王维娜 王新凯
国网昌吉供电公司 新疆昌吉市831100
摘要：电力大数据关键技术的应用能够提高智能电网运行水平。新时期下我国电力能源需求不断增涨，智能电网下电力大数据关键技术应用范围不断扩大，下面文章就对大数据技术进行分析，并探讨智能电网下电力大数据技术的应用。
关键词：智能电网；大数据；电力技术；电网技术
引言
电力作为日常生活和商业生产的基础,在能源系统发展的第一阶段所具备的特点是覆盖范围广、复杂多样、难度大等。在当前的大量实践中,智能电网建设应用的数据信息越来越多,为了系统运行得到最佳控制,就要对大数据关键技术不断加强研究。大数据关键技术影响着多个领域的发展,通过应用大数据技术可以将有价值的数据信息提供给该领域。由于当前智能电网发展中的电力系统开始迈向了数字化、智能化、信息化的发展方向,所以也提升了对大数据技术的应用需求,这就要求必须不断优化与完善现有的电力大数据关键技术的应用情况。
1大数据思维基础上的电力技术分析
电力营销服务平台的建设离不开大数据的支持,同时还需各种关键性技术手段的保障与支撑,这些技术主要包括以下几种。首先是利用大数据所形成的传输和存储的技术,在电力营销的服务阶段,设备以及数据的运行状态在运行的过程中会受到一些在线监控的设备进行较为密切的监测,其中所获得的数据会通过传输以及存储的技术进行一次流转;其次是实时处理和分析数据,在电力运行的系统里进行输变电或发电工作,都需一定的数据技术进行支持,保证电力系统可正常运转,其中存在一定的规模和相应的规律,能够保证技术人员作出准确的决策;最后则是展示大数据的相关技术,这项技术主要包括历史流展示、可视化展示以及空间信息的展示技术。
2智能电网应用背景下的电力大数据关键技术措施
2.1大数据计算服务系统
根据电力大数据流特点，构建计算服务体系，该体系是处理分布式数据流处理的基础框架。服务体系不仅具有高性能的数据流计算能力、支持流处理的资源管理和部署能力，而且能够集成多个数据源并高效解析数据来源。第一，业务服务充分考虑电力企业应用服务模式，把数据流的处理分为多数据流检测、时间窗计算以及模型训练等，依据不同数据属性，提供不同服务接口，数据处理从分布到分析、计算等环节，使用户能够直接控制处理模型，并进行应用部署。第二，分析服务分析人员为用户设计数据流分析思路，给出分析算法，提供构建模型、模型评估、流程分析及模型管理等步骤。对单个数据流进行在线随机优化，对多个数据流进行协同分析；建模是指对数据挖掘模型进行训练和获取，通过模型评估来帮助用户分析模型的准确性，根据评估结果优化建模参数；设计电力大数据实时挖掘流程，为系统应用提供数据流实时处理功能；模型管理用于体系中数据发布具有关键性作用，其中包括发布版本控制及中断判断等。第三，开发服务开发人员提供了分布式数据流的调度接口与任务分配模式，供电力开发者使用。开发人员需在相应编程界面设置参数，保证电力网络具有实时处理功能，向计算处理平台中上传编写程序，即可完成计算任务的部署和应用。
2.2大数据分析技术的应用
首先，统计分析。统计分析是电力数据分析中最为基础、最为常见的一种技术。通过对数据信息进行搜集、整理和分析,可以对数据中存在的内在规律进行直观了解,经过计算得出的统计信息能够对整体数量特征进行充分体现,从而为电力企业运营提供支持和助力。其次，关联分析。数据挖掘最早是被应用在超市对销售数据进行关联分析上,关联分析是数据挖掘中不可缺少的重要内容。
