大数据分析在用电采集数据分析与智能监测系统设计与实现.docVIP

大数据分析在用电采集数据分析与智能监测系统设计与实现 　　摘要：如今，电能源已经成为人们生活中不可或缺的能源之一，对人们生活、工作具有重要作用。因此，其用电用户也逐渐增加、供电规模的扩大，一些区域配电网建设和社会经济进步相脱节。配电网具有点多面广特点，还应利用先进监测技术和控制方法。对此，笔者根据实践研究，对大数据分析在用电采集数据分析与智能监测系统的设计与实现进行分析。 　　【关键词】大数据分析 用电采集数据分析 智能监测系统 设计与实现 　　用电采集数据分析和智能监测系统是：用电数据搜集系统在配电网搜集的数据作为前提，综合营销系统、GIS、PMS系统等通过营配集成运用效果，对配电网运行、供电稳定性、线损进行检测。 　　1 技术结构 　　1.1 大数据分析结构 　　根据用电采集数据分析和监测系统信息研究，其系统结构组成分为：信息搜集、处理、保存和管理、计算、应用等，系统运用内的大数据研究结构。从其构成上得出：系统内信息多源自于用电采集系统、营销业务、PMS、GIS等，其信息通过判断分析，结合信息作用、特点保存在RDBMS环境。随后，结合处理信息类型和研究目的，分析相对计算方法模型，确保数据处理的正确。同时，直接将数据结果给用户看，为企业经营的辅助判断奠定基础。 　　数据研究时，针对MapReduce数据搜集可以通过Mahout计算库；针对RDBMS数据搜集可以通过weka计算库。Mahout为机器学习与数据搜集排列的结构，是在相关方法之上通过MapReduce达到了数据搜集。Weka是在JAVA条件下开源的机器学习和数据搜集应用程序，weka中的API能够应用至软件内完成任务要求。在结构中，把weka和Mahout融合，结合数据特点、保存形式、客户要求展开数据搜集。 　　l.2 关系数据库和非关系数据库特点研究 　　两种形式都能够应用在主流数据库内，具有易了解、操作简单等特点，减少了数据冗余和数据的不同机率。而ARDBMS有着制约影响和丰富的搜集，进而较为适合进行复杂数据处理和任务分析。大数据背景下，因为硬盘I/0的影响、关系型数据库难以在较多非结构化数据的保存上进行有效管理。 　　非关系型数据库（HBASE）具有稳定性强、性能高、可伸缩特点，通常不确保参照ACID要求的数据保存系统。HBASE实现了理念创新，比如：以键值对保存、结构的不确定。因此，不会时数据保存受到限制。 　　2 系统实现分析 　　通过用电采集数据和监测，使得其功能具有多样化特点。 　　（1）构建异常标准数据库与检测模型达到配电网与用户异常节点诊断。 　　（2）利用大数据技术，融合关联异常分析进而对用户违规用电异常研究、线损和用电异常研究、状态监测等作为借鉴依据。 　　（3）经过异常数据的关联研究，提升电力企业对配变台区域配网线路的状态监测，提升判断水平，提高电力企业配电网管理水平。 　　2.1 业务模型设计 　　用电采集分析和监测系统构建业务分析模型库，结合用户与配电网运行检验要求进行模型设计，即：市场开拓、多维度线损分析、电能表总体运行、采集维修质量控制、用户电费回收风险、用户用电行为研究。不同业务模型包含数据源、算法库、知识集成。 　　2.2 运用场景研究程序 　　将市场开拓和业务扩报装辅助研究作为场景设计，基于大数据思路下进行流程研究。 　　（1）搜集新装用户变压器容量、用电荷载特点、工作班次、电压级别。 　　（2）营配集成条件下，利用GIS定位确定用电位置，以及相应的线路、开闭站、厂站等。 　　（3）结合厂站、线路统计的不同维度荷载、电量统计信息。根据营销业务系统销户、报停与减容业务程序、PMS电网模型数据等，利用数据融入形式，评估新增供电所线路、厂站荷载、电量状态是否达到要求。 　　2.3 应用场景研究计算方法 　　业务报装研究程序在具体利用中采取决策数、荷载状态预测等方法运用在具体业务内。分类计算适合应用在按电压等?研究符合特点、负荷状态计算方法适合应用在分析厂站、线路和大用户变化形式。利用决策树研究新装用户适当的供电位置。 　　3 结语 　　综合分析，文章分析RDBMS和HBASE在用电采集分析和监测系统的利用场景，电力系统大数据特征，建议通过RDBMS和HBASE+Mapreduce融合形式建立适当的用电采集和监测系统结构。实现了数据模型在线分析，结构简单、处理程序科学等优势。对此，笔者分别从：技术结构、系统实现分析，两方面进行分析，为大数据技术在电力事业的运用提供依据。 　　参考文献 　　[1]马晓东，李珏，吴少雄，王军.基于SOA的用电采集数据分析与智能监测系统的设计与实现[J].电气应用，2015（01）. 　　[2]李珏，马晓东，张果谋，吴少雄，王军.大数据分析在用电采集