于新叶
东方电子股份有限公司 山东 烟台 264000
摘要：电力公司信息化发展的过程中，调度、生产、营销等各系统存在数据一致性较差、数据重复维护，造成了数据利用率低等问题。营配数据融合是在电力用户信息模型基础上，对配电网大数据进行深度挖掘，有利于实现电力系统配用电精益化管理。如何从海量数据中选取反映配电网运行状态的典型指标，建立智能电网运行状态评估指标体系成为研究的热点。
关键词：智能电网;数据处理;关键技术;应用
引言
智能电网可以显著提高电网的效率和可靠性，其作为相互连接的配电网，可以通过双向通信和电力流动来简化电力传输、分配、监控和控制。智能电网安全包括对通信网络和配电网的保护，这是由于这两个系统需要确保访问的可用性以及在威胁下的稳定性。如果网络状态信息被恶意篡改，网络可能会因物理损坏而造成区域供电不稳定。因此，状态估计是建立能源管理中心电网实时模型的关键功能。
1智能电网的功能
智能电网将现代先进的传感测量技术、通讯技术、信息技术、计算机技术和控制技术与物理电网高度集成而形成的新型电网。首先，运用智能电网可以在避免大规模投资的情况下，为不断增长的生活用电需求提供可持续稳定的电能供给。而通过大数据技术对电网中各类用电数据的收集、分析，实现从电能的供给侧和需求侧进行优化管理的目的。大数据技术在智能电网中的应用分为以下四个方面：1）通过传感器收集配电网络不同点的实时电能信息。2）利用安装在房屋中的智能电表收集用户的用电信息。3）分析所有收集到的数据，预测用电需求，在优化供需的同时迅速应对配电网中的突发状况。4）为用户提供用电建议，设计激励计划以改变用户的能耗行为。智能电网的建立增强了电力运输的安全性与可靠性，有效避免了干扰信号的影响，能够最大程度地疏导电流，但电网构建过程中会受到不同程度的数据的影响。由于智能电网大数据去隐私化及数据加密，需集中收集电力相关数据，控制电流数据的流向，调整收取大数据，进而获取最佳电力数据。为此，相关研究学者针对智能电网中的数据去隐私化及数据加密问题进行探讨。
2智能电网应用所带来的问题
一旦智能电网遭受网络攻击可能会造成相当严重的经济损失，甚至危害公共安全和国家安全。由于分布式能源往往采取协调式的控制模式，针对关键电源控制设备的攻击会同时产生级联效应，并最终导致系统崩溃。这样的网络攻击不仅会损害智能电网中的各类设备，而且会对电网的运行维护人员、各类用户构成巨大的人身安全危害。物联网的使用给网络攻击提供了缺口，通过其进行攻击，将会扰乱智能电网中电能的分配，甚至破坏配电网中的基础设施。如今，电能早已成为了人类现代生活的最基本要素，从日常起居到工作都离不开电能，对智能电网进行网络攻击，会直接影响到人们的正常生活。
3智能电网数据处理关键技术应用
3.1电流电压高频数据采集与分析
HPLC技术是一种高速电力线通信技术，是指利用电力线作为通信介质进行数据传输的一种通信技术，采用了正交频分复用(orthogond frequency division multiplexing，OFDM)技术，相比于窄带载波技术，宽带载波技术有更宽的带宽、更强的抗干扰性、更高的通信速率、更多的业务承载能力以及更稳定的网络通信业务。HPLC数据采集要求将采集频率从原来的1次/d，提升到1次/h、1次/15min(15min曲线)，甚至1次/5min(5min曲线)。利用HPLC通讯速率快的特点，可以有效提升智能电能表采集成功率并保证采集数据质量，同时利用高频数据采集的特性，可以实现对台区下每一用户的电能质量分析。
通过对智能电能表电压、电流及电量曲线的大数据比对，可以分析出台区电能质量不合格用户的时间特性和空间特性，为线路和台区改造提供数据支撑。通过高密度的数据采集和大数据分析，还可以实现对用户智能用电和用电行为的分析，提供用能交互和用能增效的方案，进一步提高用电效率。