关联分析可以让数据的分析范围更加广泛,从而可以挖掘出行业和企业之间存在的关联,提高信息发掘的高效性和准确性,促进电力企业发掘出更多的潜在客户和潜在商机。另外，分类分析。应用分类分析首先需要按照不同规律和需求将数据分为不同类别,然后再对不同类别的数据进行分析,通过分析可以对事物发展规律进行了解,并根据发展规律预测未来走向。分类分析算法包括算法简单便捷、获取结果快速的简单分类算法,但是该算法不能保证结果的准确性,还有一种就是复杂的学习算法,该算法虽然复杂、获取结果比较慢,但是计算结果具有较高的准确性。
2.3电力大数据集成管理技术
电力大数据集成管理技术是对多个应用系统的数据进行合并,并创建出多个应用功能过程,集成管理实质上就是在逻辑上及存储介质上集中起不同来源和不同特征的数据,最终使其成为系统的稳定数据集合,为系统提供数据共享。该技术主要包括的技术有:数据融合和集成技术、关系型和非关系型数据库技术、数据抽取技术、过滤技术等。通过电力企业集成管理技术的应用,促使电力企业内部各系统间的数据冗余和信息孤岛问题得到了有效解决。此外,电力大数据还具有多样化的特点,这就说明数据有非常广阔的来源,而且其类型也极为繁杂,所以给数据处理工作带来的挑战很大。因此,要想使大数据处理获得良好效果,就要抽取数据源进行集成处理,再将一系列的实体跟关系从数据源中提取出来,当完成关联和聚合后,再利用统一结构将数据全部存储,保证所得数据是准确的、可靠的。
2.4数据挖掘技术
通常情况下，大数据时代背景下电力企业应用数据挖掘技术的方式相对复杂，包括数据来源层、数据整理层、数据管理层及数据展示层。其中，数据来源层指利用各种技术设备存储事务型数据及外部性数据。数据整理层指电力企业利用数据挖掘技术处理运营管理环节中各种数据信息时往往需要以数据来源内容的交叉性为参考依据总结归类各种数据信息。同时，所收集的数据信息中可能包含各种无关或冗余的数据信息内容，尽量实行二次解析或重塑各种数据信息，方可大幅度提升数据处理的效率及质量。按数据类型，经处理的结构数据可划分为非结构化数据、结构化数据及半结构化数据，而运用数据挖掘技术能有效剔除过滤结构化数据信息中各种无关内容，甚至根据半结构化及非结构化数据信息，促使其转化为极其语言及索引等信息。与其它层相比，数据管理层肩负着整合信息、归纳信息及存储信息的工作职责，往往根据数据仓库的主题内容差异性进行合理整合，有助于大幅度降低数据处理的误差。
2.5安全技术保障
首先，在兼顾未来全球大数据互通、互融趋势的同时，需要坚持自主可控的安全技术和安全产品的研发，最大可能地降低不稳定因素对电力大数据的影响。其次，由于电力大数据涉及数据的采集、传输、存储、加工、共享、应用、销毁等多个环节，所以需要加强各环节中数据保护技术手段的建设。第三，应建立电力大数据应急预案，完善电力大数据应急响应流程，并构建安全可靠的灾备体系，加强重要信息系统和重点网站应急联动处置的指挥和协调。第四，电力大数据需要定期对相关的技术、产品和平台的可靠性和安全性进行评测，及时发现其脆弱性并加以解决；另外，还需建立配套完善的电力大数据安全靶场，定期进行红蓝对抗等攻防演练，及时检验各类系统、设备的安全性，验证应急响应预案和流程以及灾备体系的有效性，同时还能加强信息安全服务人员的安全意识、技能和防护水平。
结语
综上所述，电力企业在智能电网建设中为确保电力系统的运行质量,获得更大的经济效益,就要对应用于智能电网的电力大数据关键技术重视起来,认识其应用价值,发挥其作用,全面提升电网环境、营销管理等多方面建设水平，推动我国智能电网事业的健康发展。
参考文献
[1]宁元.大数据平台下的电力营销信息化建设研究[J].科技风,2020,15.
[2]胡长青,黄研利,等.大数据下的电力客户动态细分方法研究[J].微型电脑应用,2019,12.
[3]胡如一,杨春晨,等.基于电力营销大数据的数据融合共享平台研究与应用[J].工业控制计算机,2020,3.