刘伟娜 周雪青
国网河北省电力有限公司电力科学研究院， 河北 石家庄 050000
摘要：本文通过对智能电网、电力系统、大数据、云计算等系统的分析，分析出智能电网的大数据特征以及智能电网、大数据和云计算之间的关系。以此为基础，再对电力大数据的关键技术进行有效的研究，研究出其能够应用的范围，为今后的电力大数据关键技术的创新和研究提供一定的参考。
关键词：智能电网；电力系统；电力大数据；关键技术
引言
信息时代的到来，人们无论日常生活亦或生产都不能离开电力系统，但是其运行中会产生极为庞大的数据信息，且信息从速度和类型上都增长较快，这与大数据的特征也有相符合的地方。当前，由于电网系统的不断推进，系统内的数据资源会持续増多，甚至会出现极强的增长态势，这是传统数据处理系统很难完成的事情，所以使用大数据技术有一定的必然性。１大数据关键性技术分析
1.1集成管理技术
智能电网下的大数据平台，拥有海量的信息存储。特别是在实际的应用中，由于传感器的融人能让很多信息直接传输到系统之中，能使数据采集工作得以完善。这些数据包含电网运行，大数据分析应用技术，数据信息管理等内容，通过对上述数据分析和处理能真正的让集成管理技术工作落实到位[1].＾
1.2数据分析技术
使用数据分析技术能让电力企业对海量的信息开展分析，通过分析能获得针对性较好的技术信息，并能在信息的处理中满足科学决策。若以电力企业为例，为能让网企业内的经济效益和竞争实力长效提升，就要使用科学的决策对经济效益进行管理和提升，故此决策信息的科学与否就是与企业电力发展有联系的重要内容。现在在数据分析上最先进的是德国，他们力争使用太阳能让用户将多余的电力输人到电网中，使经济效益的提升更能上升到新高度。
1.3数据处理
在正常的工作过程中，大数据技术的确为智能电网提供了非常重要、宝贵的支持，尤其是在信息方面，更是在很大程度上提高了智能电网的工作效率。大数据技术的主要优势中就包括对信息的快速处理。在此过程中，信息的处理工作要更加注意细节，满足处理的要求，促进数据处理工作效率和水平的提升。相比较而言，传统的数据处理方式的处理速度显然更慢，其效率和完整性都将受到很大的影响。而通过利用大数据技术，就可以有效的改善这些问题，并以此为基础，建立完备的数据管理库及管理体系，完善数据的查询工作和服务质量。
1.4数据安全
随着时代的发展，互联网成为人们生活中必不可少的一部分。在这样的环境下，信息的安全也成为人们重点关注的内容。因此，在大数据技术之下，做好数据安全工作也是非常必要的。通过大数据技术，对电网系统当中损失的数据可以及时地恢复，并提高其防御风险的能力，保障信息和数据的安全性。
2智能电网、云计算、大数据的关系
2.1智能电网与大数据的关系
通信技术、信息技术和与此相关的基础设施是构建智能电网的重要支撑。随着时代的发展，我国在智能电网领域的发展速度大大提高，可以稳定地对外供应高质量的电，也可以有效的提高能源的使用效率。以智能电网为基础，就可以很快地了解到用户的实际用电情况，并通过对情况的了解，逐渐调整和完善供电工作中存在的问题，以此提升整体的供电质量[2]。
2.2大数据和云计算的关系
随着互联网的兴起，云计算这一概念也逐渐进入到人们的视野、企业的系统当中。
对于企业而言，云计算可以有效的帮助企业对内部数据进行详尽的计算、与合作平台进行数据共享，提高其工作效率。云计算其实是大数据技术的基础，有了强大的计算能力之后，才能够更好的完成对数据的储存、管理和研究等工作。有云计算的加持，大数据技术对数据的快速处理和计算，帮助企业更好的了解用户的实际需求，以此提升用户的实际体验。在某一层面上来说，是云计算让大数据技术真正地走向了社会；也可以说正因为大数据技术的发展，推动了云计算功能的进一步开发。
3智能电网的大数据特征
