匡石莲
国网江西省电力有限公司万安县供电分公司 江西 万安343800
摘要：泛在物联网对于我国电网未来绿色健康发展意义重大。伴随电力大数据协同技术的发展，多样智能电力终端和各种电网业务系统将融会贯通，从而更安全高效地实现泛在物联网稳态数据多源交互和统一调度，对大数据精准溯源和各种需求提供精细化的数据支撑。
关键词：泛在物联网;电力营销大数据;处理方法
引言
随着社会经济的迅速发展，不断增加的用电需求给电力行业带来了巨大的挑战。大数据技术是电力智能终端与电力物联网之间通信的有效载体。泛在物联网既是数据的生产者，同时又是数据的消费者，提升电力大数据的应用技术，可以有效解决泛在物联网信息流层面的数据延迟与堵塞问题，提升数据的响应速度。
1泛在物联网的概念与特征
1.1泛在物联网的概念
泛在物联就是指任何时间、任何地点、任何人、任何物之间的信息连接和交互。建设泛在电力物联网，实质上就是将传统的电力网络与互联网结合起来，打造能源互联网，继续深化能源革命。将坚强智能电网与泛在电力物联网两者融合协调发展，可打造出由能源流、业务流、数据流三流合一的能源物联网价值平台。泛在电力物联网是以电网为平台，分别将用户、企业、供应商与其设备，以及人与物相连，实现数据共享从而服务于整个社会，为市场提供更多增值可能性。作为“三型两网”中的第二张网，泛在电力物联网通过应用大数据技术、云计算技术、物联网技术、移动互联技术、人工智能技术和边缘计算技术实现电力系统中各环节的万物互联和人机交互，从而最大程度实现对内提升质效，对外促进业务全面贯通。
1.2泛在物联网的特征
泛在电力物联网具有泛在化，智能化，平台化和共享化的特点。泛在化指未来泛在电力物联网连接范围广泛，将融合电力光纤网络，移动通信网络等；智能化指电力业务终端和消费终端的移动通信技术将日益信息化；同时随着智能芯片和软件、硬件的不断升级，各个终端设备的传输和处理数据的准确性和即时性将得到提升；平台化指泛在电力物联网将会形成一个巨大的综合服务平台。可以规范接口和技术连接的标准化，提升工作效率；共享化，指在泛在电力物联网的发展过程中，整个能源生态体系将产生海量的数据资源并实现能源数据共享服务。另一方面，泛在电力物联网和智能电网都属于第三代电力系统，与超高电压、大机组、互联电网为特征的第二代电力系统相比，具有接纳大规模可再生能源电力的能力；能源网络的安全性，可靠性更高、能源供应系统的配置更加灵活、终端能源的利用效率得到大幅度提升；电网覆盖范围进一步扩大，通过搭建包含能源、信息和电力的综合能源系统，实现城乡的覆盖，可以进一步提高用电需求侧的响应速度。泛在电力物联网的建设，将会有力推动能源结构的优化和能源消费的转型，是能源革命和绿色发展的重要环节。
2泛在物联网在电力营销大数据处理方法
2.1大数据挖掘算法
基础的数据库和共享数据库还有决策数据库是MMIS中的数据库当中的主要内容。决策树算法这种方法可以精准确并且高效的处理数据较大数量的数据，这是其对这些数据库的数据进行处理的原因，可以使用户在大量的数据里面快速的筛选出自己想要的数据。建立其他数据库的基础是各个子系统中业务的重要资产信息。通常共享数据库适用范围比较广，具备强综合性的优势，并且里面包括的数据种类也比较多。基础数据库让企业决策人进行决策执行，把常用数据进行计算。电力营销管理系统的核心就是数据库，各级MMIS经过利用物联网交换数据，用户在使用数据时，处理数据和操作的能力都会觉得有些困难。
2.2随机矩阵理论
使用决策树算法以后，可以让用户高效地把不同的数据种类按照一定的标准属性选择出来。
