杨小青
摘要：智能电网随着信息化技术的发展不断进步。在大数据环境下，为了可以更好的完善智能电网，提高智能电网的工作效率，提升智能电网的数据信息处理能力，提升智能电网的工作效率，提高智能电网的数据信息处理能力，提高整体运营的经济性，需要不断的完善智能电网的相关大数据平台。本文就针对电力大数据与智能电网的发展进行深入探讨。
关键词：电力；大数据；智能电网；发展
在电力体制改革的大背景下，智能电网能将发电出力、输电成本、电压变换、配网服务、用电需求和统筹调度等各个环节中各利益方进行协调，在保证系统各环节高效运行、减少运营成本以及环境影响的同时，尽最大能力提高系统的安全可靠和稳定运行，这是大量人力不可能实现的。自国家提出“互联网+”以来，大数据这个概念也慢慢浮出水面。互联网是大数据的纽带，而电力大数据是支撑电网安全运行的基础，同时也是减少人力资源投入的根本，因此，未来的电网发展，必须向着智能化与资源合理配置的方向发展。
1、智能电网电力大数据概述
新阶段电网基础设置很难满足信息资源日益增长的技术性要求，其中智能电网的应运而生能让数据信息的搜集、分析和存储等得到发展，但是要想让信息资源的利用效率增大，构建大数据平台能是实现其科学合理决策的关键。在这方面具十分成功的案例是Hadoop服务平台的系统构建情况，需要将大数据与这一平台进行更为有效的融合和对接，进而能更为大数据的关键新技术的作用发挥起到良好的保障作用。例如，在进行海量的信息搜集与处理的时候，能够提供电子表格数据，并利用信息分类技术，将其实用性更好的发挥出来，进而能在用户信息出来效率方面有所提升。另外，智能电网大数据平台主要是以分布式的文件处理方式为主，为能更好的实现Pb和Zb级别的数据存储功能，可以在分布式计算机技术实现的过程中，实现P6和Zb的数据查询功能。现阶段的大数据平台涵盖的内容十分广阔，其中有功能性的模块数据，包括大数据访问与调度框架、商业智能应用模块、数据仓库等相关的数据模块。因此，大数据平台的构建需要在数据关键技术运行效果持续升高的情况下对电力领域内企业的智能化电网的实现提供有效的保障，用以提升企业的自身结构发展也能让营销服务模式的优化创新能力得到极大的提升，进而能让电力企业持续稳健的发展下去。
2、智能电网中电力大数据关键技术的运用
2.1ETL关键技术
在电力领域的智能电网中，其大数据在分布上具有比较分散的特点，其数据也具有量大与种类多的特点，因此在数据处理方面具有一定难度。而在这基础上，智能电网大数据处理要遵循“数据集成—抽取—转换—剔除—修正”这一标准流程。在电力企业的数据集成方面，一般广泛采用ETL技术（数据仓库技术）。ETL技术可以包括三个部分，首先是数据抽取（Extract），即是将目的数据源系统需要的相关数据从数据源系统中抽取；其次是数据转换技术（Transform），即是将上一部分中抽取获得的数据根据一定要求而进行转换，变成另一种形式，与此同时，对存在偏差或错误的相关数据进行清洗或者加工；最后是数据加载技术（Load），即是前面所转换获得的数据进行加载，保存到目的数据源系统内。ETL关键技术是面向智能电网的电力大数据应用中的重要数据集成技术，因此，电力企业还需要对各项因素进行合理的综合考虑，与多种先进技术相融合而实现科学的数据集成化，促进电力企业发展。
2.2数据分析关键技术
对于大数据技术而言，其根本驱动力即是将信号向数据转化，进而通过数据分析能力转换为信息，再将信息进行提炼而形成知识，最后通过知识为决策与行动提供推动力。因此，在大数据背景下，电力数据分析技术能够在海量的信息数据中找到其隐藏的模态及规律，从而为决策者提供有效信息支持。针对电力企业而言，科学的决策能够为其生产经营服务的实施提供指导性力量，进而促进竞争能力的提高，创造更理想的经济效益。
