电力大数据时代
浅谈风电产业如何应对数据大时代
甄剑峰（恒泰风电场）
摘要：近年来，大数据来势汹汹，对传统数据商业分析模式产生了重大地影响，对电力企业的数据驾驭能力提出了新的挑战与机遇。从人才培养、技术储备、数据驾驭、数据价值挖掘等方面剖析电力企业如何应对大数据的挑战，让电力企业在大数据来临时更加从容地选择适合的技术、方法论、解决方案和发展战略。
关键词：大数据电力企业海量价值
1 引言
随着数字信息化时代的迅猛发展，信息量也呈爆炸性增长态势。在人类充分享受信息化带来的资讯、方便和快捷时，也使得全球的数字信息资源正进入到一个前所未有的快速增长期。据IDC统计，2011年全球数据量已达到1.8ZB，相当于全世界人均产生200GB以上的数据，并且还将以每年50%的速度继续增长。在这汹涌来袭的数据浪潮下，社会各个领域也将开始其数据化进程。无论学术界、商界还是政府，都将不可避免的进入“大数据时代”。作为全球第二大经济体的基础能源支撑体系，中国电力工业概莫能外。
2 电力大数据的定义及特征
2.1 大数据的定义
目前业界还未对大数据有一个统一的定义，但是有两个关于大数据的定义很好地诠释了大数据的本质。第一个定义来自Gartner公司的Merv Adrian在2011年第一季度刊登在《Teradata Magazine》上的一篇文章：“大数据超出了常用硬件和软件工具在可接受的时间内为其用户收集、管理和处理数据的能力。”另一个定义来自于麦肯锡全球数据分析研究所（Mckinsey Global Institute）在2011年5月发表的一篇论文：“大数据是指大小超出了典型数据库软件工具收集、存储、管理和分析能力的数据集。”
2.2大数据的特征
概括来讲，大数据有三个特征，可总结归纳为“3V”，即量(Volume)、类(Variety)、时(Velocity)。量，数据容量大，现在数据单位已经跃升至ZB级别。类，数据种类多，主要来自业务系统，例如社交网络、电子商务和物联网应用。时，处理速度快，时效性要求高，从传统的事务性数据到实时或准实时数据。大数据主要包括以下几个特征：大容量：企业数据量大规模增长，单一数据集的规模范围从几十TB到数PB不等。电力数据涵盖发电、输电、变电、配电、用电、调度的各个环节，数据量庞大。随着智能电网建设和物联网的应用，非结构化数据呈现出快速增长的势头，其数据量大大超过结构化数据。
多类型：大数据数据类型包括结构化数据、非结构化数据、半结构化数据等。电力企业在电网运行的整个过程中安装了许多传感器、监视器、智能交互终端等设备，每个设备运行都增加了数据的多样性。
快速率：能够在刹那间获得复杂的业务分析数据，实时完成业务决策，毫无延迟。智能电网每隔15分钟自动采集智能电表所产生的用电数据，结合实时调度运行数据，在几秒钟之内处理分析海量数据并快速预测电力电量平衡。
价值密度低：大数据的数据价值密度低，单条数据可能并无太大的价值，但海量的数据蕴藏着巨大的财富。例如，一段变电站的监控视频长达几个小时，但可能有用的信息只有一两秒钟。
3、风电行业如何应对大数据时代
3.1混合可再生能源预测的应用
近日，IBM宣布了一项先进的结合大数据分析和天气建模技术而成的能源电力行业先进解决方案，这将帮助全世界能源电力行业，提高可再生能源的可靠性。该解决方案结合天气预测和分析，能够准确预测风电和太阳能的可用性。这使能源电力公司，可将更多的可再生能源并入电网、减少碳排放量、提供消费者与企业更多的清洁能源。
