摘要：我国的科技领域正在高速的发展中，各个领域都有了前所未有的突破性进展，电力大数据技术的出现为要求越来越高的电网运行、电力企业营销和管理等决策提供了技术支撑。通过大数据技术的应用，能够保障电网安全运行，提升管理效益、决策能力，优化电网运行方式、降低管理成本。
关键词：电力大数据技术；电力系统；仿真计算；结合问题
引言
在我国经济实力逐渐壮大，科学技术不断创新的今天，对于电力系统各领域的发展而言，大数据技术的融入与渗透具有十分重要的意义与影响。通过电力系统仿真计算与大数据技术的结合，能够有效弥补电力系统仿真计算中存在的一些缺陷，提高系统整体价值，并在实际应用中充分发挥作用。因此，针对电力大数据技术与电力系统仿真计算结合问题具有较高的研究价值。
1电力大数据简介
电力大数据主要包括电力企业在生产、管理等智能电网的领域中用于处理数据的一种信息系统，也是电力企业的重要发展方向，其具有着十分显著的特点，主要包括以下几个方面。首先，电力大数据的数据量较大，而随着电力企业在信息发展与建设过程中所诞生的新型技术，也使其智能电网的自动化和互动化在不断加强，数据量也开始急剧增长。其次，电力大数据的类型多样，涉及的种类具体包括结构化数据、半结构化以及非结构化数据等各式各样的类型。再次，电力大数据的主要特点还包括速度快，不过该速度主要是指处理和分析电力数据的速度。最后，电力大数据将配电等相关环节的数据进行了有效整合，从而进一步提升了数据的应用价值，而且其数据主要来源于各个环节，因此数据量大而且十分复杂，这也使得电力监测、电费计算等方面的精确性更高。
2电力大数据技术与电力系统仿真计算结合问题研究
2.1数据层
1）结合电力大数据平台的构建，引入电网公司相关专业的数据，如电网运行可靠性数据、电网设备台账信息等，使得仿真计算及相关分析可以充分利用相对可控的电网内部数据，为分析工作的精细化提供必要条件；2）基于目前的在线分析技术，进一步引入各类在线量测数据，实现仿真计算与实际系统数据的有机结合；3）围绕电力系统分析的相关问题，引入与之相关的社会和环境数据，例如气象、社会活动、经济发展预测等，拓展仿真计算及相关数据分析的视野；4）以仿真分析的结构化数据为基础，加入相关半结构化、非结构化数据，例如电网分析报告以及与电网分析相关的各类标准规范，这些非结构化数据大多反映了分析人员对电网特性的认识和理解，对于人工智能技术在电网分析中的应用具有重要意义；5）依托国家电网仿真中心、电网云计算系统等强大的计算支撑平台，构建数字电力系统并通过大量虚拟计算，针对特定目标累积分析样本和数据。 除了上述5个维度外，随着对电网仿真分析与电力大数据相结合的进一步实践，更多的对电网仿真分析有意义的数据源还将被发现。这些海量的多类型异构数据的存储和处理势必需要相应的大数据平台，在这方面新兴的电力大数据技术可以提供有效支撑。目前，由中国电力科学研究院研发的电力大数据平台已在配电、新能源等领域开展了实际应用，电网仿真数据智能分析系统可以看作是电力大数据平台之上的一个应用子系统，其数据层所需的大数据管理、存储、检索等功能可以基于平台提供的服务构建，需要研究的关键问题是将电力大数据技术与电网仿真数据智能分析的场景结合，完成通用技术的专业化改造，主要包括2个方面：一是针对前述5个维度多类型异构数据的数据模型，实现对数据属性和关联关系的高效表达；二是基于提出的数据模型，结合不同类型数据的时序特点，研究高效的数据清洗和整合方法，满足实际应用时的处理速度要求。
2.2分析模型建模
如何选取特征量是分析模型建模的关键，具体涉及到特征初筛与压缩两个方面。在初筛中需要对与问题有关联的特征量予以确定，然后与实际需求相结合来压缩数据。现阶段，在系统仿真领域中，这一问题的研究取得了一定的突破。而值得一提的是，压缩数据往往面临损失数据的风险，因此，基于计算机能力需要对压缩量进行控制。通过大数据平台，特征量筛选与压缩的要求则可以得到适当降低。
2.3仿真计算数据的统一管理
电力系统仿真计算数据按来源主要分为在线和离线2大类。目前，在线数据主要存储于能量管理系统(energy management system，EMS)，离线数据主要由计算人员本地管理。为了统一电网计算数据，提高数据质量，省级以上电网公司已陆续建立了数据中心，但其管理范围仅限于部分电网仿真标准公用数据。电力大数据技术既适用于大规模数据的集中存储，也能将数据管理延伸到分散的计算端和存储端。同时，其还能提供数据清洗、整合等各种基本服务，并为实现仿真数据与其他领域数据的融合奠定基础。
2.4时域仿真结果应用
在常规的电力系统时域仿真中，多关注扰动发生后系统能否保持稳定，即最终的仿真结果。但随着我国电网规模的扩大和电压等级的升高，系统中出现了一些涉及范围广、失稳时间长的问题，如低频振荡。在时域仿真中，元件模型的所有变量通常都可以计算并输出。利用这些数据，能够实现对电力系统动态过程的精细观察，通过与描述系统演变的数学、物理方法相结合，从多方面掌握系统在空间和时间上的变化情况，进而提取运行规律、模式，加深运行人员对系统动态特性的理解。对20000节点、含有2000台发电机和3700个负荷的系统进行20s的时域仿真，其可输出的计算变量数据至少在1.5亿条以上，占用的存储空间达到GB级。虽然通过提取关键因素、优选分析算法等手段，能够有效压缩所需的数据规模，但考虑到计算速度、数据存储能力和精细观察的要求，电力大数据技术的支撑依然必不可少。
2.5实际应用
在分析应用时要建立完善的解决方案，给出相应的应用方法和能够进行复用的、算法化的建模，并利用相关软件进行实际化。在实际应用中，以下问题是需要仔细考虑的：①计算效率：如果要提高模型和算法的计算效率，就需要根据算法不同，简化数据的处理，修改仿真程序的输出频率，并将数据处理分散在仿真计算的各个步骤之中，最后减少模型的种类，将特征量的生成过程进行优化，以达到提高计算效率的程度；②样本抽取：在线计算的数据可能会累积很多年，所以要根据预测选择阉割版，并建立对应的时间和长期预测样本抽取机制；③结果展示：在分析数据结果的时候要避免直接采用因为原始仿真计算结果困难产生的问题等；④系统集成：仿真计算的系统和软件已逐渐成熟。所以，在数据分析功能的初期，可以利用函数、模块和动态库与之结合，以方便调用。随着以后技术的发展，大数据分析在仿真计算的程序中，作用将会越来越大，未来也可能会发展成为一种独立的电网分析系统。
结语
电力系统仿真主要是以保障电网安全为目的，对其的所有研究都应该建立在准确而坚实的理论之上。大数据及时和电力系统仿真计算的融合可以为系统分析提供更加广阔的视野和最新的系统分析手段及方法，可以为未来的数据分析提供相应的参考依据。
参考文献
[1]曹皖诚，汤少卿，尤鋆.大数据平台在电力系统中的应用研究[J].江苏科技信息，2016（29）：53~56.
[2]周国亮，吕凛杰，王桂兰.电力大数据全景实时分析关键技术[J].电信科学，2016，32（4）：159~168.
[3]皮霄林.基于云计算技术的电力大数据预处理属性简约方法[J].科技创新导报，2017，14（12）：158~159.