陈 鹏 热依拉·阿不都瓦依提
国网新疆电力有限公司喀什供电公司 新疆 喀什 844000
摘要：近年来电力企业逐渐积累了不少基于数据的应用实践经验，但随着能源互联网的发展，能源互联网互联、开放、对等、分享等特征赋予了电力数据新的内涵，电力数据呈现出多源、异构、量大、准确、实时等特征，随之而来的是数据分析技术和数据应用开发面临的挑战，同时也意味着更多元的数据应用成为可能。本文将总结归纳当前已有的几类电力数据应用，联系能源互联网的特性，分析电力数据应用技术的研究方向和应用场景。
关键词：能源互联网时代；电力数据应用技术；方向
引言
近年来，电网公司不断完善升级营销业务应用、财务管控、设备（资产）运维精益管理、用电信息采集、人力资源管理、调度D5000等各类业务系统，随着电力企业信息化水平的不断提升，企业内部关于客户、人员、资金、设备、电网运行等各类业务的数据越来越丰富，面对疫情、复产期间电力数据看经济的需求，以及企业内部挖潜增效的需求，数据资源作为一项重要的生产要素，电力数据的价值正在愈来愈被重视。
1能源互联网时代电力数据的特征、应用架构
1.1电力数据特征
电力数据由结构化和非结构化组成，随着智能电网建设和物联网的应用，非结构化数据呈现出快速增长的势头，其数量将大大超过结构化数据。电力数据的特性满足大数据的五个特征，一是数量大，二是处理速度快，三是数据类型多，四是价值大，五是精确性高。电力数据的应用一方面与宏观经济，人民生活，社会保障，道路交通等信息融合，促经济经社会发展；另一方面是电力行业或企业内部，跨专业，跨单位，跨部门的数据融合，提升行业企业管理水平和经济效益。电力数据对电力数据进行分析挖掘，得到信息，然后将信息转化为知识，最后通过可视化展现与表达与人们进行分享。能源互联网的发展给电力数据赋予了新的内涵，使其呈现出多源、量大、异构、高速、实时、准确和价值大的特征。
1.2电力数据应用架构
1.数据源层。能源互联网时代的电力数据具有多源的数据特征，为便于数据采集处理，分为内部数据和外部数据。其中内部数据来自能源互联网内部，数据采集可采用特征标识、传感器和本地系统等方式，各类数据可从对象、记录和特征等层面构建电力数据模型，进行初步应用。
2.数据集成层。该层为数据分析与利用提供了强大的数据抽取、转换和加载能力。适配多种数据源（数据库/文件/日志/数据流）与多种数据抽取方式（离线/实时），可配置采集策略，支持集群方式运行，可对采集过程进行监控和详细的日志记录数据降噪主要使用平滑滤波技术，包括维纳滤波，卡尔曼滤波、扩展卡尔曼滤波和粒子或粒子群滤波等，分别针对平稳系统、线性或类似线性系统和非平稳非線性系统。
3.数据存储处理层。在数据存储功能上，该层分为传统数据库存储和分布式数据库存储两种方式，提供低成本、高扩展性的数据存储，支持结构化数据、非结构化数据、半结构化数据等存储需求;支持结构化数据和半结构化数据低延迟即时查询，可以大吞吐量高效地批量加载与处理非结构化数据。在数据处理上，该层提供海量异构数据实时、批量处理分析功能，利用大数据的批量计算、内存计算等技术，结合各类业务逻辑和算法，实现海量数据的离线分析与处理。
4.数据服务层。该层为数据应用层提供了跨业务的分析模型和数据挖掘算法，建有大数据关联分析模型库和算法库，可实现数据分析模型和算法的灵活配置和扩展，实现更加精准实时的数据价值。对于常用的数据分析算法可实现并行化，提升数据分析性能。支持灵活可定制的可视化展现，可实现数据及分析可视化。支持移动终端（含手机、pad）、桌面终端、监控大屏等多种终端展示。
5.数据应用层。
