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，同时，智能电网中电力设备及应用系统运行期间可能产生大量数据，一旦处理方法不得当则可能影响电网运行效率。该文以智能电网配用电数据为切入点，分析其构成特点，进一步提出具体的存储技术框架，旨在为相关从业人员积累更多的实践经验。
关键词：大数据技术；智能电网；数据存储
引言
随着科技的进步，城市建设的推进，为了满足建设中电网系统的需求，提升电网系统的质量和技术水平，建设高水准智能电网。建设过程中，应用高新技术展开工作，可以建设更加智能的电网系统。例如，电网调控中心，需要现代化程度更高的技术水开展规模大、数据信息多、更高效的运行调控工作，利用大数据优化存储与处理技术，有利于系统更好的运行，为电网系统的提供技术保障[1]。对此，对电网系统中的大数据技术的相关类别特征、核心技术以及在电网调控中各个方面的具体应用作分析。
1电网大数据处理技术概述
1.1智能电网大数据
当前，智能电网中的数据有三个类型：一是电网运行过程中设备的检测和监测数据，二是电力行业中相关企业的营销数据，三是电力行业中相关企业的管理数据。为了保证在电网运行过程中能够及时准确地得到相关数据，我们需要在电网运行设备中设置尽可能多的数据采集点，且时常进行数据采集。随着智能电网的发展，原本电网数据中的非结构数据由于不方便使用二位逻辑表现，故而运用较少，也在呈指数形式增长，逐渐成为智能电网中的重要组成部分。电网中的数据类型种类繁多，来源包括用电侧、输变电侧、发电侧等。
1.2大数据处理技术
大数据近年来已成为各行各业关注的焦点，不同行业都需要收集大量数据进行分析，以寻求较好的发展。而数据收集之后，怎么处理、分析和应用成了一个更加重要的问题，如果缺少对数据的挖掘分析，那么大数据的可利用价值也将受到损失；同时，一个国家分析和应用大数据的能力也是综合国力的体现方式之一。在智能电网中，大数据的处理方式也是必不可少，虽然目前在其它行业，云平台已经成为新兴起的热点，但由于不具有时效性，无法较多地应用到智能电网的大数据研究中。因此，如何分析电网大数据就成为我们研究的重点。
2智能电网配用电数据的构成分析
按数据类型，智能电网配用电数据可划分为非结构化数据、半结构化数据及结构化数据，而结合数据来源差异，可划分为电网外部数据及电网内部数据。通常情况下，配用电数据普遍利用信息集成化方式予以呈现，促使其数据具有维度大、颗粒度混杂及多类型数据共存的特点[2]。其中，结构化数据是智能电网中最为重要的业务支持数据，受现代应用大范围普及的影响，例如客户日志信息及分布式电源等，部分半结构化数据及少部分非结构化数据（即文本信息、视频信息及Web页面等）被纳入基础数据分析范围。由于智能电网中特定网站Web类数据量大大增加，出现非结构化、半结构化及结构化数据共存的局面。智能电网中各个系统或主体间呈现相互独立的存在状态，大大增加其数据维度，其集中体现于配用电数据从属多个主体，所有主体间相互独立存在，造成数据存储及数据采集的时序性存在着明显的不一致性，逐渐拉大数据维度。同时，系统中各个业务开展基本处于独立运行的状态，各项业务可自主选择数据采集时间，一旦彼此间无法统一时则可能拉大数据维度[3]。同时，数据颗粒度混杂的产生原因相对复杂，与不同系统业务需求差异性间存在着密切联系，并且非结构化数据及元数据的存储空间及数据格式均不尽相同。无论是否为同一种结构化数据，其容量及用户不同则属性要求也不同。
3目前的智能电网大数据处理技术分析
3.1数据集成技术
智能电网大数据具有的数据量大、类型多、速度快、分布广等特点，这些特征给大数据处理带来极大的困难。因此，为了处理智能电网大数据，首要的一点是以数据抽取、转换、剔除、修正等方式对数据源进行数据集成。其中，由于智能电网大数据集成涉及多种类型的应用系统，而这些系统类型和特征复杂，在数据规模、数据类型和实时性要求等方面存在较大的差异，单靠哪一种技术都很难完成，因此需要结合多种技术、综合考虑各种因素，建立一致、完备、有效的智能电网大数据系统。以ETL（extract、transform、load）为例，其主要环节有三步：首先是数据抽取，从源数据源系统抽取目的数据源系统需要的数据；其次是数据转换和加工，按照业务需求，将上一步骤获取到的数据转换成目的数据源要求的形式，并对错误、不一致的数据进行清洗和加工；最后是数据加载，将转换后的数据加载到目的数据源。
3.2资源管理
由于配用电数据普遍为多源异构，客观上要求相关管理人员于存储前期采取相应的处理措施，例如：将智能电网中硬件平台与虚拟化技术相结合，搭建符合配用电数据要求的Master/Slave逻辑结构，满足自动化筛选多源异构数据的要求。同时，以负载均衡方式为主要手段，动态化分配用电数据相关存储资源，持续优化智能电网内部资源结构，实现用电高峰期合理调度资源的目标，大大提高存储资源利用率。此外，设计技术应用框架期间，尽可能选择两种或两种以上虚拟化技术配置系统，例如：以虚拟机VM技术为例，能将配电系统中自动化主站平台转变为配用电大数据中节点。同时，虚拟机VM技术能促使各个市县区域内子系统及电力外网中企业及政府等用户IT资源转变为节点，极大程度上缩小框架设计空间，大幅度提高其系统运行效率，而经虚拟化配用电系统，其内外部计算资源成为相对独立的资源池。为了大大提高资源池中IT资源的运转效率，保证智能电网运行安全性及可靠性，相关技术人员必须构建负载均衡模型，方可达到优化资源配置的目标。与其他模型相比，负载均衡模型是非线性规划模型，具体运行期间不得脱离系统中任务量及节点数量等方面信息，再进行求解优化。其中，模型所使用的算法包括BP神经网络算法及遗传算法。
3.3优化广域源荷互动的调度
电网调控系统中，光伏、风与电等非连续性的新能源，其并网容量到达一定比例后，如果仅由发电机系统内部调控，这是不现实的，不能使用电平衡，不利于电网调控的实现。对于不断增加的新能源发电机容量，通过大数据处理技术，可以有效调控各个能源的用电平衡，提高电网调控能力，实现更优的资源配置。
3.4云计算技术
在互联网中的相关服务的增加、使用和交互模式的基础上，出于信息处理方便简单方面的考虑，出现了云计算技术，主要涉及的是虚拟化资源，这类资源需通过互联网提供，通常这类数据是动态的并且易于扩展的。选择云计算最重要的原因是其可以存储大量的数据，不必担心存储空间不足，同时采用了数据并行处理技术。分布式文件系统也是云计算核心思想的一种体现。但正如之前所说，云计算缺乏时效性，有时会影响数据及时的分析和处理，降低效率，因此仍有待进一步改进。云计算平台虽然可以实现数据存储空间的极大扩展，但数据的隐私性较差，安全性无法保证，当有重要数据存储时，如发生数据的丢失与破坏，会造成重大损失。
结语
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]殷少奇.电网调控运行大数据存储与处理技术研究与应用分析[J].陕西电力,2016(11):47-50.
[2]周萌.关于电网调控运行大数据存储与处理技术的分析[J].科技创新与应用,2017(20):47-47.