3.2 HPLC在智能电网数据采集中的实践应用
HPLC采用OFDM自适应调制方式、并发抄表技术，将给定信道分成若干相互正交的子信道，将高速数据转成并行低速子数据流，在每个子信道上进行调制，各子信道数据并行传输。正交信号可以通过在接收端采用相关技术来分开，减少子信道间的相互干扰，即使在信道受严重干扰时，也能够切换到抗干扰能力好、速率高的调制方式进行数据传输。HPLC技术能够提高实时性、通讯速率、抗干扰性、可靠性、安全性、稳定性。在建设坚强智能电网过程中，能够保证实时、高效、安全、稳定、可靠的数据采集要求，有效提升台区采集成功率及台区线损合格率，满足台区下用户精细化管理、数字化管理、智能化管理的要求，保证低压配电网安全稳定运行的水平，搭建用户与电网沟通桥梁，极大地满足了用电信息采集需求，实现智能电网的全面可持续发展。
3.3大数据分析技术
因为绝大多数智能电网运行数据均来自智能监测系统的物联网采集接口，采集过程中，受到系统内的各种干扰影响，较容易出现数据的离群或者空值现象，所以需要在数据治理过程中执行部分的离群数据判断、数据拟合、空值补全等操作。其中对离群数据的治理过程一般采用小波分析法进行处理。当前，电力大数据的分析过程，特别是大数据的离线分析过程和整合分析过程，已经初步构成了大数据分层架构。在分层架构下，可以实现各层次的单独数据处理并形成单独的数据处理子系统。不同层次下可以对不同层次的故障异常进行针对性的分析处理，可以较大程度减少相关大数据系统的开发量，并实现不同系统之间的数据相互支持和数据分析结果复用。研究电力大数据系统的分层架构，可以有效提升电力系统大数据的利用效率和开发进程。
3.4智能电网大数据去隐私化处理
整理提取的智能电网大数据，结合深度学习操作准则，处理去隐私部分数据。依据深度学习参数对数据密文进行解密处理，得到相应解密密钥，获取去隐私化程度数据，并训练解密密钥。通过不同解密模式尝试解密密钥的使用方法，构建协同认知模型。集中分析数据内部结构间关系，并按照结构关系查找结构调整的真实数据，完善调整信息，保证调整结果的精准。调换密文函数，监测解密过程中去隐私化协议的内容信息，时刻查找信息的关联内容，并分别布置数据检控装置，检控数据的其余信息，保证操作数据的纯洁度。传统智能电网大数据去隐私化及数据加密方法的基础上，提出基于深度学习的智能电网大数据去隐私化及数据加密方法。对智能电网大数据去隐私化及数据加密的研究分为3个步骤，首先对智能电网数据进行有效提取，在此基础上对提取的数据进行去隐私化处理和加密。基于深度学习的智能电网大数据去隐私化及数据加密方法能够在较高程度上实现对数据的操控转移，有效增强了智能电网大数据的去隐私化能力，以及提高了数据加密的安全性能。
结束语
综上所述,从法律上保护用户的用电隐私不被公共事业公司获取后用于牟利的目的。对于个人信息的采集，必须要经用户同意。信息采集、存储到使用的各个环节必须严格按照国家制定的强制法律法规来执行，并定期由独立的第三方公司进行审查。
参考文献
[1]钟宏鸣.面向智能电网应用的电力大数据关键技术研究[J].信息记录材料,2020,21(01):140-141.
[2]许多,宋莹玮.面向智能电网应用的电力大数据关键技术[J].数码世界,2019(12):88.
[3]李嘉颖.大数据图像处理技术在智能电网的应用[J].电子世界,2019(09):185-186.
[4]李永光,张彦军,汪凯威,於湘涛,黄辉.面向智能电网应用的电力大数据关键技术探讨[J].数字通信世界,2019(03):50.
[5]兰栋.面向智能电网应用的电力大数据关键技术分析[J].数字通信世界,2018(04):81.