电力行业中的大数据技术应用研究范文

【关键词】云计算技术；大数据技术；数据迁移

近几年，随着经济水平的不断提升，我国电力市场需求量不断增加，当下居民对电力生产以及运输提出了更高要求，在保证正常生产的前提下还需要做到高效、安全和稳定。大数据技术的产生与应用便可以达到以上目的，也是现阶段我国电力行业研究的主要内容之一。因此，对大数据技术在电力行业的应用研究有着鲜明现实意义。

1大数据概述

随着云技术以及物联网技术的出现以及应用，IT行业已经迎来了第三次变革，就目前信息技术的发展情况而言，正在朝着大数据挖掘角度进行衍变，数据信息的存储以及处理特点发生了明显的变化，最终表现为数据信息数量巨大，种类繁多，并且在数据多样性的基础之上还表现出了数据的非一致性。此种背景下，传统数据处理方法以及处理体系所能发挥的作用逐渐降低，因此必须从实际角度出发，开发出一种契合时代大体量数据分析以及处理的技术，籍此，大数据技术被发明并且应用。从该类技术的实际应用情况而言，大致可以将其体系分为四个部分。分别是应用服务层、数据分析层、数据计算层以及数据存储层。

1.1数据存储

大数据技术中的数据存储，主要采用分布式存储方式进行，就实际应用情况而言，可以完成大规模数据存储要求，并且可以保证数据存储吞吐率，降低存储中的数据故障。具体存储内容可以概况为以下几种：（1）数据存储基本路线为行存储以及列存储，或者是采用二者融合形式进行存储。（2）立足于存储实际情况而言，数据信息将会被存储在多个设备当中。（3）为保证存储质量，存储设备需要被连接在高速网络当中。（4）为保证数据查询效率与质量，需要建立一个分布式搜索引擎。虽然大数据技术在实际应用过程中，数据存储效果良好，但是仍然存在一定的局限性，具体内容为：（1）当下技术手段虽然可以建立起一个稳定的数据结构，但是建立的数据结构较为单一，并不能支持复杂数据结构建立。（2）数据的调度技术尚且不完善，而不适当的调度将会增加数据结构承载力。（3）数据存储过程中所应用到的列存储技术尚不完善，有待进一步优化。

1.2数据迁移

随着社会的进一步发展，产生的数据信息量逐渐增加，为保证各类数据信息可以正常应用以及分析，最终引入了大数据技术。在大数据技术中，为确保大体量数据迁移正常，又引入了平滑迁移概念。就目前实际应用情况而言，平滑迁移主要分为两种形式，第一种是追日志法以及双写法。其中追日志法的应用较为广泛，本文以此种方法为例，对大数据技术中的数据迁移技术进行简要论述。追日志迁移方法的应用大致可以分为五个步骤，具体可以总结为以下内容：（1）服务将会进行升级，并且记录清晰库上的数据修改内容，这些内容便是数据的日志，记录不需十分详尽。（2）记录完成之后需要对数据迁移工具进行构建，要求其与离线迁移工具相同，可以完成数据日志新到旧的迁移。（3）数据迁移所采用的格式为单独形式，因此需要构建一个日志解读工具。（4）为保证数据追评质量，需要构建一个校检工具。（5）数据校检比对完成之后，进行数据旧库到新库的迁移。

2电力行业大数据技术应用分析

就目前我国电力行业基本情况而言，对于大数据技术的应用仍然处于初期发展阶段，大多集中在一些基础电力设施的融合应用之上，例如常见的数据收集以及电表配置等。当下，大数据技术在电力行业中的应用，正在朝着大体量电力数据的分析与处理方向发展，其基础核心是完成数据信息中的商业价值以及生产价值信息提炼。