在数据传输中，如果了解不同数据之间的关联性与关系，也就需要通过各类数据之间的关系进行不同电力营销之间的大数据的评估关系。需要更进一步对数据进行研究，因此引进了随机矩阵理论。
3大数据技术的应用
3.1人工智能在大数据处理技术的应用
人工智能是在数学，心理学，计算机科学和神经学等科目的基础上模拟和研究人类的理论、思考方式等方面行为的技术。人工智能的智能化程度高，可以不断的进行学习；持续完善学习模式，提高认知能力和方法；实现跨学科或者环境学习；机器人的智能性和自主能力会不断的提升，可实现团体机器人的智能融合。利用人工智能技术在电力系统中可提升数据分析能力，发现电网中薄弱环节并及时改善，做出更加准确的决策从而合理调配资源，提高系统稳定性；结合电力生产数据、气象数据及相应地理数据，构建专家系统或智能决策系统，在故障前及时检测出不良数据并发出预警，避免各种故障；合理学习气象学，心理学和经济学，预测新能源的发电量和客户的使用行为，提高电网企业的运营能力，为电力企业和用户节约能源等。
3.2数据管理层技术
数据管理层技术对数据进行进一步的挖掘加工与存储调度，也是电力大数据在泛在电力物联网应用中的重要技术，主要包含3个方面。（1）大数据存储，关键技术为基于C/S模式的场景利用。该技术使用HDFS作为其文件存储系统，构建具有一定规模的数据结构化集群，用于存储在节点服务器或者云端的数据。(2)大数据处理框架，针对采集存储数据的质量参差不齐、数据冗余、数据类型繁杂等缺点，要对数据进行预处理操作。(3)大数据调度框架，将电力物联网中实际分散的许多个物理数据资源节点连接，使其更容易接受节点服务器以及云端服务器的调度，最终组成规范、集成的数据库系统。利用数据层管理技术可以使数据获得更大空间用于存储和扩容多信道节点访问量，大大减少了物理层面的资金投入，提高了访问数据的可靠性以及未来扩容的内存。
3.3数据服务应用层技术
数据服务应用层技术主要包含针对电网侧、电源侧、用户侧的数据可视化技术及基础数据访问技术。可视化技术主要是指对智能电网系统的运转进行实时监控，例如将电动汽车、分布式储能纳入电网可视优化调度和实时闭环控制，实现削峰填谷；电动汽车智慧充电可视化应用，实现电网、用户、充电桩及车辆之间充分的信息交互和有序控制，引导电动汽车进行低谷充电、错峰充电和有序充电。基础数据访问技术是指外部可以对云端的电力基础数据进行读取再创造，可以实现对能源监测分析，辅助研判社会经济发展，促进新能源的消纳。
结束语
电力大数据技术与泛在电力物联网的无缝融合，为下一代智能电网的发展提供了底层与顶层数据支持，有助于泛在电力物联网实现真正意义上跨区域跨设备的共享分布式系统。
参考文献
[1]杨挺，翟峰，赵英杰，等．泛在电力物联网释义与研究展望[J].电力系统自动化,2019,43(13)：9-20，,53.
[2]李向阳，喇果彦，向英，等．大云物移智等新技术在电网应用的研究[J].电力信息与通信技术，2019,17(1):89-93.
[3]汪洋，苏斌，赵宏波．电力物联网的理念和发展趋势[J].电信科学，2010,26(s3):9-14.
[4]郭亦文，耿林霄，胡勇，等．大数据智能控制一体化平台及其体系架构[J].热力发电，2019,48(9):22-27.
[5]秦玉杰，胡健，焦提操．基于泛在电力物联网的分布式可再生能源(DRE)理性消纳调峰模型[J].电力建设，2019,40(12):120-128.
[6]郑富永,熊小舟,朱正刚,刘小康.基于泛在电力 物联网的用户侧电力大数据关键技术探讨及 业务模式创新[J].电力与能源,2019,40(05):
483-486+513.