这个名为“混合可再生能源预测”（HyRef：Hybrid Renewable Energy Forecasting）的解决方案，利用天气建模能力、先进的云成像技术和天空摄像头、接近实时的跟踪云的移动、并且通过涡轮机上的传感器监测风速、温度和方向。通过与分析技术相结合，这个以数据同化(Data-Assimilation)为基础的解决方案，能够为风电厂提供未来一个月区域内的精准天气预测或未来十五分钟的风力增量。
此外，HyRef可以通过整合这些当地的天气预报情况，预测每个单独的风力涡轮机的性能，进而估算可产生的发电量。这种洞察力能，将使能源电力公司更好地管理风能和太阳能的多变特性，更准确地预测发电量，使其可以被复位导向到电网或储存。它同时也允许能源组织更好地并用可再生能源与其他传统能源。
作为大数据领域的领导者，IBM正在利用领先方法论和全面大数据技术帮助企业重新思考已有的IT模式。随着中国风电服务市场的起步，IBM正在将更多的精力投入到风电场的运维管理领域，不仅体现在风电功率预测方面，还包括风电场微观选址、预防性维护和绩效评估等方面，对风电场进行全生命周期的管理和优化。
中国国家电网（SGCC）所属的国家冀北电力有限公司（SG-JBEPC），正在使用HyRef来整合可再生能源并入所属电网中，而这项应用，将是冀北电力的张北县670MW示范项目的第
一阶段重点。这整个项目，是当前世界上最大的可再生能源的倡议，将涉及风能和太阳能发电的集合，以及能源存储和传输等范畴。该项目有助于实现中国“减少对化石燃料依赖”的5年计划目标。通过使用IBM风力预测技术，张北项目的第一阶段目标，旨在增加10％的可再生能源的整合发电量。这一额外发电量，大约可供14,000个家庭使用。通过分析提供所需的信息，将使能源电力公司得以减少风能与太阳能的限制，进而更有效的使用已产出的能源, 来强化电网的运行。
3.2 如何通过大数据进行预测性的维修
在风电领域，中国用了短短5年时间就完成了欧美国家15 年才走完的发展之路，然而风电场收益，取决于风机在20 ～ 25 年全寿命周期内给投资者所创造的价值，因此风电运维显得至关重要。
“跟风电开发比起来，风电运维是苦活，也是一个精细化的工作。风电行业的运营管理将来必然是精细化的，总会有一些优秀的有能力的企业脱颖而出。”从风电运维的角度，我们可以把它化为四个层次，第一个层次是最简单的，就是坏了就修;第二个层次是定期的检修维修;第三个层次是状态检修;第四个层次是通过大数据进行预测性的维修。
基于大数据进行预测性维修使得风场运维流程发生了根本性变化，系统的提前预测可以让风电企业优化运维计划，在提升设备可靠性的同时降低运营成本。
“经过多年的发展，中国风电企业已经积累了丰富的运营数据和经验，使用大数据优化风电运营开始具备技术基础。”同时，随着风电运维管理的标准化和专业化，风电运维服务市场将快速增长并整合，基于大数据的风电运维服务平台将成为风电运维服务商的核心竞争力。对所有安装的风机进行集中的运维监控，可以随时获取每台风机的实时运行和历史信息，然后结合资产、人员、专家知识以及气象等外部环境信息进行分析和预测，优化风电场运维。风电运维产业不断朝着预防性、预测性的方向发展，利用大数据可以为智慧风能的梦想插上腾飞的翅膀。就像人的行为一样，人的习惯和偏好都可以被大数据纪录下来，根据分析可以对人的行为有个基本的预测，风电整个产业也可将其应用起来，包括规划、设计、实施及维护的一站式服务。基于对海量数据的分析和洞察，未来的风机如同智能机器人一样，也会朝着认知计算的方向逐步前行。
