面向智能电网应用的电力大数据关键技术探讨

大数据有着多样性以及规模性和高速性的特征，大数据关键技术发展对各领域都产生了影响，通过大数据技术的应用下，就能为应用领域的发展提供有价值的数据信息。当前智能电网的发展过程中，电力系统向着信息化以及数字化和智能化的方向迈进，在这一发展中对大数据技术的应用需求也在进一步的提升。

1  智能电网和大数据及云计算关系辨析

1.1  电力大数据技术的发展需求

当前的智能电网的迅速发展过程中，使得电力系统向着数字化以及智能化方向迈进，从而就产生了诸多的数据源。智能电表以及电力设备状态监测系统的应用等，所产生的数据量比较胖发。在新的发展形势下，传统数据处理技术的应用显然已经不能发挥其积极作用，这就需要对新的数据处理加以应用，电力大数据关键技术的应用需求就随之增加。电力大数据已经贯穿输配电以及变电等各生产领域，也是对能源变革当中电力工业技术创新发展的重要过程。

1.2  智能电网以及大数据和云计算关系

智能电网的发展过程中和大数据间的关系愈来愈紧密，智能电网的发展主要是把计算机技术以及信息技术和通信技术等进行结合应用，从而能有助于提升能源效率保障供电安全，能最大程度的减少输电网电能损耗。智能电网的理念是通过获得多用户用电信息进行优化电的生产分配以及消耗，采用现代化网络通信以及信息技术的科学应用下，能够进行信息的交互，最大程度的实现电网设备的信息交换。

另外，大数据和云计算之间也有着紧密的关系，主要体现在大数据是根植云计算的，云计算数据存储以及管理分析等，也是大数据技术作为基础，通过云计算的超强计算功能能提高数据处理的质量，也能有助于方便的提供相应信息服务。云计算和大数据间是相辅相成的，两者的侧重点有着不同，云计算对智能电网系统内部计算处理以及存储资源进行这个，从而能有效提升电网处理的能力和交互能力。智能电网以及大数据和云计算之间的联系比较强，云计算技术是传统数据分析以及挖掘技术延续，同时也是数据量级增长到相应阶段过程中知识挖掘以及业务应用需求的产物。

2  智能电网电力大数据平台架构及电力大数据关键技术应用

2.1  智能电网电力大数据平台架构

智能电网电力大数据平台的架构通用性比较好，这样能对电力企业大数据规划发挥积极作用。通过基于于Hadoop文件系统(Hadoopdistributed file system，HDFS)分布式文件处理系统为存储框架，通过MapReduce的分布式计算技术为大数据处理框架，分布式文件处理技术为基础通过PB、ZB级数据存储的功能发挥，就能在数据的查询分析方面发挥其积极作用。在应用这一框架时候也有着商业智能应用以及大数据访问框架和传统数据仓库等诸多的模块内容。大数据存储框架和处理框架是监理在通用服务器以及操作系统上的，这样就使得这一架构需要的硬件有着低成本以及高扩展性特征，在其框架上是采用网络层连接大数据访问框架的，框架当中也有着数据序列化格式与传输工具Avro、日志收集系统Flume等相应的模块内容。通过大数据调度框架的运用能有效实现大数据组织调度，能为分析数据提供基础条件，这一框架所涵盖的大数据技术的环节比较完善，通过访问框架就能有效实现对分布式文件存储系统实施访问，以及对传统数据仓库实施访问。电力大数据处理流程和传统的处理流程的区别就是电力大数据的处理数据量比较大，处理的非结构数据，各环节都能应用MapReduce相应方式加以处理。电力系统是高维非线性复杂系统，内部数据流的类型比较多样，在这一网损分析大数据平台的架构建立下，就能够对用户窃电行为实施挖掘，从而能够深层应用发挥其功能价值。

