智能电网数据处理技术应用分析

前言：想要写出一篇引人入胜的文章？我们特意为您整理了智能电网数据处理技术应用分析范文，希望能给你带来灵感和参考，敬请阅读。

摘要：电视是人们生产生活中的重要构成，将数据处理技术用于智能电网领域中，能较明显的提升电力企业的服务水平，为电网事业稳定、持续发展提供可靠的技术支持。文章在阐述智能电网概念与特征的基础上，解读智能电网内数据处理技术应用现状，从技术层面上构建符合智能电网数据处理特征的架构，从数据采集、存储、处理及信息呈现四个层面探究技术实现方法，以供同行参考。

关键词：智能电网；数据处理；关键技术；技术方法

引言

经济社会快速发展、科技进步对电力行业的运营发展起到强大助推作用，早在2003年美国就提出智能电网的概念，后续几年中其得到了很多企业与研究机构的高度重视，智能电网技术日益充实与完善。智能电网尝试采用高端数据处理与通信技术，升级改造传统电网各流程，使其践行绿色、经济、高效的发展路线，促进电网与广大用户群体间电能及信息资源的双向流通过程[1]。智能电网运作过程中形成了大量数据需要综合处理与分析。鉴于此，应不断完善数据处理技术方案，有效存储、处理与分析各类数据，进而为电网系统有序、有效运行提供强大的技术支撑。

1智能电网

智能电网以基本的物理电网为基础，整合应用当前的现代信息、通信、计算机处理、传感测量等诸多技术，打造出一种高度集成的新型电网工程。和传统电网相比较，智能电网在电网运输安稳性、可靠性方面均有很大保障；站在功能层面上分析，其也具备动态化处理、分析、集成、呈现电网信息等功能。智能电网的特征有[2]：（1）规模大：智能技术融合至电力系统内，会产生大量数据。智能电网发展阶段，伴随其负荷与电机节点增加过程，以及电网与负荷间交互作用，也会促成智能电网运行阶段形成海量数据。（2）速度快：电网运作阶段，因负荷的改变，会形成较大的随机性，这也预示着电网系统的实时监测工作有随机性特征。智能电网任何节点均可能出现故障，且容易产生连锁反应，形成较大损失与危害性。（3）多样性：智能电网正常运转阶段，接触面较宽广，形成的数据较多，包括内部、外部数据，有结构化、非结构化数据，这决定了电网数据的多样性。

2智能电网数据处理技术应用现状

传统电力数据处理过程中暴露出如下几点问题：一是数据处理范围拓展，内容增多；二数据处理精细度明显不足；三是缺乏动态的过程性管理措施。从宏观层面上分析，数据处理技术的复杂度处于较高水平，在科技的助推下，应拓展数据处理技术应用情况研究的深度性。当前，很多国家与企业间的竞争，和关键数据信息之间均存在着密切相关性，以此为基础将管理、控制作用充分发挥出来。应不断提升云计算平台的实用性，这样方能更有效分析与挖掘各类数据资源[3]。当下，数据的多元化发展趋势是显而易见的，这是提升数据挖掘与处理效率的重要举措，将复杂混合计算模式的应用价值充分发挥出来，有效弥补传统数据处理阶段存在的缺陷。

3智能电网数据处理关键技术分析

3.1基本架构

智能电网数据平台是以大数据平台为基础建设的，能为用户群体统一提供数据的接入、存管、分析等诸多功能（见图1）[4]。数据平台上的基本资源有计算、信息存储、网络资源池等，在充分发挥大数据平台功能的基础上，实现统一管理、控制。

3.2采集与存储数据

3.2.1数据采集主要是采集智能电网发电、输电、变电、配电与用电五大模块上的数据，本文所提及的数据采集技术主要由终端设备层、通信与采集前置层三大部分构成，其中终端设备的功能以采集五大模块上的数据为主，针对终端设备采集到的数据信息，通信前置层负责将其传送至采集前置层的接入设施、服务器及服务总线内。本文对各层级运作过程分别概述分析：（1）终端设备层：职责以采集电网每个设备有关信息为主，采用现场可编程门阵列（FPGA）完成，FPGA技术利用数个过程量采集调控终端、通信控制及上层数据处理装置建设实时数据采集系统，随后通信控制装备利用以太网把采样数据同步传送到上层数据处理设备内，该型设备将控制指令下传到各过程量采集控制终端。（2）通信前置层：其是数据采集系统的重要构成，在用电现场服务管理系统与远程终端设备间交互数据时，该层级应用CDMA、GPRS技术集中管理通信信道、维护数据上下行链路，驱动各类数据精确、快速转发过程。（3）采集前置层：针对远程终端传送的数据，通信前置层做出规范化解释后，需将其存储于前置层内。为规避过往数据库服务器因故障而导致数据浪费、损失问题，本文提出一种改进方法[5]：将一个临时远程工作站增设于通信前置层内，其能储留48h内各终端传送的信息，当采集前置层出现异常状况时，则终端传送的数据将暂时被存储于远程工作站内，在采集前置层修复后，通信前置层将自动将终端数据传送至服务器内。

