（广西电网有限责任公司信息中心 530023）
摘要：目前，电网企业已经将研究和应用电力大数据技术当做了信息技术的发展重点，建立和应用电力大数据基础体系架构十分重要。基于此，本文对电力大数据的内涵进行了概述，对电力大数据平台功能架构、技术架构进行了简要分析，而后论述了电力大数据基础体系架构的应用情况。
关键词：电力大户数据；基础体系架构；数据应用
前言
互联网时代，数据信息已经成为了一种重要资源，大数据技术的出现和普及进一步提升了数据信息的价值，也使得它们被广泛应用在各个领域当中。合理应用电力大数据，十分有利于提高电力企业的经营管理成效，也会对增强电力行业生产力产生影响。因此，对电力大数据基础体系框架加以研究十分必要。
1电力大数据的内涵
从本质上来说，电力大数据就是具有专业性的大规模海量数据的总称，其中包括电网规划信息数据、电网建设管理数据、电网运行数据、电网检修数据、电力营销数据以及电力客服数据等多种内容[1]。在实践工作中，相关工作可以从多种渠道获取电网大数据。比如，以传感器、视频监控设备、音频通信设备、智能设备等为媒介收集电力大数据。目前，电力大数据的采集和应用需要依托于国家和行业内的相关标准。比如，基于智能电网通信标准传输电力大数据、依托于数据挖掘流程和描述标准分析挖掘电力大数据、借助于非结构化数据管理和分布式储存标准保存和管理电力大数据等。
2电力大数据的基础体系架构
2.1功能架构
在设计和构建电力大数据基础体系架构时，需要有效开展电力大数据平台功能架构的设计。这种功能架构的主要价值是规范电力大户数据平台的整体功能流程，优化技术选型，可以为整合电力大数据资源、构建统一数据资源库和打造个性化、可拓展化、先进化、安全化的大数据分析服务体系奠定基础。在实践工作中，应该基于大数据的分析应用生态圈合理设置功能层面架构。对于电力大数据平台功能架构设计工作来说，数据可视化、数据分析、数据处理、数据集成和基础设施缺一不可。
第一，数据可视化。数据可视化是一种电力大数据展现技术，将通过动画、图形或图像来展示数据信息，用于提高大数据应用有效性。因此，开展数据可视化功能层设计时，需要保证其能进行数据查询、分析、检索，能为电力大数据的应用提供多元服务。比如，设计非结构化数据中心服务结构，对图表可视化、CIS可视化、BI可视化和自定义可视化组件进行合理设计与应用等。
第二，数据分析。数据分析功能层设计需要满足大户数据分析建模需求，更需要对其分布式算法库、智能决策的分布式能力进行优化。比如，设置统计、分类、多维分析、时间序列、回归等多种分析模型，设计人工智能分析方法和数据深度挖掘算法等。
第三，数据处理。数据处理功能层需要包含数据计算、数据储存和任务管理等功能模块。因此，在设计环节可以应用高性能计算、并行计算、内存计算流失计算等开展数据计算功能设计；以在线业务数据、高价值密度数据和低价值密度数据的形式设计数据储存模块；以广域任务规划、调度和管理来设计任务管理模块。
第四，数据集成。此功能层的设计需要实现数据抽取、加载等技术的改进，为满足电力大数据的分析、集成与转载做好准备。
因此，在数据基层功能层设计时，可开展数据抽取与加载、清洗与关联、评价与转换等多模块设计。
第五，基础设施。在设计这一功能层时，需要做好以服务器、储存系统和网络设备为主的传统IT架构设计，还需要做好以资源服务、虚拟组员和物理资源为主的云计算架构设计。
2.2技术架构
在实践工作中，设计人员应该从数据整合、存储、分析、监管和可视化展现等多方面开展技术架构设计。比如，以GIS、FLASH、HTML5等开展可视化展示功能设计；以用电需求与预测模型、电力负荷预测模型、配网停电优化模型等开展应用模型设计；以Flume、Kafka等组建设计数据整合模块；以分布式关系型数据库、内存数据库、实时数据库等设计数据存储模块；基于集群监控Ganglia和LDAP开展监管模块设计等。
3电力大数据的实际应用
建设电力大数据基础体系架构，是为了提高电力大数据的应用有效性，使其能在多元场景之中充分发挥作用，提高电力系统运营管理水平奠定基础。
3.1多数据融合
对多元数据和多层级数据进行整合处理的过程就是数据融合，这需要保证数据来源的可靠性和数据真实性[2]。在实践中，多数据融合将以自动检测、关联、估计和组合的方式处理来源于多种渠道的数据。电力大户数据内容极为丰富，生产、管理与服务数据兼具，所以在多数据融合环节将实现跨部门和行业的数据分析和共享。在这一环节，基于电力大数据基础体系架构，能有效提升数据处理的科学性和可用性。比如，基于数据分析和集成等功能层，完成数据处理和提取，找出数据关联性，为实现多专业电力资产生命周期管理和营销协调管理奠定基础。在实际作业环节，电力大数据基础体系结构的应用，可以基于信息化建设思想来优化数据信息处理手段和形式，能借助于信息分析、处理、集成、可视化等功能提升数据处理效率和共享价值。
3.2电力负荷预测
作为电网规划中的必要性环节，电力负荷预测至关重要，其成果将为变电站和变电网架设规划提供关键性依据。电力大数据基础体系架构的应用，有助于提升电力负荷预测水平，可以让预测结果达到相应标准，提高预测的精确性和精准度。比如，基于电力大数据基础体系架构的用电需求与预测模型、电力负荷测试模型、电网质量检测模型等收集相应的数据信息，为实现电力负荷预测做好充足准备。当然，在此环节也需要进一步发挥云计算技术功能，基于电力大数据基础体系架构中的云计算架构开展极限学习预测，以分布式能力和多Agent思想来增强算法准确率和计算速度，使相关工作人员能获得更为准确的电力负荷预测结果。
结论
总而言之，电力大数据内容庞杂，可以被应用在电力系统建设全程之中。为了能充分发挥电力大数据的作用，相关工作人员需要合理设计电力大数据平台的功能和技术架构使其基础体系架构完善。而且，在实践工作中还应该将电力大数据基础体系架构合理应用在多数据融合与电力负荷预测两方面。
参考文献
[1]杨金龙,高骞.能源互联网时代电力大数据应用的特征、架构及场景探析[J].中国集体经济,2019(18):82-88.
[2]肖凯,刘鹏,车建峰,等.基于电力大数据平台的海量风电数据处理架构与应用研究[J].电力信息与通信技术,2017,15(07):13-19.