程诚
国网山西省电力公司长治供电公司 山西长治 046011
摘要：在我国科学技术不断发展，信息技术则是新时代的产物，在电力工程行业中得到广泛应用，有着明显效益。但是在实际使用的时候，怎样把大数据技术与电力行业之间的结合，对其最高效益的发挥就成为我国电力行业 的关键。本文主要从作者实际工作经验入手，分析大数据技术在电力行业中的应用，希望对有关从业人员带来帮助。
关键词：大数据；电力行业；研究
1 前言
在物联网、大数据和信息通讯等技术应用下，电力行业逐渐的走向智能化的方向，大数据涉及到的电力行业关键环节是生产和管理，可以建立一个全面的数据库，进而自主的分析和处理一些数据，将其展现给操作人员。大数据所包含的特性较为丰富，就信息处理的效率、速度比较客观，也可以说给电力行业带来比较大的便利性。
2 电力大数据的核心技术
2.1数据集成管理技术
电力大数据中的数据集成管理技术，是对不同数据源、不同数据形式、不同特征的大数据进行收集、整理，经过数据转换、加载后得到新的数据源，之后对得到的新的数据源进行管理，统一对外提供服务。这一技术可以为电力企业创造出许多新的服务项目和应用功能。数据集成管理技术主要包含数据融合和数据集成技术、数据库管理技术以及萃取-转换置-加载技术（ETC）。
2.2数据分析技术
电力大数据中的数据分析技术包括机器学习技术、相关分析技术和数据挖掘技术，通过数据分析，就能够将有用的信息从浩瀚的大数据中提取出来。其中，机器学习技术是人工智能的核心，它是利用经验来改善计算机系统自身的性能。该技术已被广泛应用于电力系统的不同领域，如电力系统暂态稳定评估、电力设备的状态监测等。相关分析技术可以识别数据间的相关或因果关系，而被广泛应用于电力系统的投资决策和电力负荷预测等方面。数据挖掘技术是当前数据库和人工智能领域研究的热点课题，用以解决复杂数据结构、多种类型、海量数据的有效分析处理问题，提高数据的质量和可信度，在电力大数据中，数据挖掘主要用于企业决策和用电行为预测等。
2.3数据处理技术
大电力数据的数据处理技术主要有分布式计算技术，内存计算技术和分布式数据流处理技术。其中，分布式计算技术是利用网络将电力系统中的计算机连接起来，以组成一台虚拟的超级计算机，完成大规模数据的存储和计算。内存处理技术将收集到的电力大数据存储在内存中，并直接在内存中对海量数据的计算和分析，大大地提高了计算速度。分布式数据流处理技术由于具有良好的伸缩性、开放性和实时性，在对电力系统动态数据的实时处理中有着不可替代的地位。内存处理技术将收集到的电力大数据存储在内存中，并直接在内存中对海量数据的计算和分析，大大地提高了计算速度。分布式数据流处理技术由于具有良好的伸缩性、开放性和实时性，在对电力系统动态数据的实时处理中有着不可替代的地位。
3 大数据技术在电力行业中的应用
3.1用电需求分析
大数据技术在电力行业中应用的首要体现，就在于其对于用电需求的分析，并综合相关数据，对于用电客户的用电形式进行细分，为供电企业对于客户的直观了解提供基础，针对于客户的需求，进行差异化、精准性的服务，进而在满足用户用电需求的同时，提升供电的规范性。
例如：按照营销业务的相关标准，融合我国的自然环境以及社会环境，应用大数据技术可以构建一个电力用户欠电模型，借助大数据技术开展用电行为的实时监测，分析电费回收过程中的相关风险，形成电费回收失败具体因素的直观展示，进而构建一个更加合理的电力营销模式，在保证客户服务的同时，维护电力企业自身的经济利益。此外，在配电领域，通过大数据技术的应用，可以形成对于客户用电数据的有效采集与具体分析，进而构建分析模型，落实智能配电策略。
3.2用电异常检测