3.3 大数据在风电领域的问题。
首先，结合了大数据分析和天气建模技术的能源电力系统能够提高风电的可靠性。以往对风资源的预测不够精准，在风能无法贡献预期功力时，火电就要作为后备电力。这样，电网对风电的依赖程度越高，需要建设后备电站的成本就越高。另外，启用火电站的就等于
向环境中释放碳排。然而，在大数据分析的帮助下，温度、气压、湿度、降雨量、风向和风力等变量都得到充分考虑，对风电的预测更加精准。电网调度人员可以提前做好调度安排，也有助于电网消纳更多风电。
除了做到更精准的预测，检测和采集风机的运转数据、风场的运营数据还有利于风机制造商更好地改善风机的性能，风电场业主在追求风场效益最大化时也离不开大数据。
大数据在风电领域的应用前景看起来很美，但当前存在的问题是，将风机、风场的数据汇集起来并非易事。这些数据分散在风机制造商、风场业主、系统运营商和运维服务商等多个环节手中，他们能从这些数据中得到利益却无法做到合理分配，所以，有些利益相关方宁愿不分享这些数据。
知识产权问题也是大数据影响风电进程的一个拦路虎。试想，如果多家风机制造商都公开风机的设计数据，那将是整个行业的幸事，通过交流和分享，风机的设计会有所改善性，性能会提高。但出于商业竞争考虑，风机制造商往往将这些数据视为商业机密、竞争利器，不愿公开。同理，风场业主收集和保存的风电运行数据不但有助于他们做出更好的业务决策，也有利于第三方运维企业提供更好的服务，但在实际情况下，运维商却很难得到这些数据。
风电行业的意义在于向终端消费者提供更稳定、更清洁、更廉价的电力，这是行业存在合理性的根据，也是业界努力的方向。共建并分享运营数据，进而激发这些数据的全部潜力才是风电行业迎接大数据时代的应有姿态。
4、结束语
随着近年来“两化融合”工作的整体推进，各电力企业的信息化建设已度过快速成长期，初具规模。信息化系统建设的数据积累已经得到企业的普遍重视，信息化价值的提升关键期也悄然而至，建设成果究竟是“厚积薄发”还是“厚积厚发”，电力大数据可谓关键。
未来的智能电力系统不仅承载电力流，也将承载着信息流和业务流，“三流合一”的智能电力系统的价值也将随之跃升，而这种跃升显然具有大数据的时代特征。当网络中传输不只是电能，更重要的还有数据，我们电力人也需要积极主动的去探索如何来科学合理的释放数据能量，以推动传统电力工业的升级，以适应未来经济社会的发展需要。电力大数据的价值已经相当庞大，但如果实现进一步延伸，将电力大数据与人们生产生活数据，与政府企业等多行业数据相结合，将产生更多更大的价值增值潜力，实现数据价值在电力系统外部的流动和发展。
参考文献：
[1]（美）Bill Franks.驾驭大数据[M].黄海，车皓阳，王悦.译.北京：人民邮电出版社，2013
[2]Jiawei Han.数据挖掘概念与技术.机械工业出版社2001，8 [3]W.H.Inmon.数据仓库.机械工业出版社2000，5
[3] 陈京民等.数据仓库与数据挖掘技术[M].北京:电子工业出版社,2002.[9] 毛国君等.数据挖掘原理与算法[M].北京:清华大学出版社,2005.
