智能电网大数据处理技术现状与挑战

(上海电力大学经济与管理学院，上海 200090)

1 智能电网大数据特征分析

在信息化技术快速发展的今天，信息技术也在电网运行和设备管理中渗透。举例而言，传统的变电站中，电网设备的信息、电网运行状态的监测信息信息量少，但是对于智能变电站而言，电网设备的信息更新频率加快，电网在线监测的信息数据在不停的更新，这就形成了智能电网大数据的一个部分。相关的专家学者通过研究，将智能电网大数据分为两类：第一类称之为内部数据；第二类为外部数据。前者是由财务管理环节、客服服务环节、生产管理环节、在线监测环节等构成；后者是由外部信息数据构成。内部数据和外部主要由不同的部门管理着，分布在智能电网中的各个地方。分布放置、分布管理是其最为明显的特征，内部数据和外部数据是相辅相成的，缺一不可的，同时二者之间的关系较为复杂。如，在气象条件和社会经济形势下用户用电会受到相应的影响，用户用电数据和电力市场交易情况有着非常密切的联系等，众所周知，电力市场数据是电力企业服务部门的科学的决策依据，研究发现电力企业在制定GIS数据时主要将政府规划数据当做规划的依据。但受多种因素的影响，这些海量的数据种类繁多，结构复杂，同时包含了传统、半结构化、非结构化数据，波形据、图像、服务系统语音数据这些数据都是我们在巡检过程中最常见的，这些数据具有不相同采样频率和生命周期。

2 现阶段智能电网大数据处理技术现状分析

2.1 智能电网中的大数据

结合大量的信息数据的查询可以得知，智能电网技术在运行过程中所产生的大数据包括三个部分：第一个部分是电网智能监测数据；第二个部分是相关企业信息的管理数据；第三个部分是电网企业在营销的过程中产生的信息数据。上述的三个部分不能被独立的来看，它们是一个重要的整体，这样一来数据处理专家更倾向与从数据的内部来划分，此时可以划分成两大类。第一大类是结构化数据；第二大类是非结构化数据。其中，前者更多的是存在于关系数据库当中，与此同时这也是电网系统中主要的信息数据；后者是那些不容易显示的数据信息。如果说站在运行智能电网系统的角度来分析，后者在数据处理中占据十分重要的比重，因此，我们更多的是重视后者的数据处理过程。

2.2 大数据处理技术具有一定复杂性

大数据技术无论是在互联网信息领域、装备制造领域还是在能源领域都备受关注。互联网信息领域中阿里巴巴集团、百度集团、腾讯公司、谷歌科技等行业巨头都纷纷投入巨资进行数据处理技术的研究与改善，从而推动了互联网经济的快速发展。同样的，在新形势之下，能源信息领域特别是智能电网中大数据十分的普遍。当前，我们所研发和使用的智能电网大数据处理技术处在一个令人喜忧参半的状态下，喜主要体现在最近几年，社会各界不断增加资金投入，大数据处理技术也得到了有效发展，前所未有的改善和提升智能联网大数据处理技术。由于智能电网自身存在的复杂性在某些方面发展还存在一定的不足之处。研究发现，现阶段全球范围内数据处理能力，已经无法切实满足数据海量的增长，通过对上述的分析，不难发现数据是非常大的，为进一步处理好这些海量的数据，淘宝在大数据处理方面投入了大量的资金，但也获得巨额的回报，大数据在智能电网方面的运用同大数据在商业方面的使用相比较，更加具有复杂性。即便计算平台存在储存量大、成本低等优势，但有待进一步加强实时性。在数据规模日益扩大的当下，由于数据量较大，因此其多样性也在不断加强，这样一来，就让智能电网大数据处理技术的现状日益复杂化。

3 智能电网大数据处理技术面临的挑战

3.1 智能电网大数据传输和存储技术

电力系统以及电力设备设检测中的各种数据都记录在智能电网中，时代在不断发展，自然会产生海量的数据，因此，会在很大程度上为监控设备和电网数据传输带来前所未有的压力，也在某种程度上制约了智能电网监健康稳健发展。在此形势下，我们必须要选择一个科学合理的压缩数据方法，通过这些方法，最大化的减低数据传输量，节省数据存储空间，但受多种客观因素的影响，系统中心也会因为数据的解压和压缩造成资源的浪费。再此情况下，我们必须要采取科学的手段，设置相应的平台，防止资源的浪费。在智能电网大数据存储方面，主要是采用分布式方式来存储数据，尽管在某种程度上可以解决存储问题，但也会在某种程度上影响到电力系统是实时性的数据处理。故而，这就要求我们必须认真分析并分类存储系统当中的大数据。非结构化数据在智能电网中，占据了很大的比重。因此，需要我们在具体的处理中，需采取有效措施，将非结构化数据切实有效地转化为结构化数据，相关技术人员在对数据再来进行存储，同时这也是现阶段智能电网大数据处理技术中存在的重要问题。

3.2 智能电网大数据实时数据处理

数据处理从时间上来分析，必须要做到实时，这主要是因为智能电网在输变电、发出电量等环节都必须要实时抓出数据。实际过程中，智能电网所产生的数据一直都有的，在过去环境下分析数据的大概需要一个周期，极大地耗费人力和物力，实时监控有效地解决了该问题，让智能电网数据处理又快又精准。但是受多种因素的影响，这种周密数据也存在诸多的缺陷，非常有可能让网络出现瘫痪现象，导致服务器出现故障，这样一来，就无法从时间上保证快速和精准，想要改善这种情况是当前的一个极大挑战。

3.3 智能电网异构多数据源处理技术

时代在发展，未来智能电网要求贯通发电、变电、配电、输电、调度。用电等诸多个环节，实现信息的优化配置，统筹信息全面采集、信息科学处理、信息传输系统和经营管理中的业务信息流程。所以，实现各信息资源之间的数据整合，促进智能电网集约化的数据处理中心，面对海量异构数据，如何科学的构建一个模型来对异构数据进行规范表达，怎样在模型数据上最大化实现数据融合，对相关处理进行高效查询和有效存储，是当前亟待解决的重要问题。实质上电网各信息系统主要是基于本部门和本业务的构成，存在不同的数据格式，应用系统以及平台，导致信息与资源分散，横向不能共享，异构性严重 ，上下级间纵向贯通困难。如：电力系统当中存在的配电管理、市场运营、能量管理、监控管等各类系统，他们是相互独立，无法实现数据信息的共享。但是我们借助云平台进一步实现个独立系统的集成，同时还可以让这些分散且独立系统。由于智能电网基础设备数量多、规模较为庞大，分布在不同的地点。如：国家电网公司的信息化平台在总部，或者是各个网省公司建立了二级数据中心，这样一来，就实现总部，省级以及地市县公司的三层应用。

4 结束语

总结全文，随着信息技术的快速发展，智能电网中大数据处理的水平也在稳步提升，这对我国的经济发展与电网的再发展起到推动作用。当前来说，智能电网的发数据主要是来自电网设备的状态信息数据、电网运行潮流分析数据等，这些数据都十分的复杂。大数据技术将上述的数据进行可视化分析、数据存储与传输等进行及时高效的处理，取得了良好的效果。但是对未来而言，结合云计算以及人工智能等领域的信息科技，不断的完善大数据处理技术，这样才会更好的为电网服务、为社会服务。