能源互联网时代的电力数据应用更加广泛，电网企业内外部发展需求的提升也凸显了大数据的利用价值。数据应用层就是通过数据处理实现数据价值，从而催生新业态、创造新模式。该层主要包括四个部分，即为基础数据管理、电网企业管理决策支持（电网规划、电力调度规划等）、电网运行综合服务（运行监控、负荷预测、用电行为分析、经济发展分析预测和政策评估等）和智能化节能产品研发。
2电力数据应用技术的研究方向
2.1数据融合
随着能源互联网的发展，这些网络中会产生大量甚至海量的数据，需要依据数据融合理论进行分析，尽管数据融合已在很多学科取得了较好的成果，但在电力行业的应用还是需求和挑战并存，目前电力系统存在大量异构多源数据，但跨类别的数据分析技术较弱。电力数据的融合涉及的主要技术包括信息论、概率与统计、估计理论及智能算法，未来电力数据融合将具有多模态、跨层次以及全范围的特点，可应用于电力防灾、故障诊断、负荷预测、新能源出力预测、协调控制等领域。
2.2区块链
近年来，国内的区块链发展受到了越来越多的重视，区块链技术在协同自治、去中心化、市场化、智能合约等方面的特点与能源互联网的理念有一定相似性。区块链技术被认为是一种去中心化的数据库技术，是分布式数据存储、共识机制、点对点传输、加密算法等计算机技术的新型应用模式，未来区块链技术可用于电力生产管理、电力在线交易与身份安全认证、微电网与虚拟电厂管理、全球能源互联网配置等方面。
2.3边缘计算
能源互联网的信息流通过部在发电、电网、电动汽车等设备上的感知终端进行传递，感知终端实现能源互联网的状态感知、量值传递、环境监测、行为追踪，进而产生海量数据，采集的频次越来越高，采集的数据格式不一致，数据缺失现象严重，数据来源众多。针对上述采集的数据与智能感知终端的问题，边缘计算技术作为数据处理的重要手段，能够实现网络传输、存储计算、数据压缩、特征提取的融合，实现有效数据的上送，可应用于输电线路实时预警、低压故障主动研判、电力需求侧响应、输变电故障处置等。
2.4人工智能
能源互联网可为消费者提供灵活的能源共享服务，随着可再生能源的发展，由于可再生能源具有间歇性和波动性，对可再生能源的有效利用使得对能源供需信息的实时性要求越来越高，面对更复杂多变的能源供需曲线，人工智能技术能够成为一种有效的辅助工具，代替人脑做海量数据优化、分析、判断、决策，发出指令，因此人工智能技术在能源互联网中具有广泛的应用前景。它能够有效提升工作的质量和效率，一般可用在电气设备故障诊断、电气控制、电力系统巡视、电力营业厅智能化服务系统等。
2.5可视化
借助于可视化技术可以洞察并展现一些隐藏于能源互联网大数据中的分布、趋势、关系、规律乃至性质等，可视化技术作为一种新兴的技术，包括科学计算可视化、数据可视化和信息可视化等分支，对于电力企业来说，可以通过对电力运营监控进行可视化管理和可视化决策，实现对企业的全面监测、分析和协调，常见的应用包括可视化在设备管理中的应用、在调度自动化中的应用、在电力工程建设中的应用等。
3结语
大数据不仅是一项综合性技术，也是一门科学。目前电力数据的分析应用涉及企业内各个领域，但技术的快速发展和需求的不断增长，对电力数据的应用提出了越来越高的挑战，未来，仍需不断研究探索电力数据在企业管理、经济效益、增值服务等领域的应用，同时要快速提升企业内部数据管理水平，提升数据服务能力。本文主要围绕电力数据的应用价值挖掘，介绍了当前较成熟的应用场景，总结了今后值得研究的技术发展方向，希望能够进一步促进能源互联网时代的电力数据价值发挥。
参考文献：
[1]王继业，孟坤，曹军威.能源互联网技术信息研究综述[J].计算机研究与发展，2015（05）.
[2]曹军威，杨明博.能源互联网-信息与能源基础设施一体化[J].南方电网技术，2018（08）.
[3]丁明，林根德.一种适用于混合储能系统的控制策略[J].中国电机学报，2018（02）.