比如德国采用这项技术为其太阳能推广应用决策的制定提供了科学合理的支持，而且太阳能的广泛运用利于电力用户把多余的电能向电网中输入，这也是企业经济效益提升的新方法。
2.3数据处理关键技术
而在电力大数据中，其数据处理技术即是对采集的庞大数据进行分库、分区与分表的合理处理。首先，分库处理就是基于一定处理原则对不同数据库中进行利用率低下数据的输入，进而实现其数据库相关数据利用率提高的目的。其次，对数据进行分区处理，即是对不同文件进行通表数据的合理载入，进而较好地减少大型表压力，使得数据访问性能运行更佳。而对数据进行分表处理，即是基于一定数据处理原则进行不同数据表的建造，降低单表压力。另外，构建并行式和纵列式数据库，利于强化数据的加载性能，利于实时查询功能的实现。比如，结构化查询语言（SQL）和Map Reduce（映射与归约）的有效结合，利于强化数据库的数据处理性能，增强其抗压弹性。
3、电力大数据应用前景分析
3.1电网状态监测
目前，电网监测与诊断主要侧重单台独立设备，不同设备的测试数据无法共享，这无法满足电力企业和电力用户对电网状态监测的信息需求。电力大数据条件下的智能监测技术可以实时给出电网的状态数据，如设备信息、测试数据、传输数据、误差分析数据、定期巡检数据等。面对海量、分布、异构的状态数据，传统的数据存储和分析方法会遇到很大的困难，但大数据云计算技术为解决这些问题提供了可能。不同于其他网络大数据，电网大数据的特点表现为实时性、易失性、无序性以及无限性，并且数据的价值会随着时间的推移而逐渐减小。笔者结合电网大数据的特点以及自身工作。
3.2电网损耗监测
电力系统是一个复杂的电能损耗网络，对电力系统电能损耗的分析是非常困难的。现阶段对电力系统网络损耗的分析均是离线进行的，存在诸多问题，例如仪表数据不完整、仪表数据误差等。随着智能电网普及不断深化，各类电子元器件的类型和数量都呈现指数增长趋势，极大地增加了电力系统电能损耗分析的难度。而利用大数据云计算技术有望实现实时或者准实时的网络损耗计算。基于电力大数据进行精确的电网损耗监测，需要对所有电网结构内的电表数据进行科学合理的建模，并基于EMS完成电力损耗计量，这需要进行海量计算，目前的计算能力远不能满足实际需求。利用大数据的高速云计算功能可以显著提高电网损耗数据的计算速度。实际测试结果表明，基于大数据的电网损耗计算基本可以实现实时或者准实时输出电网损耗监测结果。
3.3电网安全稳定分析及智能预警
目前，电力系统安全稳定分析和预警均是离线的评估和预测，难以满足实时、全面分析的要求。相关仿真和实验数据表明，对电网安全分析的时域仿真在时效性上远远不能满足实际需求。对于我国的超大规模电力系统，必须采用具有超级计算能力的技术对电网进行安全分析。大数据技术因具有时域和空域上的优势，可对大规模电网进行安全分析和智能预警。全网一体化仿真的计算负担巨大。目前，云计算的超级计算能力可以满足电网数据的实时计算要求。基于电力大数据，可以实现所有变电站和各级电力调度中心的数据共享，有望完成全网数据的一体化仿真测试，大幅度提高电力系统的安全稳定分析和预警能力。
4、结语
为了适应大数据时代的要求，提供更好的产品与服务，电力企业应当充分利用大数据关键技术和数据驱动系统，敢于创新，不断提升智能电网的优势地位，进一步提高电力企业的竞争力。
参考文献
[1]樊邦奎,丁冠军,兰海滨,等.面向智能电网应用的云计算架构研究[J].电力信息与通信技术,2014,12(1).
[2]彭小圣,邓迪元,程时杰,文劲宇,李朝晖,牛林.面向智能电网应用的电力大数据关键技术[J].中国电机工程学报,2015,03:503-511.