2.2  智能电网电力大数据关键技术应用

智能电网的电力大数据关键技术的实际应用过程中，所涉及到的技术类型比较多样，主要有以下几种关键技术：

第一，集成管理技术应用。电力大数据集成管理技术主要是合并两个或以上应用系统的数据，进行创建多功能企业应用的过程，集成的管理就是讲不同来源以及格式和特征数据在逻辑上以及存储介质上集中，这样就能为系统存储系列的集成以及稳定的数据集合，能为系统提供全面数据共享。电力大数据集成管理技术方面也涉及到其他层面的技术，如数据融合集成技术以及菲关系型数据库技术等等。处理大数据就要对数据源数据加以抽取以及集成，并能提取实体以及关系，这样就能提升数据质量。存储管理当中的NoSQL数据库技术是比较关键的，这一技术是分布式数据存储方式，数据存储进行了简化以及更为灵活，可扩展性也比较突出，能够对海量数据进行存储。

第二，ETL关键技术。智能电网电力大数据关键技术当中的ETL关键技术也是比较重要的，智能电网在数据分布层面的分散性以及数量巨型的特点比较突出，所以数据处理的时候就会有着一定的难度。解决这一问题就要注重有针对性工作流程，在数据处理方面进行简化为数据收集以及抽取和转换等流程，而电力企业主要将数据仓库技术在数据收集工作上进行应用，在应用ETL关键技术的时候，就有几个不同的技术类型，数据抽取的技术是按照工作的需要从广泛数据源中抽取相应数据，从整体上提升数据关联性。再有就是数据转换技术的应用，对抽取数据转换为电网直接应用的数据形式，并对错误的数据实时处理，这样能保障数据的准确。最后在数据加载技术的应用方面，就是把数据存储在数据源系统。

第三，电力大数据分析技术应用。面向智能电网的电力大数据关键技术中的数据分析技术是比较重要的技术类型。大数据的技术主要驱动力是把信号转换成数据，把数据分析成信息，并进一步的提炼成知识，通过知识促成决策以及行动。在大数据分析技术的应用下，就能从电力系统当中海量数据找出潜在模态以及规律，这样就能有助于为决策人提供准确决策。电力大数据分析技术是传统数据挖掘技术的新发展，而大数据海量以及高速的增长等特征，包含半结构以及结构化数据类型，大数据分析技术的应用就能发挥其积极作用，对不同结构的数据进行分析。

第四，电力大数据展现技术的应用。智能电网的电力大数据关键技术的应用当中，展现技术也是比较重要的技术类型，其中有空间信息流展示以及可视化技术等，这些都能有助于促进电力大数据技术的应用质量水平的提升，准确理解电力系统数据所表达的意义以及对系统运行状态也能有相应的了解。空气信息流展示技术在电网参数以及已经有的地理信息系统结合下，能够对电网管理人员对电力设备的运行状况有充分的了解，能为决策提供准确的地理信息。

第五，电力大数据处理技术应用。智能电网电力大数据关键技术当中处理技术应用发挥着比较重要的作用。大数据处理技术的作用主要是能够对收集到的数据信息进行有效处理，然后就处理的数据进行区分，其中有分库以及分表和分区途径。如在分库方面是按照既定要求将反复利用的数据输入不同数据库当中去，从而能够为数据利用效率的提升打下基础。而进行分区方面主要将通表数据及时性的载入到不同文件当中去，从而能有效降低大型数据表压力，将数据的访问速度能有效提升，这样也能从整体上保障通表的顺畅。最后的分表就是按照数据处理要求制定多样数据表，从而能最大程度的降低单表压力，采用建设并行式以及纵列式数据库的方式，把数据更快加载，从而能为人们查询需要的数据提供很大便利。工作中能够和及诶狗后话查询月宴相结合，以及能够和MapReduce进行有机的结合起来，这样就能够将数据处理的整体效率得以提升，提高了数据应用的整体效果。

3  结语

总而言之，面向智能电网的电力大数据的技术应用过程中，在多个环节都能得到应用，要充分注重将大数据关键技术在智能电网中的科学应用，提高智能电网的运行管理的效率以及质量。通过上文对智能电网电力大数据关键技术的相应探讨，能进一步的认识到电力大数据技术的应用价值，希望能对实际的技术推广应用有所裨益。

本文来源：《企业科技与发展》：http://www.zzqklm.com/w/qk/21223.html