智能电网在正常运行过程中将计算出数量巨大的数据，这些数据的来源有很多，主要分为两个种类：（1）与电力企业相关的内部数据，这些数据主要来源于电力企业内部的各大应用系统，比如数据的采集以及监控系统、生产管理系统、客户服务系统、配电管理系统等；（2）来自于企业外部的数据，主要来自于互联网、气象信息系统、地理信息系统等等。相较于第一种数据来源，这种数据的管理单位并不统一，且比较分散，不利于收集。通过上文的叙述，智能电网的数据具有非常多的特点，来源非常多，各种结构、各种数据的百分比也在显著地提升，这些数据中主要包括在线监测系统里的视频、客户服务系统中产生的语音数据、图像、音频数据等，这些数据都非结构化的数据，这些数据不仅价值密度非常低，而且在生命周期等方面有着比较大的差异。具体如图1所示[3]。
4智能电网大数据关键技术
4.1多源异构数据聚合管理技术
前文已经提到过，智能电网是一种非常复杂的系统，其存储的数据量非常大，且种类较多，如果只是简单地进行数据处理工作的话，那么处理速度会非常之慢。正因如此，在智能电网的数据管理方面一定要做好以下几项工作：首先是将数据整合，对其进行排查，选出与此次工作内容相关的数据进行转换，在剔除和修正之后就可以将其投入使用。当然，在开始之前，要选择合适的数据集成模型，现有的模型主要包括数据链板、基于中间体模型、数据仓库等等。数据仓库技术又称ETL，很多企业都会使用这一数据集成模型作为集成数据的方式。其主要分为三个方面：首先是对数据的抽取，通过数据源的系统，抽取与工作内容相关的数据；其次是数据的转换，在数据抽取工作完成之后，按照相应要求，将数据转换为另一种形式，如果数据出现了偏差等情况，也要对其进行清理、加工等步骤；最后是数据的加载，完成数据转换之后，要将这些数据加载至目标数据源的系统当中。就当前的智能电网发展形势而言，数据的集成是该技术中的关键步骤，它需要工作人员综合考量多方面的因素，并依托多种技术完成集成[4]。
4.2数据分析的关键技术
就大数据的技术而言，转化信号数据需要驱动能力作为支撑，当数据得到了细致的分析之后，使得信息能够更适用于智能电网工作。通过大数据技术，在数量巨大的信息当中寻找到有用的信息数据，并对相关的电力数据进行有效的分析，找出其中的模块态势规律之后，决策者可以以此为参考，做出更有利于企业发展的决策。对于电力企业而言，决策者的每一次决策都影响着其今后的发展，对于企业的生产、经营和投放工作都起着决定性的作用。好的决策不仅能够让企业更快地发展，更能让企业的工作效率和质量不断攀升。德国在使用了数据分析的关键技术之后，就对太阳能的运转提供了非常合理的管理和支持，使得更多的电力用户能够使用太阳能带来的便利。这一过程中，其产生的多余的电量都会回传到电网当中，电力企业的经济效益也会得到相应的提高[5]。
结束语
随着时代的发展，科学技术、经济水平、互联网技术的逐渐提升，智能电网也随之发展。在智能电网的日常工作当中，电力系统、设备检测、用电信息采集等方面都将产生数量较多的各种类型、各种形式的数据和信息。相关工作人员要加强对电力大数据关键技术的分析和研究，以此促进智能电网的工作效率。
参考文献：
[1]吴斌.电力大数据关键技术的应用[A].福建省电机工程学会.福建省电机工程学会2019年学术年会获奖论文集[C].:福建省电机工程学会,2020:2.
[2]周雁斌.智能矿山大数据关键技术与发展研究[J].世界有色金属,2020(11):13-14.
[3]陈清明,王定波,付彦哲.基于电力大数据关键技术及应用探讨[J].数字通信世界,2020(05):82+15.
[4]张伟.智能电网应用背景下的电力大数据关键技术[J].电子技术与软件工程,2020(09):200-201.
[5]陈永淑.大数据技术在电力系统的应用[J].信息技术与信息化,2020(01):43-45.