浅谈面向智能电网应用的电力大数据技术

摘要：大数据技术是一种全新的数据挖据技术，这项技术在智能电网中的应用能够有效提升电网性能。可以预见，大数据在智能电网中的应用将成为今后电网发展的必然选择。因此本文将主要探究智能电网中的大数据技术，通过对大数据关键技术问题的探讨来了解这项技术的优势。

关键词：智能电网；大数据；数据处理；可视化

中图分类号：TM76

智能电网[1]全面覆盖发电、输电、配电、用电和电力市场，是包括一次系统和二次系统的智能型电网，智能电网是当前数字化电网建设的新形式。智能电网实际上是把通信技术、信息技术、传感测量技术、控制技术以及计算机技术融合到一起从而形成科学高效地用电网络。智能电网在实际运行过程中，在各个环节会产生大量的原始数据。对于这些数据进行科学挖掘具有非常重要的意义。大数据技术的出现正好满足了这一需求。大数据技术[2-3]实际上就是在可容忍时间内利用传统IT技术、软硬件工具以及数据分析方法来对数据进行感知、获取以及管理分析的的数据集合。大数据技术自从产生以来便越来越受到人们的重视，它在智能电网中的应用是电力行业信息化、智能化发展的必然选择。

一、智能电网大数据特点

对智能电网大数据的特点进行科学分析有着非常重要的意义。从智能电网大数据本身而言是可以分为电力企业内部数据和外部数据这两种形式的。内部数据主要指的是数据采集与监控系统、广域量测系统、在线监测系统、能量管理系统、生产管理系统以及财务管理系统等；外部数据则指的是互联网数据、地理信息系统、社会经济数据以及公共服务部门数据。这些数据通常是由不同部门来管理的。由于条条框框的限制，当前的数据管理呈现出了分散放置、分部管理的特征。

智能电网大数据同传统数据相比，其结构更为复杂，种类也比较多。不仅有结构化数据，同时还有较多半结构化、非结构化数据。

二、智能电网大数据关键技术

智能电网大数据关键技术主要是包括了数据集成、数据存储、数据处理以及数据可视化技术，其中数据处理是最为关键的技术。

（一）数据集成。数据集成主要指的是把电网中多个应用系统数据合并到一起形成一个相对稳定、集成的能够反映历史变化的数据集合，通过该集合从而能够为智能电网管理提供方便。通过数据集成技术将能够有效解决系统之间信息孤岛以及数据冗余的问题。数据集成是一个关键环节，应该看到在智能电网中的各种应用系统是不同类型，具有非常复杂的特征，在实时性要求、数据类型数据规模等方面还有较大差异。在数据集成过程中就应该充分考虑这些问题。

（二）数据存储。数据存储是非常重要的技术。智能电网中包括结构化数据，同时也含有非结构化数据和半结构化数据。对于非结构化数据主要是通过分布式文件系统来存储，半结构化数据则是利用分布式数据库来进行存储。结构化数据则采用的是传统关系型数据库。

（三）数据处理。数据处理是大数据关键技术的核心内容，数据处理技术本身又可以分为异构数据整合集成、非结构化数据处理以及数据扩展等技术。对于这些技术应该进行深入分析，主要包括以下几点：

1.异构数据整合集成。在不同应用系统数据类型也是不一样的，电力系统之间数据不能够实现有效联通，这对于实现科学高效地管理是非常不利的。为了解决这一问题就需要实现异构数据格式的统一。为了实现这一目的就需要设计各类专用适配器来对个应用进行连接。这是一种传统方法，这种方法虽然能够起到目的，但是耗费成本也是非常大的。为了顺利解决这个问题就需要建立电力系统CIM模型。通过建立这样一种模型将能够为数据交互集成提供路径，进而能够实现EMS、SCADA等应用的数据交互。这样一种模型在转换成CIM XML之后就能够实现对XML的解析处理，将能够把它翻译成专用格式数据。对异构数据的处理实际上就是要分析如何实现CIM XML和电力系统专用数据格式的导入/导出。RDF Schema能够把它解析并导入其它系统，这样就能够实现异构数据的导入/导出。

2.非结构化数据处理。对非结构化数据进行处理是数据处理的关键内容。在实际处理过程中XML将能够发挥重要的作用，它能够支持嵌入和链接非结构化数据，这样实际上就能够为解决非机构化数据提供较好解决办法。非结构化数据同XML文档结合，利用XLink链接非结构化数据，这样就能够实现数据资源的有效串联，之后是要把非结构化数据内嵌到XML文档中并采用记号描述非结构化数据格式，声明并嵌入不可析外部实体，提供实际位置链接，最后传输到应用程序来进行处理。

3.数据扩展。重点分析XML扩展，XML是具有良好扩展特性的，通过对XML进行扩展将有助于数据完整描述以及实现互操作。在实际工作中主要是对Schema进行修改，添加元素及属性声明，这样就能夠完成对SCL或者COMFEDE扩展。新版IEC61850实际上已经扩展了应用场景。在工作中IEC61850 SCL和EIEC6190CIM存在的映射不完全对应的问题应该引起高度重视，这一问题会影响到互操作性。为了解决这个问题就需要对SCL进行适当扩展，使得其能够同CIM互为协调。这样就能够实现变电站同调度中心的互操作。

（四）数据可视化。数据可视化，是关于数据视觉表现形式的科学技术研究。这一环节的实现同样十分重要。为了实现可视化，在工作中就需要应用到面向像素的可视化方法，这是一种可行的方法，这种方法本身包含独立于查询的方法和基于查询的方法这两种形式。独立于查询的方法实际上就是要把数据库中的数据依次从左到右排列开来，这实际上同几何可视化类似。

基于查询的方法主要是根据数据值同所查询的要求的符合来匹配不同颜色。对于每个数据项的值（a1，a2，…，an）以及查询要求（q1，q2，…，qn）通过每个距离函数计算每个属性值与查询要求匹配值。最终的目标是要得到每个数据的一个总的距离值dn+1，该数值主要是用来反应数据项与查询要求之间匹配程度。

三、结论

大数据技术在智能电网中的应用将能够有效提升管理水平，智能电网分布式管理是其主要特点。在实际工作中为了实现正常运行就需要高度重视其中的数据集成、数据存储、数据处理以及数据可视化这些关键技术。只有进一步对这些关键技术进行科学考察才能够满足实际需要。

参考文献：

[1]张东霞，苗新，刘丽萍，等.智能电网大数据技术发展研究[J].中国电机工程学报，2015，35（1）：2-12.

[2]罗军舟，金嘉晖，宋爱波，等.云计算：体系架构与关键技术[J].通信学报，2011，32（7）：3-21.

[3]李志刚，朱志军.大数据：大价值、大机遇、大变革[M].北京：电子工业出版社，2012：182.

作者简介：

张强，黑龙江牡丹江人，讲师，硕士研究生，主要研究方向：电力系统自动化。endprint