大数据在智能电网中的技术应用体系和路线图

粟之梁

摘 要：随着时代的发展，电力系统的资源及环境压力均有显著提升，为了适应用户对供电的要求，相关人员提出了智能电网的概念。智能电网的运行，需要大量的外界数据，如何对其进行有效的存储与应用，是当前亟需解决的问题之一。文章重点介绍了大数据的来源，并详细分析了现阶段的各种智能电网大数据处理方案，以此为基础论述了大数据在智能电网中的发展路线。

关键词：智能电网；大数据；数据处理；发展方向

中图分类号：TM76 文献标识码：A 文章编号：1006-8937（2013）20-0109-02

1 大数据在智能电网中的来源及其特点

1.1 来源

1.1.1 按产生原因分类

按产生原因对智能电网中的大数据进行分类，可以将其分为如下三类：

第一，因设备监控而产生的大数据。为了实时监控电网各设备的运行状况，我们设置了大量的采集点，一般小型的自动化调度系统，即包含十万量级的采集点，对数据中心而言，这个数据还会几何上升，各子节点检测装置按规定编码方案，将所有采集点采集得到的消息逐级传输至数据处理中心，这些数据就形成了设备监控大数据。第二，因状态信息扩展而产生的大数据。为了满足智能电网的调控需要，除了监控设备能否正常运行外，我们还需要提供大量其他的数据，如输变电设备的绝缘放电信息、周边辐射干扰信息等，这类数据的采集频率往往更高，形成的数据量也自然非常之高，这就形成了因状态信息的扩展而产生的大数据。第三，实时变化采样而产生的大数据。所谓实时变化，应用于电网系统，指的是电能从产生到消耗完毕，所经历的所有细节，对其进行统计，能全面反映电网的生产运行过程，是智能电网进行自我学习的必要信息。对整个生产运行进行实时变化采样，必然会产生大量的数据，这就是由实时变化采样而产生的大数据。

1.1.2 按产生环节分类

按产生环节对智能电网中的大数据进行分类，可以将其分为以下三类：

第一，电能生产侧产生的大数据。对发电厂进行数字化智能控制，需要应用到生产设备状态数据、专家控制数据、故障诊断数据，还需要对这些数据进行有效的分析，这都涉及到海量数据的处理及存储。智能电网系统只有预先存储了足够的相关数据，才能在设备出现故障、生产需要调整的时候有效工作。因此，在对发电厂实行数字化智能控制时，必不可少会出现大数据。第二，输变电侧产生的大数据。输变电是联系电能生产方及使用方的关键环节，事实上智能电网主要的工作点就是保证输变电侧能够正常运行，这就需要我们采集大量的输变电侧运行数据，以供智能电网分析、学习所用。统计显示，仅对输变电侧进行相位检测，一个检测装置每天就能采集到0.6 GB的数据。第三，用电侧产生的大数据。为了保证用户有效用电，我们需要获取用户的实时用电信息，这必然会用到智能电表，也必然会产生大量的数据。与此同时，为了保证用户安全用电，我们有必要对大型电器的工作信息进行采集，以合理控制其充放电时间，这也会产生大量的数据。

1.2 特点

智能电网中的大数据，往往具有规模大、种类多、价值量低、变化频率小四方面的特点。其中数据规模大、种类多主要是因为采集范围广，采集频率大所致；数据价值密度低，主要是指采集的数据中具有实际价值的并不多，以设备监控为例，往往只有异常数据才表示设备出现故障，需要处理，而这在监控数据中所占比例并不多；数据变化频率小主要是因为需要对数据进行迅速处理，以供及时制定供电策略，直接表现在需要对数据进行在线处理。

在数据的处理上，除了需要对数据进行高速在线处理外，还需要我们保证数据的可靠性、真实性，但大量无序数据中出现的误差是无法完全避免的，因此，智能电网中的数据还具有不可预测这一特点，其需求并不确定。

2 大数据在智能电网中的技术应用体系及路线图

大数据处理在智能电网运行中意义极大，是保证智能电网正常运行的基础，然而一方面智能电网中大数据生成量极大、生成极频繁，另一方面智能电网又不同于Internet，具有其独特的数据性质，因此我们不能直接套用目前主流的云计算等大数据处理系统。目前在智能电网中涉及到大数据存储利用的主要技术，有数据存储传送、处理等几类，现总结其重点技术及发展方向如下。

2.1 传输存储技术

①数据压缩技术。与计算机系统中广为应用的RAR、ZIP压缩技术不同，智能电网中的数据压缩需要保证压缩及解压速度、数据先后顺序等重要信息，因此需要我们进行深入探讨。众多科研人员对此进行了深入研究，其中实践性较强的包括：利用滤波器对数据进行线性整数变换，配合哈夫曼编码，对数据进行实时压缩、解压；对火电厂数据行二维提升小波处理，进行实时压缩；对稳态数据行参数化压缩。

②数据存储技术。常规的分布式文件系统能够满足小型智能电网的运行需求，但大型智能电网对实时性要求更高，就需要我们根据不同数据的性质，选择其他存储方案。对存取频繁、性能要求高的数据，应用实时数据存储系统；对只读性、读取频繁的业务数据，应用并行数据存储系统；对读取不频繁、仅需安全保存的历史数据，采用分布式文件存储系统。鉴于需要分类存储，我们完全可以在智能电网的数据存储系统中，引入分级式存储技术。

2.2 数据处理技术

①实时数据处理技术。所谓实时数据处理，其基础还是对数据进行快速、超快速处理，云计算虽然能够进行快速计算，但存储、传送还受到网络条件的限制，数据响应时间得不到保证，因此适用性并不强。以内存为存储媒介的数据库能够提供高速读写服务，可以适当应用。另外，数据查询涉及到索引结构的设计，也需要重点设计。

②发电侧数据处理技术。发电侧数据需要保证实时性，抗延迟能力极低，以现在主流的TCP/IP技术进行传输容易出现故障，因此需要用到关系数据库系统进行数据读取，应用云计算系统进行数据高速处理。

③输电侧数据处理技术。输电侧的数据强调的是全局性，其数据必须足够智能系统进行故障处理及自愈，因此控制计算速度成为其发展主要方向。在数据监控上，需要应用到细粒度更高的监控系统。

④用电侧数据处理技术。用电侧的关注重点，在于以最少的投资获得最大的效益以及最大化用电性价比，其发展方向主要在于发展配合各种用电器的电量检测装置，保证用电设备的电能消耗与电网的电能供给相匹配。

3 结 语

智能电网的正常运行关键在于准确及时处理海量数据，从上面的分析不难看出，其技术应用体系包括数据的传输、存储、处理技术，发展方向依据数据产生的原因、环节各有不同。在传输上，要求我们保证数据的实时性，在存储上需要保证不会出现数据溢出，在处理上，需要保证高速、准确性。

参考文献：

[1] 张文亮，汤广福，查鲲鹏，等.先进电力电子技术在智能电网中的应用[J].中国电机工程学报，2010，（4）.

[2] 李国杰.大数据研究的科学价值[J].中国计算机学会通讯，2012，（9）.

[3] 谢华成，陈向东.面向云存储的非结构化数据存取[J].计算机应用，2012，（7）.

[4] 张斌，张东来.电力系统稳态数据参数化压缩算法[J].中国电机工程学报，2011，（1）.