大数据在电力系统中的应用黄淼垠
发表时间：2018-01-10T11:52:42.233Z 来源：《电力设备》2017年第27期作者：黄淼垠杨振宇
[导读] 摘要：对于电力行业而言，来自企业生产的数据（如发电量、温度、压力等），来自电力企业的运营数据（如交易电价、用电客户等），来自电力企业管理数据（如一体化平台、ERP等），这三方面的数据共同构成了“电力大数据”。
（国网信阳供电公司 464000，国网南阳供电公司 473000）
摘要：对于电力行业而言，来自企业生产的数据（如发电量、温度、压力等），来自电力企业的运营数据（如交易电价、用电客户等），来自电力企业管理数据（如一体化平台、ERP等），这三方面的数据共同构成了“电力大数据”。“电力大数据”涉及电力系统的各个环节，综合了电力企业的产、运、销及运营和管理数据，为提升企业的竞争力和生产效率、深化企业层次、强化企业管理提供了强有力技术手段。
关键词：大数据；电力系统；应用
1电力领域中大数据现状分析
电力企业作为资产密集型和技术密集型行业的
典型，为了实现其自身的进步与优化，推动整个组织工作效率的提升，必然需要引入相应的信息技术。在信息化进入该领域的多年发展历程中，已经覆盖了包括基建、生产、经营、办公、管理以及输配等各个领域，对应产生的诸多数据，更是成为电力体系当前信息化的一个重要特征。从数据的来源看，电力环境中的海量数据，主要来源于三个方面，即电力生产、电力输配以及电力管理运营。在电力生产领域中，信息系统覆盖了发电、检修以及安全三项主要业务领域，其数据类型包括实时生产数据以及设备生命周期状态数据两个大类，所涉及的系统则包括企业资产管理系统、技术监督、性能分析及耗差计算、实时数据库、锅炉寿命管理、巡点检、安全监察以及设备可靠性系统，对于这一方面的数据分析，多指向电力生产领域相关设备的维护与检修。
而对于电力输配领域，信息化以及大数据的应用，重点服务于智能电网的加强建设，表现为电力领域之中，工业化与信息化的深度融合。智能电网在这种深入的应用中，得以将电力供配环境中关于电力供需双方的具体数据，以及电网环境中实现电力输送各个环节的设备状态数据进行综合，进一步为数据挖掘和分析奠定基础。如果说电力生产环境中的大数据更加倾向于提供安全的进一步保障，那么电力输配领域的大数据，则更为倾向于整个电力输配网络，以及电力市场环境中供求这两个方面的优化。最后，对于电力管理与运营领域而言，最初的信息化应用多为无纸化办公，以及与工作效率相关的目标实现。随着更多数字技术的引入，首先得到受益的即电力体系中，不同地理位置之上不同部门之间的工作协调，开始有了质的飞跃。
2电力大数据的核心技术
2.1数据集成管理技术
电力大数据中的数据集成管理技术，是对不同数据源、不同数据形式、不同特征的大数据进行收集、整理，经过数据转换、加载后得到新的数据源，之后对得到的新的数据源进行管理，统一对外提供服务。这一技术可以为电力企业创造出许多新的服务项目和应用功能。数据集成管理技术主要包含数据融合和数据集成技术、数据库管理技术以及萃取-转换置-加载技术（ETC）。
2.2数据分析技术
电力大数据中的数据分析技术包括机器学习技术、相关分析技术和数据挖掘技术，通过数据分析，就能够将有用的信息从浩瀚的大数据中提取出来。其中，机器学习技术是人工智能的核心，它是利用经验来改善计算机系统自身的性能。该技术已被广泛应用于电力系统的不同领域，如电力系统暂态稳定评估、电力设备的状态监测等。相关分析技术可以识别数据间的相关或因果关系，而被广泛应用于电力系统的投资决策和电力负荷预测等方面。数据挖掘技术是当前数据库和人工智能领域研究的热点课题，用以解决复杂数据结构、多种类型、海量数据的有效分析处理问题，提高数据的质量和可信度，在电力大数据中，数据挖掘主要用于企业决策和用电行为预测等。
2.3数据处理技术
大电力数据的数据处理技术主要有分布式计算技术，内存计算技术和分布式数据流处理技术。其中，分布式计算技术是利用网络将电力系统中的计算机连接起来，以组成一台虚拟的超级计算机，完成大规模数据的存储和计算。内存处理技术将收集到的电力大数据存储在内存中，并直接在内存中对海量数据的计算和分析，大大地提高了计算速度。分布式数据流处理技术由于具有良好的伸缩性、开放性和实时性，在对电力系统动态数据的实时处理中有着不可替代的地位。
2.4可视化技术
可视化技术借助图形化手段，将各种信息以更容易理解的方式呈现出来，为运行和管理人员提供直观、准确的信息，同时该技术对发现大数据中新的信息起到至关重要的作用。可视化的目的是发现信息、洞察数据和做出决策。电力大数据中的可视化技术主要包括三个方面，即三维可视化、历史信息可视化和地理信息可视化。可视化技术已被广泛应用于电力系统状态实时监测控制、调度、规划和分析，大大提高了电力系统的自动化水平。
3电力系统中大数据的具体应用
3.1在谐波治理中的应用
大数据在电力系统谐波治理中的应用，主要是对谐波产生的原因进行分析及定位，并利用数据挖掘技术提出有效的治理方案。具体应用中，可采用Apriori数据挖掘算法对谐波产生的原因进行定位分析，在此基础上找出与分析结果相匹配的谐波治理方案，工作人员则可以此作为参考依据，快速制定出治理谐波的有效途径，由此能够大幅度提升工作效率。系统可自动对谐波检测数据结果及谐波点上的电压、设备状态等数据进行读取，然后运用Apriori算法进行初始化，并执行关联分析，同时输出设备与谐波点的置信度，再从中选出置信度最高的三个设备，分别提取它们的电流及电压数据，并对其执行谐波检测算法，随后输出带有谐波的设备编号，以此作为谐波原因设备，最后从谐波治理方案中，选出与之相匹配的方案给工作人员进行参考。基于大数据的谐波处理方式，不但使检测结果的精确性获得提升，而且还使原因定位更加准确。
3.2在电力规划中的应用
一是对空间负荷进行预测。收集电力网中小区建筑、整体面积、占地面积、用地类型、负荷密度、容积率等信息，以及小区目标年的占地面积、建筑负荷值等信息，对远景年的电量负荷情况进行预测，为电力规划提供依据；二是对用电量进行预测。根据历史用电量数