3.2.2云数据存储既往建设的关系模型与NoSQL数据模型在运行过程中均暴露出一定不足，本文主要是解除智能电网关系型、非关系型数据的存储问题，以关系型数据模型的可拓展性、NoSQL模型及以BSP为基础的数据计算模型为基础，建设完善化的云数据库，实现对智能电网数据的有效存管。（1）关系型数据的可拓展性模型：在存储、查询结构化数据方面，关系模型表现出良好效能，侧重点是应对其拓展性问题。将其拓展至面向对象的关系模型内是有效方法之一，不仅能改善系统的拓展性，还能提升其对数据信息的储备量。为有效处置智能电网内的非结构化数据，可以考虑选择列存储模型，其有压缩、定位、查找数据等功能。（2）NoSQL存储数据：NoSQL技术持有较强的拓展性，并且适用于多类数据模型的运行过程，支持文本等多媒体存储。本文提及的NoSQL数据基于分层思想理念有机整合关系型、非关系型数据，下层整合了RDBMS与多种NoSQL数据库，对异构数据事务查询、处理过程起到良好的支撑作用；以BSP与MapReduce模型建设上层结构，设计出数据共性分析测算模块，这是提升应用层数据分析工作质效的重要基础。（3）Katta分布式引擎：基于文件夹形式建设Katta引擎的索引，建设一个Katta索引等同于将数个Lucene索引拷贝至同个文件夹下，这就预示着该索引可以建设HadoopMapReduce[6]。

3.3数据处理

3.3.1以BSP为基础建设数据计算模型已知BSP模型在迭代测算、并行测算依赖性较强任务方面占据优势，其把数据信息存储在内存系统内，在面向数据分析过程中存储空间不够的情况难以完全规避，并且该模型单独使用时无容错管控机制，使并行计算子任务数据传送时遇到诸多阻碍。为有效规避以上情况，建议把BSP拓展至支撑磁盘存储数据的范畴，同时提高其容错管控能力。在容错管控方面，Pregel、Hama及基于BSP模型构件的其他系统运作阶段均暴露出一定不足，计算数据阶段可能会引起自体任务量暴增的问题，因云计算环境资源持有较强的实时性与异构性，当资源负载过大或发生故障时，很可能导致任务测算过程出现差错或暂停。故而，积极研究BSP模型内建设容错管控机制的方法，最大限度地提升BSP模型测算过程的可靠性。本文的设计思路如下：建设测算任务监控机制，有规划设置检查位点，保存相关计算状态。若出现测算任务运行中断的情况，可以利用再调度功能，以近期检查位点状态为基础开展后期计算活动，继而达成软件级容错。并分析到云计算平台上虚拟机宕机问题，则可以采用定期存储虚拟机运作状态的形式，探讨相关热迁徙方法，提供虚拟机级的容错机制。

3.3.2建设语境信息立方体为弥补MapReduce面向数据处理过程中暴露出的弱点，聚集面向数据的MapReduce存储优化和数据种类支撑、MapReduce数据测算中通信开销完善、MapReduce任务调整三大方面。MapReduce运作过程中并没有对外提供任何数据模式，仅是依托键/值对存储半/无结构数据，这在很大程度上约束了MapReduce在结构化数据上的应用过程。为满足现实应用需求，开发了MapReduce数据模式，实现对MapReduce所支撑数据类型的有效拓展。因数据移动是影响数据计算结果的主要因素，故而拟用Hadoop系统优化MapReduce的存储形式，借此方式提升其测算效率[7]。

3.4信息呈现

在电网数据信息呈现方面，应用的是以云平台为基础的视频调换数据矩阵测算而提出的一种高分辨率大屏呈现方案，其实质上就是由矩阵和拼接控制器整合而成的传统可视化方案，改进至由数个云计算阶段分区调控大屏呈现情况，数个计算节点协调运作，以点对点的高清信号，利用一副完整窗体呈现出情景。基于视频矩阵能有效切换、调控外部视频信号的输入、输出过程，实现对多种信号源、矩阵、摄像机云台及多功能设备等诸多外围设备的统一管理与联动，针对以上操作，控制软件均能利用人性化的图形界面实现集中式调控。电网可视化模块可以分为四个层级，及数据层、基础架构层、应用服务层与表现层，数据层始源于云存储的业务、系统与实时数据；基础架构层用于管理权限与日志，拟定数据访问控制与规程；应用服务层即以云平台为基础上。将服务器的命令管理、系统管理等功能发挥出来；而表现层能实现对用户智能电网的可视化管理。该系统能实现信号共享，多屏幕的联动式控制，支持大屏分区管理及多人同步调度大屏幕等过程，布设的三台主机一次调控三个区段的显示器，驱动信号同步输出过程[8]。

4结束语

本文主要探究基于云计算的智能电网数据处理的4个关键技术应用要点，级数据采集、存储、处理及呈现技术。在后期研究工作中，应将重点放置于智能电网大范围数据处理与算法分析层面上，希望对我国电力行业及其他相关行业在有效利用大量多源异构数据信息过程起到一定启示作用，打造出更为完善的企业级智能应用体系，为智能电网高效率提供强大的支撑。

参考文献：

[1]蓝新斌,邱丹骅,周巍,等.基于MapReduce云计算的智能电网数据分析方法研究[J].电子设计工程,2020,28(13):50-53+60.

[2]吴振田.基于云计算的电力大数据分析技术与应用[J].通讯世界,2020,27(6):93-94.

[3]李庆全.智能电网调度一体化设计与研究[J].智能城市,2020,6(10):60-61.

[4]李宗谕.无人机输电线路巡检集中管控系统研究与设计[J].信息技术与信息化,2020,14(5):85-87.

[5]周高强,王二辉,李英杰,等.大数据技术下智能电网配用电数据存储技术分析[J].科技资讯,2020,18(11):25-26.

[6]谢小瑜,周俊煌,张勇军.深度学习在泛在电力物联网中的应用与挑战[J].电力自动化设备,2020,40(4):77-87.

[7]吴建辉,刘伟,杨素梅,等.基于大数据的智能电网状态远程监测方法[J].自动化与仪器仪表,2020(3):209-211.

[8]陈钦柱,符传福,韩来君.智能电网大数据分析与决策系统的研究[J].电子设计工程,2020,28(6):30-34.

作者：党倩 邱昱 魏丽 单位：国网甘肃省电力公司信息通信公司