智能配电网大数据应用技术与前景分析

《智能配电网大数据应用技术与前景分析》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、智能配电网大数据应用技术与前景分析国网江丙省电力公司萍乡供电分公司江丙萍乡337000摘要：伴随大数据时代的来临和人们对大数据认识与理解程度的越来越深，目前大数据技术已经在智能电网中得到广发应用。针对大数据在智能配电网中的应用问题，文中分析了大数据在智能配电网中应用所涉及到的大数据存储与处理以及大数据解析等关键技术，并研究了大数据在智能配电网中的应用前景。关键词：大数据；智能配电网；发展趋势一、智能配电网大数据理论随着信息技术的发展，电力系统也在不断地走向智能化发展的道路，智能的变电站、智能的电表，以及实

2、时性的电力监测系统都在不断地涌现，共同组成了一个智能配电网的大数据应用时代。智能配电网融合了大量数据信息，使电力系统能够自动化、智能化发展，根据数据信息的来源情况的不同，能够将智能配电网中的大数据分成电力系统发电数据、电力系统运行的数据和电力系统外界的数据，所有数据井同作用，保证了智能配电网的正常运行。兵体而言，智能配电网大数据具有一次特征和二次特征，一次特征主要体现在智能配电网大数据关系复杂、结构形式多样、来源广泛、形成速度快和粒度精细等；而二次特征则是在一次特征的基础上逐渐形成的，二次特征異体指处理困

3、难、信息储量丰富多样、信息存储量巨大等。二、智能配电网大数据的应用技术与方法1大数据解析技术解析数据和分析数据，是大数据解析技术的主要内容。通过研宄多种数据类型，发现将各个类型数据间直接关系、隐藏模式，并筛选有用信息。系统性管理智能配电网大数据，是把各个数据集定义为一个独立的子系统，各个子系统在相互交流期间，能够出现新信息，这些信息是利用原有的各个子系统数据，经过相加形成的，进而产生一个数据系统，能够实现数据的融合与交流。为了使大数据应用和分析结果保持一致，分析期间，要对大数据进行解析。从0前来看,大数据

4、解析技术在智能配电网中的应用主要分为以下2类：(1)过程挖掘。过程挖掘技术的核心思想是建立事件数据之间的联系和数据处理模型，并对奋价值的事件数据进行充分挖掘。虽然传统的电网业务处理很少考虑到事件数据，且面向数据分析的技术仅侧重于简单的数据分类、冋归等问题，缺少对端到端业务模型的考虑，但利用过程挖掘技术能够实现端到端业务处理与事件数据之间的有效联系，从而实现对数据的充分利用与深入分析。在某个系统当中，随着系统记录事件数量的不断增加，确定系统发展趋势曲线图将会变得更为方便可行。当系统发展趋势曲线图确定以后，便

5、可以在事件数据中挖掘出系统变化轨迹，最终建立出规范化模。利用规范化模型对事件数据偏离轨迹行为产生原因进行查找与分析，对偏离模型进行引导与修正，以将苏重新融合到规范化模型当中。当实际建模中出现了异常，可以通过对其的识别和与规范化模型进行一致性检测，来为异常行为产生原因和消除方式提供相应依据。经过长期实践表明，大数据中的过程挖掘技术在智能配电网中的应用，能够为用户制定更合理的节能方案，帮助用户错开用电高峰吋段，对用户异常用电行为进行检测。(2)数据可视化。数据可视化的根本宗旨是将数据库中的每个数据项作为单个图

6、元，以此构建出一个包括时间维度、空间维度和逻辑维度等多种维度的数据图像，以便从不同维度对数据进行更深入的观察与分析。通过从吋间、空间、逻辑等多种维度对数据的集中式管理与可视化展现，能够得到多维数据立体视图。由于该数据图像在创建过程中嵌入了层次化的数据列表，因而能够帮助数据解析者们对数据进行精准的把握与精细化的解析，进而获得精准的人数据解析结果。2大数据存储及处理技术根据人数据存储和处理之间的关系，目前人数据存储及处理技术主要分为批处理和流处理两种。批处理技术对大数据处理的核心思想是分而治之，将计算运用到数

7、据当中。该技术适用于智能配电网对数据信息实吋性要求不高但数据量庞大的电网业务处理。流处理技术是一种典型的应用式流计算技术，它适用于智能配电网对数据信息实吋性要求较高且数据量庞大的电网业务处理，如设备在线监测、多源异构数据在线评估等。由于智能配电网数据存储量庞大繁琐，运行方式变化频繁，测量支点多，II部分数据关联性与时效性超强，针对这些特点冇必要对智能配电网人数据存储系统综合采用数据压缩技术、分布式流处理系统异构节点高效协同通信技术、多维索引快速检索技术、自优化技术、测量数据关联分析技术等先进数据处理技术，

8、并与时倶进对这些技术进行不断研究与改进，以确保各项技术的应用能够符合智能配电网大数据发展与处理需求，能够为智能配电网的安全高效运行提供必要的数据支持。此外，智能配电网作为一个动态的系统工程，采取集中方式对大量数据进行管控，无法确保数据的可扩展性、可靠性及可行性。在智能配电网系统中，加入云计算，包括数据分布式处理系统、文件分布式系统等，能够提供技术支持和基础平台，从而充分发挥大数据的作用。3数据驱动决策方法依据大数据作用程度对数