电力大数据应用现状及发展前景分析

电力大数据应用现状及发展前景分析

马春玲

国网山东省电力公司东营供电公司257091

摘要：在新处理模式下，电力大数据的应用可以有效地提高电力企业的决策力、洞察力。而电力大数据与相关技术主要是依托摩尔定律、社交媒体和普适计算等技术所产生的。电力大数据的处理方式也由全量数据分析计算方式代替了传统的抽样分析计算方式，这可以说是对统计学的创新。本文主要分析了电力大数据的概念，并对电力大数据的应用现状和应用前景进行了论述。

关键词：电力大数据；应用现状；发展前景

1前言

随着智能电网技术的飞速发展和电力企业信息化的不断建设，在电力营销、生产、服务过程中，每天都会生成大量的信息数据，各个业务系统都积累了大量的历史业务数据。企业付出了大量的精力和时间对这些数据进行运维、分析和管理。然而面对如此庞大的数据，其分析和处理结果对企业生产、决策的支撑却频频表现出不足和乏力，其主要来源于2个方面的原因。一方面，采用传统方法对数据进行分析和处理，已不能实现更高效、更深层的提炼和应用。倘若从中提取部分有效数据或有用信息，企业的管理、决策水平又得不到全面性、根本性的提高；另一方面，当前停留在只注重业务流程处理环节的管理信息系统，已无法满足企业生产、营销决策对大数据分析的依赖。为此，需要借助大数据技术来解决电力企业在发展过程中各种业务数据的增长所带来的潜在性问题。

2电力大数据的应用现状

随着智能电网的建设和三集五大两中心的应用，电力数据的产生速度也在不断提升。当前，电力企业对电力数据的计算和储存主要是依据关系型数据来实现。比如，GB级电网规划的信息类与计划类数据分别为电网每月的结构化和非结构化数据约为100GB和300GB，每年所节省的电网电压和电流等数据约为7亿条和6T。同时，电力系统生产设备所产生的数据量会不断增大，视频数据量也已经达到了PB级，每年营销数据增加量约为90TB。电力系统中业务数据的计算和储存主要是通过ORACLE、达梦等关系数据来实现，但这种关系数据的弊端是智能电网下传感器对于数据I/O吞吐量的要求无法得到真正满足。为了解决这一问题，电力企业逐渐将数据处理结构转变为分布式存储架构，而电力适应数据量也逐渐由TB级提升到了PB级。

由电力系统的数据类型而言，电力系统不仅包括传统的结构化数据，也包括系统日志等半结构化数据及视频监测这种非结构化数据。一般情况下，非结构化数据会被储存在本地系统中，这不利于对这种类型数据的检索分析，也代表着对非结构化数据的管理缺乏科学、有效的方法；而对视频、音频等半结构化数据的储存往往是以文件方式。为了更准确的对电力数据进行分析，电力企业可以利用自然语言识别等数据技术将非结构化数据转变为结构化数据，以便确保电力系统中多种类型的数据能够得到全面、准确的计算和储存。

从数据处理速度上而言，随着电力数据量的逐渐增多，对电力数据的处理也逐渐显现出一些问题，如分析功能无法满足业务需求。为了确保分析、决策等功能可以满足电力业务处理的需求，电力企业需要采用适宜的数据处理技术。目前，电力企业对用电信息数据的采集和分析只能实现96点，而由于受到每日入库一次这一规定的限制，电力企业只能按天对用电信息数据进行统计和处理。为了满足电力数据处理的要求，电力企业可以采用队列和离线模式对电力数据进行分析和储存，并利用分布式模式对数据进行计算，以便确保电力数据的计算速度和储存速度能够得到有效地提升。根据电力系统中设备的生产管理信息，电力企业只能判断出电力设备的当前运行状态，对电力数据的处理和统计也有一定的限制。为了解决这一问题，电力企业应采用数据匹配方式对关系数据库内的各种数据进行处理和统计，同时利用分布式方式对电力系统的视频监测数据进行计算和储存，以便确保电力企业对电力相关数据的处理速度能够得到有效提升。

3电力大数据的应用前景

3.1大数据技术的发展前景

电力企业对大数据应用前景的分析可以通过规划、运行、检修、营销、运监等几个方面来实现。在电力系统运行中，对电力数据的应用进行合理规划，可以有效提高电力设备的负荷预测能力。利用数据挖掘技术对电力大数据进行计算和处理，可以使电力企业更快、更准确地掌握电力变化规律，并在此基础上对电力负荷预测准确度进行提高。对电力运行状况进行改善，可以有效地提高电力企业的新能源调度管理能力。在电力系统运行过程中，采用多维分析预测技术对新能源出力、光照、风速等因素之间的关联性进行分析，可以更准确、更详细的预测新能源的发电能力。在电力系统运行中，通过创新电力检修技术，可以有效地提高电力企业的检修管理能力。通过完善电力企业的营销方式，是提高用电行为分析能力的有效方法。在扩大电力数据采集范围与频率的基础上，采用聚类模型等数据挖掘方法对用电信息进行深层次分析，可以使电力数据分析的结果更加准确。对电力企业运监方式进行创新，是提高业务关联分析能力的有效方法。在此过程中，采用流式计算和可视化处理等运监技术对电力数据进行全方位的监测和处理，并利用聚类模式对业务关联性进行分析，可以有效地提高数据监控质量。

3.2电力大数据的发展思路

通过研究电力大数据技术的发展前景，为了配合电力大数据技术的创新，电力大数据的未来发展应依据下述思路：一是利用电力公司在大数据方面的优势，可以突破客户应用存在的限制，而在此基础上将客户作为电力数据处理的依据，可以提高电力大数据在社会各个领域中的应用，也能够保证智能电网发展和电力数据应用的优势。二是在应用“6+1”系统的同时，依据电网信息中心和云计算成果，建立基于Hadoop集群的计算标准和大数据中心，可以有效地提高电力数据处理和储存的效率。三是依据三网融合战略对电网融合进行管理，可以更好地实现信息、业务和自动化这三者之间的融合；而依据大数据在统计、计算、决策和储存等方面的优势，对大数据的应用范围进行拓展，可以有效地改善电力大数据的应用效果。现如今，大数据时代已经到来，对具有数据化思维的业务人员和电力方面的复合型人才的培养也越来越受重视。通过培养熟练掌握电力数据架构、数据分析和计算技术的复合型人才，可以使电力数据应用效果达到最佳。

4结束语

由于智能电网的迅速发展，可以在运行期间产生海量数据，但是在大量的数据处理和分析中，若依旧沿用传统的数据处理方法不但不能满足当前时态的发展需求，也不利于企业的未来优化发展，所以就要搭建出完善的电力大数据平台，挖掘数据价值，并通过关键性技术，以提升智能电网中的电力数据水准，从而提升企业的经济效益。

参考文献：

[1]但涛.面向智能电网应用的电力大数据关键技术分析[J].科技传播，2015（06）：14-15.

[2]张东霞，王继业，刘科研，郑安刚.大数据技术在配用电系统的应用[J].供用电，2015（08）.

[3]田世明，杨增辉，时志雄，卜凡鹏，苏运.智能配用电大数据关键技术研究[J].供用电，2015（08）.

[4]毛华扬，刘加利.浅谈面向智能电网应用的电力大数据关键技术[J].电力信息与通信技术，2016（16）：12-13.

[5]王钦敏.经济社会发展中的大数据应用[J].地理学报，2015.（5）.

[6]马奔，毛庆铎.大数据在应急管理中的应用[J].公共安全，2015.（3）.