[4] 维克托迈尔舍恩伯格.大数据时代. 浙江：浙江人民出版社 2012
[5]大数据时代降临.半月谈网.2012-09-22
[6]IT 部门如何应对大数据时代.CIO 时代网.2012-02-27
[7] “大数据”时代来临决策不能只凭经验.东方早报网.2012-04-11
[8] “大数据时代”来临.北京晚报网.2012-06-15
[9] 大数据时代来临：国内 IT 企业布局已然落后.新浪网.2012-06-01
大数据应用之电力应用
大数据应用之电力应用 一、背景 大数据不是ICT行业的专利。目前，金融、广电等传统行业都在积极借助大数据的力量，帮助企业实现转型。在电力行业，大数据已经被视作企业战略层面的重要议题：中国电力公司就在XX、XX、XX建立了多个大数据中心，其中某个大数据中心已安装超过10000多个传感器，每个月可节约的能耗价值大概为30万元。那么，电力行业如何应用大数据？在电力行业面临的挑战中，电信业能找到哪些共性，电信业又有怎样的机遇？电力行业的应用策略中有哪些值得电信业借鉴？ 大数据在公共管理、零售、互联网、电信、金融等众多行业快速推广，市场规模迅速扩大，2012年国内大数据市场规模已达4.5亿元。IDC预测，2016年中国大数据市场规模将达6.17亿美元，而全球规模将达238亿美元。大数据已经渗透到当今的每个行业，成为重要的生产因素。人们对于海量数据的挖掘和运用，预示着新一波生产率增长和消费者盈余浪潮的到来。大数据超过了传统数据库系统的处理能力，为了获得数据中的价值，必须选择新的方式进行处理。电力大数据是大数据理念、技术和方法在电力行业的实践，是大数据应用的重点领域之一。 电力大数据的特征可以概括为3“V”3“E”。其中3“V”分别是体量大（Volume）、类型多（Variety）和速度快（Velocity），3“E”分别是数据即能量（Energy）、数据即交互（Exchange）、数据即共情
（Empathy）。 二、大数据应用机遇 重塑电力核心价值和转变电力发展方式是电力大数据的两条核心主线。电力大数据通过对市场个性化需求和企业自身良性发展的挖掘，驱动电力企业从“以电力生产为中心”向“以客户为中心”转变。电力大数据通过对电力系统生产运行方式的优化、对间歇式可再生能源的消纳以及对全社会节能减排观念的引导，能够推动中国电力工业由高耗能、高排放、低效率的粗放发展方式向低耗能、低排放、高效率的绿色发展方式转变。此外，电力大数据的有效应用可以面向行业内外提供大量的高附加值的内容增值服务 1、优化管理模式 电力行业数据量大、类型多、价值高，对于电力企业盈利与控制水平的提升有很高的价值。有电力专家分析称，每当数据利用率调高10%，便可使电网提高20%~49%的利润。和电信行业一样，电力行业对大数据的使用也分为内部应用和外部应用。 内部应用指运用大数据优化电力企业管理模式，提升电力企业经营管理水平，主要包括以下几个方面。 支持基建决策 大数据技术有助于电力企业基础设施选址、建设的决策。例如丹麦风电公司VESTAS计划将全球天气系统数据与公司发电机数据结合，利用气温、气压、空气湿度、空气沉淀物、风向、风速等数据以及公司历史数据，通过使用超级计算机及大数据模型解决方案，来支
数据中心高压配电系统应用方案
数据中心高压配电系统应用方案 数据中心高压变配电系统是数据中心供配电系统联系市电供电网络和用户的中间环节，它起着变换和分配电能的作用。从电压等级而言，该系统主要会涉及到35kV/10kV/6kV/3kV等电压等级。 1.1 电压选择 1.标准电压 数据中心的高压变配电系统电压主要根据用电容量、用电设备特性、供电距离、供电线路的回路数、当地公共电网现状及其发展现状等因素综合考虑决定。 根据国家标准《标准电压》GB/T 156-2007（该标准基本对应IEC60038：2002），我国三相交流系统的标称电压、相关的设备最高电压如下表：
