试论电力大数据在电网规划中的运用

孙博

摘要：随着近些年来信息技术的迅速发展和电网建设的突飞猛进，大数据与电力系统相结合，为电力企业的运营做出了极大地贡献。本文在阐述电力大数据具体分类以及特征的基础上，对电力大数据在电网建设中的具体应用进行了总结。希望本文的研究，能够为电力大数据在电网建设中的更广泛应用，提供一定的理论支持。

关键词：电力大数据;电网建设;应用

1 引言

作为一种新型电力技术，智能电网是新时代电力发展的关键方向，也是电力转换和传输不可或缺的一环，智能电网具有经济性强、安全可靠高等显著特征。另外智能电网在系统运行过程中可以进一步降低电力运输过程中所隐藏的潜在风险。智能联网的投入使用一定会发生海量电力信息数据，随后在对海量的信息数据信息处理，在处理过程中智能电网和信息数据的高度融合同时也是深度发展。由此，在电网系统中，电网工作人员应该重视对处理技术的运用，采取有效措施，对大数据处理运用中出现的问题进行分析，通过这样的举措确保智能电网的稳健发展。

2 理解大数据

大数据开启了一次重要的时代转型，理解大数据概念、把握大数据时代的脉搏需要变革我们的思维，关键是要把握三个重要转变。第一个重要转变是“样本=全体”，基于科技进步，大数据时代我们可以存储、分析更多的数据，甚至是分析所有数据，不再依赖长期以来所依赖的随机抽样，分析全体数据将让我们看到一些以前无法发现的细节，大数据让我们更清楚地看到了抽样无法揭示的细节信息，给我们带来了更深刻的洞察。第二个重要转变是追求数据的量更甚于追求数据的精确度，适当忽略微观层面的精确度让我们在宏观层面拥有更加深刻的洞察。第三个重要的转变是寻找相关关系比寻找因果关系更重要，大数据在一定程度上只是告诉我们“是什么”而不是“为什么”，让数据自己发声，在当今这个变革加速的时代，企业运营过程中知道“是什么”在大多数情况下就足够了。

3 电力大数据运用的基本特征

（1）数据量规模庞大。在电力企业运营过程中，最常见的调度自动化系统，往往包含几十万个数据采集点，每个数据采集点采集的数据量都数不胜数。再加上在电力系统运行的其他环节获取的信息数据，在电力企业形成了非常庞大的数据量。（2）数据类型多样性。电力企业获取的信息数据中，数据类型非常多，这也是造成数据量庞大的重要原因之一。在电力企业生产、管理、营销的各个环节中，都存在着信息数据。而且每个环节都包含实时数据、历史数据、文本数据、多媒体数据等等各种类型的数据，其中这些诸多类型的数据又可分为结构化、半结构化、非结构化数据，由此可以看出，电力大数据的分级结构非常精细，种类比较繁多。（3）数据利用价值低。虽然电力数据的数量比较庞大，但是搜集的数据大部分都是运行正常的数据，显示异常运行的数据量非常少。在电力系统运行维护的工作中，工作人员的判断往往要依靠异常数据，从这方面来看，电力大数据的应用价值比较低。

4 大数据背景下的电网规划体系创新

4.1 有效提升处理大数据的技术水平

从当前的发展趋势来看，电力大数据渗透于电网规划中的速度要比相关人员处理数据信息的速度快很多。因此，相关人员在使用电力大数据信息资源的过程中，普遍出现信息资源无法被充分利用的现象。所以，供电企业应当积极学习与借鉴国内外新型处理技术，为电网规划体系工作水平的提高打下扎实基础。例如：相关人员可以把光纤技术、传感技术等渗透于电力大数据信息处理模块，尽可能提升其处理电力大数据的能力，以稳固电力大数据在智能电网规划中的地位。

4.2 可视化分析技术及时精准分析处理

电网中不断生成的数据，随后再充分利用有线屏幕展示给用户，可视化分析技术可以有效处理数据。因此在智能电网中得到了较为广泛的应用，其通过高度集成技术和高分辨率图像交互工具，可以及时有效地将精准数据处理结构提供给用户。在信息技术发展的同时可视化技术的发展也具有的一定的挑战，如图像合成、显示、技术扩展性以及重要信息的提取等。

4.3 配电网重过载风险评估方面的运用

现代社会对电力需求的快速增加，与传统电力企业中“重输轻配”运营模式相结合，造成了电网存在严重的过载现象，给电网的安全运行造成了极大的隐患。通过电力大数据的分析技术，可以对不同时间段的电网过载现象进行运行风险预警，这对电网建设中配电网过载问题进行了有效的解决。

4.4 运营监测与分析技术方向分析

技术变革对分析视角、分析结果将产生重大影响。一方面，以明细数据为对象的监测与分析，在视角上将更加注重自下而上，从企业生产运营的最基层单元发现问题、分析问题、总结问题;此外，大数据下的运营监测与分析将不限于对单个指标的阈值设定与预警，而是对一组数据同时进行监测，并参考历史数据、横向数据进行综合判定与预警，考虑的因素将更综合、更全面，并进行自适应学习，使监测分析结果与实际更加吻合。另一方面，这种基于数据挖掘技术的监测分析支持系统更具有“黑箱化”倾向，虽然分析人员可以在较短时间内发现公司运营中的重大异动和问题，但由于分析模型考虑的因素很多，关联关系复杂，分析的数据量巨大，容易成为“黑箱”，分析人员只知其果，难解其因，这就要求分析人员既需要熟悉实际业务，又需要掌握模型构建的原理和具体算法，才能在大数据时代的分析工作中游刃有余。

4.5 运营数据分析

在规划决策方面，根据电力供需、供电半径、负荷密度、人口经济等要素建立的综合评估分析模型，将为变电站布局、电动汽车充换电站分布等配网选址问题提供决策支撑;根据地形地貌、天气预报等信息将为输电线路通道选择提供决策支撑。在采购与供应链管理方面，实现设备运行数据与成本费用、供应商信息联动，为设备采购、供应商评估等提供支撑。在设备运维方面，大数据分析方法可以克服传统方法在大样本计算方面存在的不足，通过智能电网建设，电网的数字信息将更加丰富，安装在电网各个设备上的传感器将为我们提供大量的各类数据，通过对来自电网传感器及日常运维的海量数据分析，必将进一步提高设备状态评估水平，提高设备故障预测的准确性，有效提升供电可靠性和电压质量。

5 结束语

大数据时代对智能电网大数据处理水平提出了全新要求，受多方面的限制当前智能电网大数据处理技术还比较复杂。同时，在异構多数据处理技术、实时分析以及可视化分析方面存在一定的缺陷。所以，我们必须要采取有效措施，进一步完善大数据处理技术，以便有效满足时代发展的需求。

参考文献：

[1] 肖凯，刘鹏，车建峰，刘镇京.基于电力大数据平台的海量风电数据处理架构与应用研究[J].电力信息与通信技术，2017，15（07）：13-19.

[2] 瞿海妮，庞徐玮，尤鸣宇，徐志宇.电力大数据的应用价值及其共享平台分析与设计[J].经营与管理，2017（07）：104-108.

[3] 王向红，陈潇一.云计算与电力大数据技术的现状及发展趋势研究[J].陕西电力，2017，45（06）：70-72.

[4] 牛强.面向智能电网应用的电力大数据关键技术[J].科技资讯，2017，15（17）：32-33.

[5] 刘元议，肖祥武，向春波.电力大数据在发电企业中的应用场景分析[J].电气时代，2017（06）：19-21.

（作者单位：国网山西省电力公司阳泉供电公司）