控制， 提升系统自动化水平； ② 历史流技术，用于展示智能电网的历史数据，经由综合分析后发掘历史数据的深层应用价值， 可实现对电力生产现场数据的实时监测，并针对电网规划数据、负荷数据走势做出精确预测， 围绕历史重大事件模拟器发生与演变规律， 更好地发挥电网历史数据的应用价值； ③ 空间信息流技术， 用于将电网参数与现有 GIS 进行融合， 包含三维展示技术、虚拟现实技术等类型，通过将 GIS 应用增设在电力配电设备管理中，能够实现对设备运行状况、实时地理信息的直观显示，有助于节约电力企业的成本用时、提升工作效率与经济效益 [2] 。
2.智能电网大数据处理技术的构建应用要点
由本文第一部分的分析描述可知，智能电网建设中的大数据处理技术，在当前情况下还存在一定的挑战，为了能够有效的应对这些挑战问题，那么也就需要把握以下几个方面的要点，以此提升大数据处理技术的科学性。
2.1科学把握大数据处理的时效性
对于目前状况下的智能电网大数据处理技术来讲，最为关键的便是数据处理技术的速度。观察传统层面下的大数据处理技术来讲，整项技术的开展仅仅只能够满足一定规模下的数据处理工作，而对于数据规模较大的处理技术，却很难展开有效处理，即便能够展开相应的操作，所需要花费的时间也是较长的。另一方面，智能电网在实际的运行以及维护工作中，还会产生维护运行有关数据，这直接表明对于这些方面数据的时效性，必须要采取科学化的措施，才能科学的展开后续工作。具体的操作技巧是在大数据处理技术应用过程中，运用内存数据展开操作，内存数据库主要是将数据存放在直接操作的数据库当中，对比数据磁盘来讲，内存的数据读写往往需要高出几个数量级，将数据保存到内存数据库体系中，将会在根本上提升大数据处理技术的应用性能。由此可见，科学把握大数据处理技术的时效性，将是提升大数据处理技术质量的有效措施。
2.2将大数据处理技术转化为可视化分析技术
大数据处理技术在实际应用过程中，如果要更加直观的展现在相关人员的面前，整项工作的开展将会是一种较为巨大的挑战。但是我们可以采用大数据可视化分析技术的模式，来有效解决这样的问题，并且该种模式下的数据处理方式，已经被实践证明为一种有效的处理技巧，同时在实际数据处理过程中得到较为广泛的应用。大数据可视化处理技术，往往能够使得数据处理过程中，一系列较为复杂的数据，全方位的转化成一种高精度、高分辨率的图片形式，同时提供准确化的交互工具，科学利用人们的视觉系统，将虚拟的数据信息直观的展现在人们面前，从而很好的提升处理工作中的效率。需要注意的问题是，在采用该项技术的时候，一定要处理好可视化算法的扩展性，以及重要数据信息提取与显示方面的研究。
2.3处理好大数据传输存储技术工作
在智能电网大数据的发展过程中，因为整个电力系统在设备监测与运行过程中，各个环节的数据信息都将会被记录下来，所以其中所包含的数量也就会显得非常大，智能电网运行传输设备以及数据存储系统，将会受到前所未有的负担，如果不能很好的处理这样的问题，最终必定会导致智能电网大数据处理技术受到较大程度上的影响。所以需要在大数据处理工作开展过程中，有效的采用分布文件保存的技术形式，来对实际工作所产生的大量数据展开存储，但是需要注意的是，此种方式需要注重对电力数据实时处理的问题。大数据处理技术分布文件的保存，最为关键的一项技术措施，便是将海量非结构化数据，有效转化成结构化数据，这是提升大数据处理技术效果最为关键的一个环节，广大技术人员应当对此予以高度重视。当智能电网建设过程中大数据传输存储技术工作得到科学化的解决之后，整项大数据处理技术所能够产生的效用，也势必能够得到最大程度上的保障，所以需要在这个工作环节当中投入较多的精力。
结束语
综上所述，“安全、绿色、可靠、高效”是当前智能电网建设的关键目标，为有效提高智能电网的可观、可测与可控水平，还需加大对大数据、云计算等技术的引进力度，系统整合电网业务数据及外部数据。同时，由于在异构多数据处理技术、实时分析以及可视化分析方面存在一定的缺陷。所以，我们必须要采取有效措施，进一步完善大数据处理技术，以便有效满足时代发展的需求。
参考文献
[1]尹君,缪刚,桑遥,李太华.智能电网建设中云计算大数据处理技术的运用分析[J].中国新通信,2016,18(05):115.
[2]吴凯峰,刘万涛,李彦虎,苏伊鹏,肖政,裴旭斌,虎嵩林.基于云计算的电力大数据分析技术与应用[J].中国电力,2015,48(02):111-116+127.
[3]杨帆,胡雪菁,尹镜晶.试论智能电网大数据处理技术的应用现状及面临的挑战[J].数字技术与应用,2016(11):256.
[4]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.