引言
传统的数据处理技术已无法对爆发式增长的电力数据进行处理，导致智能电网无法满足市场变化的需求，阻碍电力行业的发展。本研究以电力大数据技术为切入点，阐述电力大数据体系中的关键技术，分析电力大数据技术在智能电网领域中的应用情况，并针对电力大数据技术在应用时存在的问题，提出相应的技术应用策略，研究电力大数据在智能电网中的应用效果。研究结果表明，电力大数据技术在智能电网中发挥着关键作用，对保障电网的安全稳定运行、打造具备极高智能化水准的“2.0电网”有重要意义。
1面向智能电网的电力大数据关键技术
1.1数据仓库技术
数据仓库技术（ExtractTransformLoad，ETL）用来描述数据从数据端经过抽取、转换、加载等一系列处理到目的端的过程。此项技术多用于数据仓库领域，也可用于智能电网、决策支持等其他领域。在智能电网运行期间，ETL技术用于完成集成、抽取、转换、剔除与修正的数据处理任务，将所采集到的庞大数据流转换为可供决策分析、状态判断的有效信息，使管理人员将精力投入到相对复杂的工作中。而在转换修正过程中，该技术可将多源异构数据转换为特定格式，并对转换时形成的错误或无效数据进行修正处理。
1.2集成管理技术
集成管理技术是将多个面向智能电网的应用系统数据资源进行集成处理，重构为一个具备完善使用功能、兼容多种数据格式的数据集合，以总数据库的形式呈现出来，以此来实现“信息互通、资源共享”的目的，并为电网调度、电网稳定性分析等工作的开展提供足够的数据样本。NoSQL非关系型数据库会将所采集到的数据信息进行分类存储，但各类数据间并无关系，使数据库有着巨大的扩展空间，并在存储大量数据的情况下有着良好的读写性能。相比之下，早期电网管理系统实行竖井数据的管理模式，各应用系统之间互不关联，所产生和收集的数据仅限本系统使用，从而形成“信息孤岛”。因实际可用信息的匮乏，导致系统决策分析能力无法得到真正的提高，并使电网管理流程复杂化和烦琐化。
1.3数据分析技术
在智能电网运行期间，数据分析技术负责将所采集到信号转换为可识别的数据量，再通过BP神经网络、模糊逻辑推理等智能算法，从数据量中寻找潜在的模态和规律，并对数据集中的各项数据的关联性、支持度和可信度进行分析，关系分析结果反映出电网实时运行状况和预测未来变化情况。考虑到智能电网有着数据总量增长速度快、采集的数据为多源异构数据的特征，为改善分析效果，在选择应用数据分析技术时，需要使用全新的大数据挖掘算法来取代原有算法，如采用并行算法对结构化、半结构化等多源异构数据进行并行处理。
2面向智能电网的电力大数据技术应用分析
2.1云计算
在智能电网运行期间，由于电网规模庞大，会持续产生海量的数据信息，如果仅依靠所配备的计算机等硬件设施来完成全部的数据采集、运算分析等任务，容易出现系统卡顿、崩溃等问题，从而影响电网管理工作的正常开展，还会出现设备使用寿命缩短、故障频发等问题。与此同时，为满足电网运行及管理需求，需要配置大量的高性能设施、设备，导致智能电网的前期建设成本和总体使用成本增加。对此，可将云计算技术应用于智能电网系统中，对电网稳定性分析、电网调度等较为复杂的计算任务可提交至云计算平台中，采用分布式计算方法进行处理，将海量的数据分解为若干小程序，将各个小程序分配到相应的服务器进行独立计算，再将小程序的计算结果进行合并处理，从而在短时间内完成数以万计、数以十万计数据的运算处理，并提供准确的计算结果。在满足智能电网运行管理需求的同时，电力企业无须自主配置大量高性能设施，仅向云服务商支付一定费用即可。
2.2可视化分析
在智能电网运行期间，将持续产生庞大的数据流，包括配电网运维、设备状态监测、新能源并网控制效果、电网状态监测等方面的数据，数据内容较为复杂。与此同时，在传统电网管理模式中，以文件图表的形式来展示电网的实时运行状态和数据处理结果，对管理人员的理解能力、专业素养有着十分高的要求，其难以在短时间内从文件图表中提取到有效信息，间接降低智能电网的管理效率。对此，需要在电力大数据体系中引入可视化技术，如空间信息流展示、3D全景模型、电子地图、历史流展示等技术，以更为直观清晰的方式来展示电网的运行状态。例如，在故障报警与灾难预警场景中应用电子地图技术，以特殊颜色符号在地图上标记故障设备的位置和灾难波及的范围，取代传统的故障码和设备编号的方式。而在溯源分析场景中，则应用历史流展示技术，以曲线趋势变化图来呈现故障出现前后各项参数的变化走向，帮助管理人员清晰了解整个故障事件的发生演变过程，从中挖掘各类故障的客观发生规律，提取故障前期征兆特征量。
2.3新能源并网控制
为实现可持续发展目标，缓解能源供需矛盾，近年来提出建设新能源电网战略，由光伏发电、风力发电等逐步取代传统的火力发电。然而，从新能源电网的实际运行情况来看，风力发电、光伏发电系统的稳定性较差，经常出现电压频率波动幅度大、形成的瞬时电流过大等问题，存在安全隐患。对此，需要在新能源并网控制场景中应用大数据技术，由大数据平台持续采集相关数据，预测微电源在未来一段时间内的变化情况，以及电压、频率、电流等参数的变化幅度，在预测结果基础上制定相应的并网控制方案，采取最大功率跟踪控制、对等控制、主从控制等措施。例如，丹麦维斯塔斯风力技术集团采取电力大数据技术来获取PB量级气象报告、卫星图像、潮汐相位等信息，并借助超级计算机来持续分析，在此基础上构建高精度数值天气模型，该模型可直观地呈现出各处风力发电系统所处区域的风力资源分布情况，并预测各区域风力资源的月度、季度、年度变化情况。
2.4云存储
应用云存储技术时应重点关注数据存储安全和数据冲突两个问题。对于数据存储安全，有时会出现上传数据外泄、信息越权访问等问题，因而需要在云端平台上设置访问权限，对管理人员分配相应权限等级的账户，在访问云端平台时必须登录账户来认证身份，在权限范围内开展信息的查阅、下载、传输等操作。对数据冲突问题，考虑到电网运行期间会持续产生多源异构数据，如果异构数据导入同一数据库中进行存储，容易导致数据发生冲突，因而需要在云存储空间上构建多类型数据库，对数据信息进行分类存储，如结构化数据库、半结构化数据库等。
结束语
电力企业必须正确认识到大数据技术的应用价值，构建由数据仓库、集成管理等多项核心技术组成的电力大数据技术体系，在配电网运维、设备状态评估等场景中做到对大数据技术的落地应用，并推动电力大数据朝向云计算、云存储、可视化分析的方向发展。
参考文献：
［1］彭小圣，邓迪元，程时杰，等.面向智能电网应用的电力大数据关键技术［J］.中国电机工程学报，2015（3）：503-511.
［2］薛志洋，周英明，高扬.面向智能电网应用的电力大数据关键技术研究［J］.科学技术创新，2018（32）：103-104.
［3］乔茂斌.面向智能电网应用的电力大数据关键技术［J］.资源节约与环保，2015（8）：2.
