浅谈智能电网大数据处理技术现状与挑战

51第2卷　第24期
产业科技创新　2020，2（24）：51~52Industrial Technology Innovation 浅谈智能电网大数据处理技术现状与挑战
舒露丝
（国网上海市电力公司市区供电公司，上海　200080）
摘要：伴随着科学技术的发展，智能电网成为了电力管理的必然发展趋势。

借助网络信息技术、自动化控制技术、
及物联网大数据技术等，就可实现对发电、输电、用电等方面的高效管理，既能够节省人工管理成本，也能够提高
电网管理的效率与准确率，更好地保证电网正常、稳定运行。

本文以电网大数据处理技术为研究对象，探讨其应用
现状及面临的挑战。

关键词：智能电网；大数据；处理技术
中图分类号：TM76　文献标识码：A　文章编号：2096-6164（2020）24-0051-02
社会的发展使得各个方面对于电力的需求越来越多，且呈现出大规模、高技术的需求趋势。

目前，全球范围内都开始建设智能电网并且取得了一定的成果。

建设智能电网的全面性的高效电力管理系统，实现发电、输电、供电、变电、配电、用电的统一的管理，以互联网、大数据技术实现对各个环节的数据实时监控、采集、分析与处理，实现电力资源最合理的配置。

在智能电网建设进程中，各个环节产生的信息数据逐渐增多，在互联网中积累了海量数据，由此形成了“大数据”。

大数据技术使得电力行业能够从广泛的互联网信息资源中获得各类所需资源，实现数据资源的采集、整合、编目、归类、处理、调取、使用与共享，能够为各电力企业、电力用户提供即时、共享的电力信息大数据平台。

在智能电网大数据平台得到应用及发展的今天，电力企业应当总结相关的技术，展望未来发展方向，明确智能电网大数据平台建设的现状及面临的挑战，在总结经验的基础上推动智能电网大数据平台持续发展。

1　智能电网大数据技术的分类及特点
1.1　智能电网大数据技术的分类
从电力业务的角度划分，智能电网大数据技术主要包括三个方面：一是对电网设备及电网整体及各部分的运行数据进行监测，以保证电网各部分运行的稳定可靠；二是对电力企业营销数据进行管理，如实现电费抄核的自动化，通过智能电表终端就可将各用户数据传输至管理平台，实现营销数据的即时管理；三是对电力企业的数据进行管理，具体通过大数据平台对电力企业的工程建设、电力业务、财务、设备、制度、人员等信息进行收集，以便相关部门和相关人员进行管理与决策。

1.2　智能电网大数据技术的特点
1.2.1　数据规模巨大
智能电网中的大数据的容量巨大，并且每年的数据增加量成倍增长，已经从TB级别上升到了PB级别，每年产生的数据总量已经超过了500 TB（512 000 G），由此可见智能电网的数据规模巨大。

1.2.2　数据类型多样
智能电网数据的种类丰富多样，如历史数据、文本数据、多媒体数据、时间数据、结构与半结构数据等。

各类型的处理方式、存储方式、使用方式也存在差异。

1.2.3　数据处理高效
智能电网技术处理数据的速度极快，能够在几分之一秒内就完成对全部目标数据的分析，并给出分析结果，便于进行决策。

同时，智能电网数据处理技术对在线数据处理的性能要求要高于对离线数据的处理性能要求，这种动态化处理在线数据的方式及要求比传统挖掘互联网技术的方式更为高效，且对互联网技术的要求更高。

1.2.4　价值数据分散
智能电网对数据可实施全程监测与采集，然而在很多情况下即使实现了实时监测采集，也不针对全部的数据进行采集分析，如在采集的视频数据中，虽然实施了连续监控，但是仅采集几分钟甚至是几秒内的数据，其原因是这几分钟或几秒内系统数据异常，属于故障信息，因此系统能够识别并进行采集，以便及时发现电力系统运行中存在的故障并加以处理。

2　智能电网大数据的应用举例
2.1　电力系统故障预警
借助大数据技术及相关的检测技术、控制技术，可对电力系统的运行情况进行智能检测，在很大程度
作者简介：舒露丝（1991- ），女，上海人，硕士，工程师，主要从事变电运行方面研究。

产业科技创新　Industrial Technology Innovation
52Vol.2　No.24
上减少了人工检修与维护的成本，在系统存在隐患及发生故障时发出预警，为检修工作提供依据，提升电力系统运行的可靠性和稳定性。