随着大数据技术的提升以及其应用范围的不断拓展，在电力行业中，借助于大数据技术已经形成了一个广度持续延伸的供电服务体系。在数据信息不断增加、业务种类日趋多样的现代化供电企业中，需要就供电过程中的异常因素进行及时有效的分析，进而制定精准的解决方案，针对于窃电漏电等不良用电行为，传统的检测与监督手段已经不能适应当今电力行业的发展需求，这就要通过数据的分析与整体，落实创新型电力行业发展途径。例如：大数据技术可以形成一个针对于用户用电行为的实时信息收集体系，在出现用电异常的同时，会通过信息传输终端，向处理平台发布异常数据提醒，进而对这一用户某一环节的用电异常进行图形呈现，因此，大数据技术的应用可以通过实时预警与异常判断，在既定区域对于窃电行为进行准确的定位，实现有效的用电管理。
3.3电网负荷预测
电网负荷过载会造成供电运转的异常，甚至导致设备的损坏。为此，需要在电力企业中就可能的电网异常情况进行有效的预测，避免电网负荷过载的情况出现。通过大数据技术的应用，可以通过数据的收集建立一个预测模型，形成对于电网负荷运行趋势的分析，进而完成提前告知行为。例如：通过对于系统负荷预测以及母线负荷预测的分析，可以按照预测时间，对于电网的负荷类型进行划分，一般有超短期、短期、超长期等，依据不同负荷的基本特征，可以利用大数据技术发现其中的差异性，实现预测手段的落实。短期的系统负荷一般与天气变化有关，在我国智能电网的建设会对于母线的负荷造成更深的影响，这就需要借助大数据技术，就区域内的人工信息、经济信息、用地类型等进行有效的数据收集，进而提升预测的精确性。
3.4用电安全维护
随着大数据时代的到来，在数据信息的应用过程中存在着诸多不稳定因素会对于用电信息安全造成影响，使得电力系统面临风险的可能大大加深。大数据技术在应用的过程中，通过对于庞杂信息的收集与获取，可以明确恶意攻击的痕迹，进而构建预警与防护模型，实现对于数据信息的有效保护。在用电信息的安全维护方面，大数据技术的应用主要体现在移动感知威胁系统、通信协议保护系统、流量行为审计系统、安全密钥白盒系统等的综合运用中，通过手机终端、检测软件、计算机网络系统的综合运作，提升大数据技术对于信息安全的维护性。
3.5用电集成管理
利用大数据技术的应用，可以构建一个在智能电网建设背景下的电力行业集成管理模式，通过对于信息在不同来源、格式、特点以及性质等相关数据在逻辑上和储存介质上进行有机的综合集中，实现电力行业内部全面的信息共享，进而发挥系统的稳定性，体现数据应用优势，促进电力行业的综合发展。此外，通过数据的集成管理模式的构建，不仅能实现系统间的数据交换，还可以对于层面技术进行针对性的融合，进而促进信息的科学管理，为数据与信息的应用提供前提。例如：非关系型数据库技术、数据融合集成技术等的应用，可以为数据的应用提供基础。在未来的发展过程中需要对于数据的存储管理进行逐步的深化，进而拓展技术应用广度，提升数据内存，为电力行业的集成化管理提供更有效的发展途径。
4 结语
总之，大数据技术的广泛应用是未来社会发展的必然趋势。将大数据技术应用到电力系统必将促成电力行业的全新发展，加快智能电网的建设步伐。希望通过本文的阐述，能够引起电力部门和电力工作者对大数据技术的关注，变革传统观念、创新工作方法、整合先进技术，促进电力事业的长足稳定发展，为现代化建设提供基础性保障，加速社会主义事业的发展步伐。
参考文献：
[1]向婉芹,敖伟.大数据技术在电力系统中的应用[J].食品研究与开发,2020,41(20):228.
[2]万义飞,艾徐华,陶镇威.面向智能电网应用的电力大数据关键技术研究[J].电子世界,2020(18):58-59.