智能电网大数据平台及其关键技术研究[汇编].pdfVIP

智能电网大数据平台及其关键技术研究 智能电网是大数据的重要技术应用领域之一。智能电网大数据结构复杂、种类 繁多，具有分散性、多样性和复杂性等特征，这些特征给大数据处理带来极大 的挑战。智能电网大数据平台是大数据挖掘的基础，通过智能电网大数据平台 可实现智能电网全数据共享，为业务应用开发和运行提供支撑。 引言 智 能电网是以物理电网为基础，将现代先进的传感测量技术、通信技术、信息 技术、计算机技术和控制技术与物理电网高度集成而形成的新型电网，见图 1。它涵盖发 电、输电、变电、配电、用电和调度等各个环节，对电力市场中 各利益方的需求和功能进行协调，在保证系统各部分高效运行、降低运营成本 和环境影响的同时，尽 可能提高系统的可靠性、自愈性和稳定性。随着智能电 网的发展，电网在电力系统运行、设备状态监测、用电信息采集、营销业务系 统等各个方面产生和沉淀了大量 数据，充分挖掘这些数据的价值具有重要的意 义。 图 1 智能电网示意图 大 数据是近年来受到广泛关注的新概念，一般是指无法在可容忍的时间内用传 统的 IT 技术、软硬件工具和数学分析方法，对其进行感知、获取、管理、处理 和分析的 数据集合。智能电网被看作是大数据应用的重要技术领域之一。目前 1 / 9 许多学者正在进行智能电网大数据研究，包括发展战略研究、大数据技术研究、 应用研究等。 智 能电网大数据应用众多，涉及电网安全稳定运行、节能经济调度、供电可靠 性、经济社会发展分析等诸多方面，进行智能电网大数据分析需要统一智能电 网大数据， 并且由于应用众多，对计算、存储、网络等性能提出了较高要求， 因此需要构建面向智能电网应用的统一大数据处理平台。本文首先分析智能电 网大数据特点以及业 务应用需求，接着结合业务应用介绍大数据关键技术，进 而提出智能电网大数据平台和应用框架。 1 智能电网大数据概述 1.1 智能电网大数据特点 根 据数据来源的不同，可以将智能电网大数据分为电力企业内部数据和电力企 业外部数据。电力企业内部数据源主要包括广域量测系统 (WAMS)、数据采集与 监控 系统(SCADA)、在线监测系统、用电信息采集系统、生产管理系统、能量 管理系统、配电管理系统、客户服务系统、财务管理系统等;电力企业外部数据 源包 括气象信息系统、地理信息系统、互联网数据、公共服务部门数据、社会 经济数据等。这些数据分散放置在不同地方，由不同单位/部门管理，具有分散 放置、分布 管理的特性。 智能电网大数据结构复杂、种类繁多，除传统的结构化数据外，还包含大量的 半结构化、非结构化数据，如客户服务中心信息系统的语音数据，设备在线监 测系统中的视频数据与图像数据等。这些数据的采样频率与生命周期也各不同， 从微秒级、分钟级、小时级，一直到年度级，见图 2。 图2 智能电网数据采用频率和生命周期 1.2 大数据业务需求分析 2 / 9 智 能电网大数据业务应用根据对象不同可分为面向电力公司运行管理、面向电 力用户服务、面向政府部门辅助决策等 3 类。面向电力公司运行管理类应用包 括电力系统 稳定性分析与控制、输变电设备故障诊断与状态检修、配电网运行 状态评估与预警、配电网故障定位、负荷预测、城市电网规划等;面向电力用户 服务类应用包括用 户用电行为分析、需求侧管理、能效分析、供电服务舆情分 析等;面向政府部门辅助决策类应用包括社会经济状况分析与预测、政府决策支 持与相关政策评估，如电 价政策、新能源补贴政策等是否合理等。这些需求需 要综合电网运行状态信息、用户用电信息、客服系统信息、气象数据、经济社 会数据和互联网数据等。 2 智能电网大数据关键技术 根据信息处理流程，大数据在智能电网中的应用可以分为数据采集、数据清理、 数据存储及处理、数据分析、数据解读和数据应用 6 个环节，其关键技术包括 数据集成技术、数据存储技术、数据处理技术和数据分析技术。 2.1 数据集成技术 智 能电网大数据具有分散性、多样性和复杂性等特征，这些特征给大数据处理 带来极大的挑战。要想处理智能电网大数据，首先就需要对众多数据源的数据 进行集成， 通过数据抽取、转换、剔除、修正等处理，建立正确、完整、一致、 完备、有效的智能电网大数据。目前通常采用的数据集成模型包括数据联邦、 基于中间件模型和 数据仓库等。 ETL 是企业数据集成的主要解决方案。ETL 指