布加
国网西藏电力有限公司 西藏自治区拉萨市 850000
摘要：随着我国电力工业的发展，电网资产呈几何级数增长。电网资产管理是指对电网中巨大数量设备资产的高效运维和管理。良好的电网资产管理对电网企业经营绩效的提高、电网安全稳定运行水平的提升、智能电网建设基础的夯实，都具有重要的意义。
关键词：智能电网；大数据；技术；电网资产；管理
前言：智能电网大数据技术涉及数据的采集、存储、处理、分析挖掘、可视化等诸多环节，各环节采用的技术和方法也日新月异。就大数据技术在智能电网中的应用实践来说，大数据技术的应用在分析处理智能电网的大规模数据中正发挥着越来越重要的作用，它取代了传统的数据处理技术，使得规模更大的数据集合和种类更复杂的数据结构得到高效率的处理。智能电网的建成运行涉及大量复杂的数据统计和运算，在这些数据中往往存在着巨大的市场价值，电力系统可根据这些数据分析用户的用电行为，挖掘更精准高效的市场需求模型，提高电力系统的利用率和运行管理水平，有效提高效率、减少成本风险，挖掘更大的经济效益。长期以来，电力系统的传统数据处理技术是以抽样数据为主，各部门或各专业的数据也相对独立，而在智能电网大数据技术处理的情况下，电力系统的数据可以以整体全貌的规模和跨专业跨部门的数据融合趋势进入大数据技术系统中进行综合性的、整体性的、全方位的数据整理和分析，从而得出更精确、更具体、更细分的个性需求结论。
1、智能电网电力大数据概述
1.1智能电网大数据特征
对于智能电网而言，其在运行的时候会产生一系列数据，且数据量巨大并具有繁琐的特点，同时，人类在对此数据进行研究的基础上，便将此数据进行归类，一种为内部数据，一种为外部数据。对于内部数据而言，其包括配单管理系统等，此种数据都从关键应用系统中出现，对 于外部数据而言，其包括气象信息系统等，外部数据来源具有不同的方向，同时，管理部门也不尽相同。在此种情况下，人们便得出数据电网有多样性、多种渠道来源的特征，且在电网不断运行的时候，数据数量处于不断增长的趋势中，如图像数据等，对于此类数据而言，其具 有不同的数据特点，且数据密度具有较低的价值，同时，这些数据在频率等方面都具有不同的特点。在此种趋势下，人类便对智能电网大数据特征具有精确的了解。
1.2 智能电网大数据平台的构建
现今，社会处于信息化的运行发展模式中，且呈现高速的发展状态，而传统电力基础设施具有较低的发展水平，未能适应电网数据平台的发展。而在智能电网出现的情况下，便能对信息进行有效的处理，在此基础上，信息便被有效利用。同时，若使信息资源被合理的贯彻落实， 便应运用大数据平台系统，因此系统具有一定的科学性，能满足数据的处理需求，在此基础上，在进行数据平台构建的过程中，便应进行Hadoop 平台的构建，同时，使大数据技术与此平台处于一种融合的状态中，在实现不断对接的情况下，将能使关键技术在智能电网平台中具有一定的作用，从而使电网数据得到一定程度的保障。如在数据收集的时候，在电子表格的作用下，便能使数据处理速度逐渐提升，进而达到人们的要求。此外，其能实现Pb和Zb级的数据存储，大数据平台具有多种功能，其能对相应模块进行不断构建，同时，在此技术被不断应用的过程中，便能使企业产业结构逐渐优化，使智能电网处于积极的发展趋势中，从而使企业经济效益逐渐提高，具有强大的市场竞争力。
2、大数据技术在电网资产管理中的几个典型应用
解决实际问题是智能电网大数据技术的重要任务。
本节根据智能电网大数据的来源和特点，讨论了电网资产管理中适用于智能电网大数据的应用场景。电力设备的缺陷和故障会降低设备寿命、损坏设备性能、影响设备运行，是电网安全稳定运行的重大隐患。智能电网背景下，在电力设备监测数据、天气预报数据、调度数据等多源数据的基础上，利用大数据技术可以对电力设备的运行状态进行评估和预测，及时消除设备故障隐患，保证电网安全稳定运行。大数据技术在电网资产管理中的典型应用场景包括：输变电设备状态检修，电力设备可靠性评估。