2.2　检查不正当用电用户
根据窃电、漏电的用户用电特征，在系统中设置相应的规则，建立窃漏电监测模型，并实时监控用户的用电行为。

如果发现用户窃电、漏电，则系统会记录相关信息并提示电力管理人员，快速准确定位窃电、漏电用户并进行处理。

2.3　预测用电量
大数据平台涉及所有的电力用户，为分析用户的用电习惯及用电需求提供有效依据，由此预测评估某一时期内用户的用电总量，以便对电力系统进行及时调整，促使其动态化满足用户用电需求。

2.4　统一化智能管理
通过大数据内的数据信息统一、协同化，通过相关软件，对不同区域、不同类型的电站进行统一管理，如自动化运行、诊断、维护等，不断优化电力资源的配置。

3　智能电网大数据处理技术面临的机遇与挑战3.1　传输及存储技术
伴随智能电网大数据技术的应用，其中的数据量越来越大，导致数据的传输与处理中存在着一定的问题，给各数据对应的监测设备及数据传输处理系统造成了巨大压力，并且限制了智能电网系统的整体发展。

面对数据传输及存储的挑战，电力企业可通过数据压缩技术减小智能电网的数据容量，便于数据的传输与存储。

可在智能电网中建立多层级的数据存储系统，借助大数据技术，将不同层级的数据进行甄别、整合、归类、分层，而后将数据存储到对应层级的数据库中，如此既能够实现数据的快速传输、存储，减少监控系统处理数据的负担，同时也能够便于在使用数据时按层级调取，提高数据使用的效率。

同时，还可通过创新大数据处理技术的方式提升智能电网系统对数据传输与处理的速度，以数据压缩与数据处理能力增强“双管齐下”，提高智能电网系统的运行效率。

3.2　即时处理技术
在大数据处理技术中，数据处理的方式与处理速度是重要内容。

一般而言，数据量越大，则系统处理数据所需的时间也就相对越长。

同时，传统的数据处理方式是模块化处理，即数据在其对应模块中的处理速度极快，而非本模块对应的数据的处理速度较慢，甚至是不能对数据进行有效处理，如此就不能够满足大数据技术处理多类型、大规模数据的需求。

目前，云计算技术可以支持网络系统快速处理多类型、大容量的数据，但是也会因数据冗杂而出现数据通道阻塞的问题。

针对智能电网数据即时处理能力的不足，可通过建立内存数据库的方式提高即时数据处理效率。

具体来说，内存数据库就是将数据置于内存之中便于即时调取与操作。

传统的数据存储是以磁盘为载体，对于磁盘数据的操作需要先将数据调出，而后在内存中进行处理，而内存数据库的数据本身就存储在内存之中，在需要操作时直接调出处理。

同时，内存数据库的读写速度极高，比磁盘要多出几个数量级。

3.3　可视化分析技术
可视化技术，就是将智能电网的相关数据在显示模块上呈现出来，以直观的方式将相关数据展示给用户，便于用户直接了解相关信息以及作出决策与操作。

经实践证明，可视化分析技术是智能电网大数据处理技术中观测与分析数据的一种有效方式。

在智能电网中，数据繁杂且规模巨大，如果不能够以大数据处理技术快速、准确地从大量数据中提取目标信息，则会使智能电网的信息与操作严重滞后。

可视化技术的应用，使得相关数据经过运算处理形成直观的图像，图像的分辨力及精度较大，能够清晰地被用户的视觉系统观测。

同时可为用户提供交互端与操作界面，用户可以看到相关数据并且对数据进行定性、定量分析，而后进行操作处理。

3.4　异构数据处理技术
异构数据处理技术，就是将不同结构的数据进行整合处理，使之成为同种类型的数据，便于系统进行统一存储与调用。

在智能电网中，存在着不同的数据系统，不同的数据形式及不同的数据处理方法。

有许多数据在结构上存在着本质区别，如果不进行同化处理，则就会导致智能电网系统内数据分散、混乱、难以协同共享等。

例如，在电力管理中，监控、业务、营销等数据信息相互独立，难以全面实施信息共享。

而借助大数据技术及云计算技术，可以将不同类型、不同结构的数据进行整合，使其成为同一类型数据，实现数据的全面连通与无障碍共享。

4　结语
综上所述，智能电网依托大数据技术具有广阔的发展前景，但是由于电力企业难以全面掌握大数据、云计算等技术，加之目前的大数据处理技术存在一定的不足之处，导致智能电网系统中存在一些问题。

电力企业应当认清当下智能电网大数据处理技术的现状与挑战，通过技术创新及新技术的引入不断完善智能电网，使其发挥更大的社会效能。

参考文献：
[1]　马旭斌. 大数据技术在电网运营管理中的应用[J]. 通信电
源技术，2019，36（12）：94-95.
[2]　王龙，朱孜. 浅析智能电网大数据技术发展[J]. 通讯世
界，2019，26（6）：224-225.。