许景坤
杭州国电电力科技发展有限公司 浙江省 310012
摘要：因电力系统规模的不断扩大,可再生能源发电渗透率的增强和电动汽车的快速发展,能量和信息之间的双向流通的智能电网开始出现。国家电网与南方电网公司等在智能电网、网络安全、用电能效等不同领域方面的大数据研究,进一步推动了大数据技术的发展。与此同时,外国针对智能电网大数据方面的研究也呈现出增多的趋势。大数据技术在电力系统中的应用,通过对用户的用电行为进行分析,可以更好的帮助消费者来调整自身的用电行为,通过对电力使用情况进行规划,进一步提升资源的利用效率。基于此，本文就大数据技术在电力系统的应用进行了探讨。
关键词：大数据技术；电力系统；应用
当今社会发展迅速，生产和生活对于电力需求越来越大，电力行业所承受的压力也是与日俱增，电力企业希望通过技术改革以更好地服务于社会。大数据技术在电力系统应用，改变了电力企业工作流程，促进了电力企业发展。
1大数据概述
1.1大数据定义
大数据又被人们称之为巨量资料,主要是涉及到了庞大的数据资料规模,很难在合理的时间内通过当前的主流软件工具对其进行掘取、管理、处理并整理成帮助企业经营者决策的信息。大数据具有四方面的特征:大量、多样、高速、价值,并简称“4V”特点。
1.2大数据概念
大数据（bigdata），是伴随着计算机技术的高速提升和大量数据需要进行分析、处理的需求应运而生的技术。随着数据量的不断增大，如何实现高速、科学、准确的处理，让大量的没有规律的数据变成有规律可用的数据，这就是大数据技术所面临的问题。
1.3大数据发展
大数据于19世纪末在美国提出，经历了20世纪的长足发展，近些年大数据技术发展迅猛，尤其在大量数据处理、分析的强大能力，得到了社会中各领域的关注与认可。如今，大数据技术已经在多个领域发挥着巨大作用，为社会注入了新的动力，推动了多个行业的快速发展，大数据时代的到来已成必然。
1.4大数据技术特征分析
大数据经过不断发展与完善，其表现可以概括为“4V”特征：Volume（大量）、Velocity（高速）、Variety（多样）、Value（价值）。“大量”主要指能够承接海量的数据；“高速”主要指数据处理速度极快，“多样”是指信息资源包罗万象；“价值”是指应用大数据技术进行工作，能够为社会各领域的生产经营带来不可估量的经济价值和社会价值。
2电力大数据概述
2.1电力大数据特征
通常情况下,电力大数据主要是指在电力行业中发电、输电、配电、变电、用电、售电、调度不同环节中产生数据信息的总称。电力大数据包含了大数据的所有特征,包括数量庞大、数据类型多、处理速度快、数据准确、数据价值五方面的特征。
2.2电力大数据技术
2.2.1电力大数据存储
因电力大数据存储量的增加,非结构化数据的存储和在低廉硬件设备上部署存储方案将是当前面临的两个问题。Hadoop大数据架构的出现,有效弥补了大数据时代数据存储和计算方面的不足。Hadoop生态系统中的Hive组件则能实现电力大数据结构化数据的存储。
2.2.2电力大数据计算和可视化
借助于Hadoop中的MapReduce计算框架和Spark分布式计算框架可对大数据进行分布式计算,数据挖掘技术主要对大量数据进行分析,找出数据分布规律,步骤主要有数据准备、规律寻找和表示三个。可视化方法现已被证明是解决大规模数据分析最为有效的方法,并在实践过程中得到了广泛应用。通过可视化方法,借助于相关的算法可以将数据以图片的方式展现出来,可快速实现数据的观察和定性定量分析。
3大数据技术在电力系统的应用
3.1大数据技术对电网建设意义
大数据技术对电网的意义主要表现在发电、输电和用电这三个方面：在发电环节中，大数据技术能统计出很大范围的电力需求，然后通过收集的数据预测出后一段时间的用电负荷，发电领域在考虑预测结果的基础上进行有计划发电，这样有利于整个社会的生态文明建设；在输电环节，输电线路上的所有信息都可以使用大数据技术来进行收集和处理，此方法能使得低电压损耗率大大降低，还能保证线路的正常运行；在用户用电环节，所有用户的用电量能采用大数据技术进行整理，通过采纳电力市场中的先进营销策略，引导用户拥有节约用电的理念，以此来推动电力产业的“集约化”发展。
3.2预测风电功率
由于现如今大规模风电并网对电力系统和电网调度的安全运行产生了严重影响，而对风电功率进行预测能使这个问题得到有效缓解。风电的特性是随机性和波动性，这个特性使得预测风电功率必须以大量的历史数据作为支撑，此类数据主要包括风电机组信息、地貌形势、风电场实时和历史输出功率数据、实时和历史测风塔等数据。其中采集的风塔历史数据的时间分辨率短则超过10min，时长则超过1年；通过风电场采集的历史输出功率数据的时间分辨率要超过5min，数据的时长要超过1年。面对大量的历史数据，此时就需要建立可靠的预测模型来对风电功率进行预测，通过选择不同的时间尺度，结合实际工程应用需求，尝试多种预测模型对风电功率进行预测，以便得到更精准的预测结果。
3.3定位和治理配电网低电压
由于现在电网仍然存在低电压的问题，主要原因是整个电网系统升级较慢，以及用电负荷的大大增加，这样对用户的正常用电造成了负面影响。利用大数据技术能定位配电网低电压，电网的相关信息可通过用电信息采集系统和SCADA系统进行收集[7]，这些相关信息如变压器和线路的电流电压断货负荷类型、功率因数等参数。与此同时，与配电网相关联的无功补偿、负载率、供电半径、配电网结构、故障情况等信息，为了深度了解电网低电压的原因，采用数据挖掘模型对配电网低电压的影响因素进行关联分析，提升了配电网合格率，对电网的安全运行给予保障。
3.4预警评估配电网重过载风险
伴随着用电量即电力需求的大幅度增长，传统“轻配重输”的工程建设模式已与现如今的发展需求不太符合，主要原因是常常会出现重过载的问题，因此不但对供电质量失去了保障，还影响了配电网的正常运行。为了更方便的获取配电变压器和输电线路的历史和实时的三相电压、电流和功率因素等相关信息，可通过这些系统来获取，如用电信息采集系统、OMS、SCADA、AMI、OMS、关联营销业务等系统。然后采用综合分析的方法来评估配电变压器的相关特性，如容载比、配电网元件故障率、线路间负荷转移能力等。
4结束语
总的来说，大数据技术是当下时代的尖端技术，特别是在计算机技术和网络技术被广泛应用的前提下，大数据技术在工业领域和人们的现实生活中表现的作用尤为突出。对于电力系统来说，电力大数据技术不仅仅能够提高系统的稳定性，还能够保障电力营销的质量和电网安全运转，促进行业快速发展的同时，也推动了社会经济的快速发展，大数据技术是电力行业建设的重中之重。
参考文献
[1]尧有平.数据挖掘技术在电力行业中的应用研究[J].电子世界，2014(4):37-38.
[2]谢小军，柳星，马亮，等.基于大数据的智慧用电系统设计[J].电工技术，2019(24):118-119,125.
[3]华广胜.大数据在智能充电桩网络系统中的应用[J].电工技术，2019(24):159-160,163.
[4]熊建功，沈秀红，梅征.浅析水务企业大数据布局[J].水资源开发与管理，2019(12):59-63,73.