2.1输变电设备的状态检修
恶劣的运行条件容易诱发输变电设备的缺陷和故障。目前的输变电设备上均安装有大量的传感器，利用传感器可以得到设备的运行状态数据。同时，结合设备的历史运行数据、负荷数据等数据，可以对设备进行评估和预警，为输变电设备的状态检修提供数据基础和技术支持。目前，电网设备的检修方式主要是计划检修和故障检修。计划检修是对设备进行定期的维护；故障检修是设备故障后对其进行检修。计划检修存在很大的盲目性，造成了人力、物力的浪费，过度检修对设备的绝缘也存在较大影响；故障检修不能及时发现设备的故障或缺陷，有时在发现故障时已造成巨大的经济损失。在大数据技术的帮助下，通过对输变电设备运行状态的监测和评估，可以及时发现设备运行隐患。根据设备运行状况进行的状态检修，既可以提高设备运行的可靠性，又可以减小设备的运行维护成本，提高设备运行的经济性。
2.2电力设备可靠性评估
电力设备的可靠性评估传统方法通常是定性分析。定性分析是根据规定或人工经验，将设备缺陷分为一般缺陷、严重缺陷、危急缺陷。根据缺陷的严重情况对电力设备运行的可靠性进行评估，其本质上是一种事后的评估方法。在智能电网背景下，通过融合体量巨大的电网设备静态参数、电网设备运行数据和电力设备的全寿命周期数据记录，可对设备在生产制造、运行维护、更换退役等各个阶段的可靠性指标及变化规律进行分析，更加客观地分析、归类电力设备的运行状态及风险等级；同时更加容易识别某些设备的家族性缺陷。智能电网大数据背景下的电力设备可靠性评估可以对运维策略、系统运行方式的评估提供有效的辅助决策。
3、大数据技术应用的难题
就大数据技术在智能电网中的应用障碍来说，存在两个方面的问题：一方面是电力系统本身的发展情况，它是一个规模宏大、牵连甚广的传统行业，在引入新技术、新理念的过程中必然经历较长时期的磨合和研发，现有的电力信息系统要想适应大数据技术就要做到从上至下全面的技术匹配，这显然是一个庞大的工程；另一方面是大数据技术的发展并不成熟，它的理论架构和应用案例都还处于探索和研发的阶段，由于规模的原因，大数据平台往往意味着巨大的建设投资，给建设主体部门带来了巨大的投资风险。除此以外，智能电网大数据平台的建设在数据获取上也存在着很大的障碍，不仅有硬件技术上的不足，而且各部门之间的沟通不足和独立运行也和大数据技术的集中管理存在一定的共享矛盾。但也不是意味着全面的开放信息共享就是好的方法，相反，如果这样做的话，我们必须充分考虑到数据的安全问题，如何设定适用范围，如何注重隐私保护，如何合法合规地公开使用，这是智能电网大数据发展中必须考虑的问题。
结语：总而言之，随着我国电力工业的发展，电网资产呈几何级数增长。电网资产管理是指对电网中巨大数量设备资产的高效运维和管理。良好的电网资产管理对电网企业经营绩效的提高、电网安全稳定运行水平的提升、智能电网建设基础的夯实，都具有重要的意义。面对全球环境的变化和可再生能源的发展，传统电力系统正在向智能电网演变。智能电网每时每刻产生体量巨大、结构复杂、彼此间存在复杂关联关系的数据。存储、利用、挖掘这些数据的价值，将在智能电网的发展中发挥巨大的支撑作用。
参考文献：
[1]赵雪松，谢蓓敏.智能电网大数据技术发展研究[J].电子世界，2017（23）：93-94.
[2]刘仲超.电网资产全寿命周期管理的信息整合及优化[J].工程技术研究，2017（11）：247+251.
[3]汤勇峰.智能电网大数据技术发展研究[J].电脑知识与技术，2017，13（31）：242-243.