1智能电网中大数据的特征

（1）数量大。我国不断普及智能电网，增加各个网络节点的设备数量，电力数据资源非常巨大。在分析并处理这些数据时，基于电力大数据的智能电网可高效进行搜集与分析。假设某地区有2 200万的电力客户，这些客户都使用智能电表，那么电力数据将会从TB级别上升为PB级别，另外每隔15 min就对用户的用电信息进行一次采集，如此一来，该地区每天会产生21亿的电力数据，具有很庞大的数据量，且大数据的数量还在不断上涨。

（2）多元化。传统电网的数据结构比较单一，且数据分析方式无法适应数据的快速变化，需要不断地对电网进行改革。而基于大数据的智能电网涉及到生产管理与营销等系统，包含结构化和半结构化等多种数据类型，对这些系统的建立都要利用大数据技术，引进先进技术以及设备来实现电力大数据的多元化。

（3）速度快。由于数据资源系统不断扩大，使用智能电表的用户以及产生的电力数据不断增多，因此电力大数据在采集以及处理上一直保持着高效率。同时为了满足数据增多的需求，不断对智能电网进行完善和优化，使智能电网的大数据分析设备能够实现每秒10万次的数据存取需求。

（4）准确率高。整个社会的电力需求都需要智能电网来满足，因此电力的正常安全运行对人们和社会都非常重要。在电力行业发展的过程中，电力企业需要准确了解社会发展的需求及趋势，将所涉及到的厂站、设备以及企业的运行方式进行合理的规划。另外在电力所涉及到的生产运行、电量计算等方面，采集到的数据都必须准确无误，以免影响电力系统的正常运行。

2智能电网应用的电力大数据关键技术分析

2.1大数据处理技术

收集、分析、储存海量数据信息是大数据技术的基本特征，在实现海量数据储存的基础上，对相关数据进行高效处理是大数据技术优势的具体体现。结合目前情况来看，大数据处理信息方式主要分为流处理和批处理2种。

2.1.1流处理技术

流处理方式主要是应用流计算机技术，该项技术的最大特点是所处理的数据信息源源不断而且是实时到来的；分布式流处理主要是对动态变化数据的细粒度进行处理，该项技术具有开放性和及时性，基于以上特点，该项技术主要应用于配电网中数据量大、数据信息呈动态变化且对时效性性要求较高的配点业务中。例如，配电业务的电源与负荷联合调度、电力设备的实时监测等工作环节。

2.1.2批处理技术

批处理技术的特点是对某一类问题进行集中处理，与流处理技术相比，该项技术没有较高的时效性，但是在信息量庞大的业务数据中可起到显著的效果。基于以上原因，该项技术主要应用于对时效性要求不高的配电工作环节。结合实际情况来看，智能配电网的测量点多、数据信息时效性强、配电过程运行方式变化比较多、不同的数据之间具有较强的关联度。相关人员应对大数据储存系统优化、数据压缩、快速检索等技术进行深入研究，当智能配电系统出现问题时，能够及时采取相应的解决措施。值得注意的是，熟练掌握大数据压缩技术，可以在保证数据信息不丢失的前提下，减少数据量从而增加信息的存储空间，从而提升电力数据传输、存储、处理的时间和效率。智能配电网是一个持续发展的电力系统工程，如果将不同工作环节的数据信息进行集中处理，很难保证信息数据的时效性和可靠性。利用大数据分布式处理技术，可以将不同环节的数据信息有针对性地进行处理，充分利用分布式数据库，拓宽大数据技术在智能配系统中的适用场景和适用范围。

2.2大数据解析技术

2.2.1领域普适知识的挖掘

利用数据技术对相关信息数据进行深度分析挖

掘，分析出大数据普适现象，根据普适现象对行业内的实际结果进行预测，然后结合实际情况对数据预测结果进行验证和分析。挖掘普适现象时首先利用大数据技术对相关系统进行抽象建模，根据数据信息对结果进行预测，将数据信息预测结果与实际结果展开对比，根据对比结果验证预测结果与实际结果的契合程度，从而发现普适现象。传统模式下挖掘出来的普适结构不具备代表性，而利用大数据技术挖掘出来的普适结果不会轻易发生改变，具有时效性，同时还具有可预测性和可重复性等。智能配电网的实际运行过程中会存在一些普适性较强的规律或经验，因为没有引起广泛重视，这些经验和规律并没有上升到理论层面，也没有得到广泛应用。可以将领域普适知识挖掘的相关技术应用到智能配电网和电网大数据中，让隐藏的普适知识以更加直观的形式展现出来，有助于配电网工作的全面展开，掌控细节方面的问题，同时也能提高运行人员对整个配电系统的掌控程度。

2.2.2过程挖掘

过程挖掘的主要目的在于分析理论模型和事件数据之间存在的联系，并挖掘事件数据中有价值的内容。传统的智能配电系统的业务管理和工作管理主要是依靠模型来驱动，对事件数据的重视度不足。此外，传统模式下数据挖掘、机器学习等数据分析技术局限于简单的分类、聚类等学习问题，没有意识到端与端业务模型的重要性。将过程挖掘技术应用于智能配电网中可以让用户清楚了解到所在区域的高峰用电时间段，针对用户的具体用电需求制定更加合理、科学的用电方案，帮助用户实现节能。此外，还可以对用电异常的情况进行实时追踪，对出现用电异常的具体原因作出准确判断，从而提升电网企业的管理水平和业务能力，推动电网企业的健康持续发展。

2.2.3数据可视化

实现数据可视化的原理是将数据库汇总的数据以单个单元的方式表现出来并形成数据图形，从多个角度进行分析和观察，对数据进行更深层次的分析。将数据可视化技术与智能配电网相互集合，可以提供以下几种服务：①全面展示出配电网的数据信息，以动态、高维度形式对相关数据进行价值评估，根据业务部门的实际工作情况和具体需求，提供更具价值的数据信息。②利用可视化数据可以了解用户的多元化需求，过滤掉没有实际用处的数据信息，根据不同的用户特征，放大用户感兴趣的相关信息。将用户关注度高的浮动电价、用户消费电能的特点特征等信息进行细化展示。③预估变化因素。利用可视化技术可以对智能配电系统中发生的不确定性的变化进行预估和展示。例如，对空间符合增长的态势进行预测，对网架扩展和恶劣天气情况以可视化形式具体展现出来等。总而言之，数据可视化技术的主要特点是对数据信息进行针对性分析，根据用户特征将分析结果进行具体展示，从而提升智能配电网大数据的应用价值。

5结语

在互联网信息时代，各种类型的数据不断倍增，以往的数据管理方式已经无法跟上数据信息的变化。在智能电网快速发展的背景下，数据信息已经在我国的国民经济和人们生活中占据着不可替代的作用，建设安全稳定的智能电网，合理有效地利用数据信息，能更好地推进我国社会经济的发展。结合实际将电力大数据的关键技术应用在智能电网中，充分发挥电力大数据的技术优势。我国智能电网安全稳定运行的基础就是以数据分析技术为主的电力系统，合理有效利用电力大数据的技术优势、发挥它在智能电网中的作用，可以提升电力系统的整体性能。

参考文献：

［1］祖向荣.智能电网监控中的分布式复杂事件处理技术研究［D］.北京：华北电力大学，2017.

［2］刘云鹏，许自强，李刚，等.人工智能驱动的数据分析技术在电力变压器状态检修中的应用综述［J］.高电压技术，2019，45（2）：337-348.