2.1用电需求分析与预测

大数据技术在电力行业中的应用，最为明显的应用内容便是用电需求分析。实际应用形式可以总结为以下内容：电力行业将会以SG186营销业务相关标准作为基础，并且结合我国电力应用情况、自然环境、社会环境以及政策环境，构建一个大数据电力用户欠电模型，这样就可以通过实时检测，获取电力用户数据，之后通过对数据的分析知晓电力用户电费回收风险，以及导致电费回收失效的具体原因。此种背景下，电力企业的事后管理将会与事前以及事中管理达到融合，相比于传统电力管理工作而言，更加高效合理，进一步提升了电力费用回收质量，保证电气企业营销绩效考核可以顺利完成。以上作业形式可以看做是一种电力客户分析，在分析过程中又可以达到电力用户的细分，可以帮助电力企业更加直观的了解电力客户，这样就可以做到差异性服务，进而提升电力服务质量。目前，电力行业对电力用户的划分方法较为多样，既可以按照部门方法进行划分，也可以按照用电目的进行划分，或者是按照用电数量进行划分。以上划分方法大多都属于一种定性划分方法，其中带有着鲜明的市场管理色彩，总体而言缺乏统一性以及规范性，并没有立足于电力用户角度进行综合考虑，这也是实际应用过程中，虽然可以进行应用，但是最终取得效果较为一般的主要原因。鉴于此，就需要应用大数据方法对电力用户的电力使用情况进行细分，结合电力用户具体行为以及分布情况等内容构建分析模型，实现智能配电。

2.2用电异常诊断

就目前发展情况而言，国网对于电力信息的采集要求正在不断提升，并且实际业务部署已经业务发展也在追求一种高效之下的创新。电力信息采集范围正在不断扩大，最终表现为采集数据信息较多，业务种类多样化等特点。例如我国甘肃、浙江以及山东等地的电力用户数量已经达到了1000万级别。此种背景下，传统电网信息系统暴露出整体性能下降等问题。除此之外，在电力系统建设规模的不断提升背景之下，数据的分析与采集需要做到更加精准，在线数据分析要求进一步提升。例如，在经济利益的影响之下，窃电技术逐渐完善并且应用范围逐渐扩大，此种背景下，想要单单依靠现场检测，进行窃电排查无法达到目的，但是只要存在窃电行为，电力电流以及电压数值就会发生波动，而得出数据波动的依据便是大数据技术的应用。大数据技术在实际应用过程当中，将会对电表以及电压互感器等相关电力设备进行实时监控，然后对监测的数据进行分析，对比智慧库中的标准数据，这样就可以实习对电力系统的全面检测，促使检测工作逐渐智能化。

2.3电网负荷预测

立足于电网建设实际内容而言，想要保证电网建运行效率，就需要对电网负荷进行合理预测，这样才能保证电力活动质量。也正是因为此种原因，现阶段的电力建设十分注重预测模型的研究，希望可以提升预测模型质量，提升预测效率与精度。在模型的构建中，主要遵循以下原则：寻找出影响用电质量的因素，然后对因素产生的影响量化度进行分析。实际检测过程中，可以根据负荷预测度对象，将预测形式分为两种，一种是系统负荷预测，另一种是母线负荷预测。根据预测时间，可以将电网负荷预测分为超短期、短期以及超长期负荷预测。不同负荷预测形式所具有的预测特点并不相同，因此在大数据预测分析也存在一定差异性。对于短期系统负荷变化的影响，可以发现气温和地区类型的影响都比较显著，当天气剧烈变冷/变热时，将有大量采暖，降温负荷投入运行。除此之外，就目前我国电网建设情况而言，系统中很多分布式非统调发电最终被归纳到了负荷侧，而分布式发电量受地理、气象等因素的影响较大，因此分布式发电是导致母线负荷误差的主要原因之一，随着智能电网的建设，分布式发电的比例将不断扩大，对母线负荷的影响也更加显著，急需引入大数据技术更精确地预测变电站所覆盖地区的负荷变化。对于中长期负荷预测，还需要考虑人口、国民经济、用地类型等多种社会因素，才能更为精确地预测未来较长时间的负荷。

3结论

总而言之，大数据技术是新时代背景下所产生的尖端技术，尤其是在计算机技术以及网络技术广泛应用的背景下，该类技术在工业生产以及人们生活中发挥的作用更加明显。立足于电力系统而言，大数据技术不仅可以提升的系统稳定，还可以保证电力营销质量以及电网运行安全，可以说是当下电力行业建设的主要动力。

参考文献

[1]宋习凌,代小龙.挖掘大数据价值赋能高质量发展——省电力公司建设泛在电力物联网的探索与实践[J].河南电力,2019(06):12-15.

[2]吕军,杨超,刘林.基于多业务场景的大数据脱敏技术研究及其在电力用户隐私信息保护中的应用[J].电力大数据,2018,21(07):29-35.

[3]齐红涛,方盛宇,朱敏.智能综合决策移动作业终端设想(续完)——基于供电服务指挥平台的共享电力大数据和透明计算的新模式[J].农村电工,2018,26(07):14-15.

作者：马俊明 包乐庆 申富泰 李泊恺 单位：国网思极飞天云数科技有限公司