2.送电能力不同电压等级线路由于受制于线路种类和供电距离，其送电的能力也各不相同，如下表： 1.2 高压系统中性点运行方式 电力系统中性点接地是一个比较复杂的综合技术问题，它与系统的供电可靠性、人身安全、设备安全、绝缘水平、过电压保护、继电保护和自动装置的配置及动作状态、系统稳定及接地装置等问题有密切关系。电力系统的中性点系指电力
系统三相交流发电机、变压器接成星形的公共点，而电力系统中性点与大地间的电气连接方式，称之为电力系统中性点接地方式。电力系统中性点接地方式是保证系统运行、系统安全、经济有效运行的基础。 电力系统中性点接地方式分为三种：中性点不接地、中性点经阻抗（电阻或消弧线圈）接地以及中性点直接接地等。前两种被称为非有效接地系统或小电流接地系统，后一种被称为有效接地系统或大电流接地系统。如何确定电力系统中性点接地方式应从供电可靠性、内过电压、对通信线路的干扰、继电保护以及确保人身安全诸方面综合考虑。 基本上，我国电力系统的中性点运行方式范围分布如下图：下面分别讨论三种方式的特点及应用。
基于大数据的电力系统数据应用
基于大数据的电力系统数据应用 发表时间：2018-12-25T16:19:20.450Z 来源：《电力设备》2018年第23期作者：张新伯[导读] 摘要：电能与生产生活密切相关，电能的生产与传输需要经过电力系统发电、输电、变电等一系列复杂的过程完成，电力系统的生产、监控、测量、通信过程中产生了大量的数据，有效利用这些数据提高电力系统的安全可靠运行水平，是电力企业提高管理水平的重要途径。 （深圳供电局有限公司广东深圳 518000）摘要：电能与生产生活密切相关，电能的生产与传输需要经过电力系统发电、输电、变电等一系列复杂的过程完成，电力系统的生产、监控、测量、通信过程中产生了大量的数据，有效利用这些数据提高电力系统的安全可靠运行水平，是电力企业提高管理水平的重要途径。本文分析了电力自动化系统数据类型、电力系统数据应用现状及当前大数据的具体应用，提出了未来如何利用电力系统大数据来优化企业管理的策略，仅供参考。 关键词：电力大数据；电力系统数据处理；应用在当前我国电力行业的发展背景下，电力企业之间的市场竞争也变得越来越激烈。而单个电力企业要想在这种复杂的市场环境中取得优势，就必须要在发展过程中不断提高自身技术水平。如果能够将大数据技术充分应用到电力企业的各项业务中，就可以更好的处理企业业务发展中的各类数据，并对电力大数据信息进行必要的预测，真正的变革整个电力系统的管理模式。但就当前的实际现状来看，大数据技术在我国大部分电力企业中的应用水平都非常有限，并没有充分发挥其价值。之所以出现这种情况，就是因为一些电力企业没有明确大数据技术的应用前景，无法将大数据技术跟电力系统各项活动融合在一起。在这种情况下，就有必要分析大数据在电力系统中的具体应用现状和应用前景。 1大数据概述 大数据作为一种新型的数据信息处理技术，能够通过对大量数据信息的选择和分析，进行整理、计算等，筛选出其中蕴含的规律，进而选取有价值的数据信息。大数据具有数量大、范围广、数据类型复杂多样、内容丰富、数据的来源可靠、数据处理时效高等优势，近年来在各个行业得到了普及和推广。 2大数据在电力系统中应用的重要意义大数据技术在我国电力系统中具有多个方面的应用意义，能够促进我国电力系统的稳定高效发展。一方面，大数据技术的应用能够解决我国电力系统对于数据收集和处理的困难。特别是目前我国电力系统运作过程中涉及到的电力设备不断变多，而每一种电力设备的数据结构类型也比较复杂。使用大数据技术能够更有效的处理这些数据信息。另一方面，大数据技术的使用也可以显著提高我国电力系统的技术层次，引入数据挖掘等各项先进技术，提高电力企业的技术层次。 3大数据目前对于电网存在的问题 3.1现有营销系统数据以及对客户的深度分析不够 现有营销技术支撑系统仅仅作为业务支撑体系，用于基础数据收集、运行数据计算工具，仅局限于正常的营销业务的处理，仅仅能够生成一些功能单一的固定报表数据。一个月使用一次，很难将相互孤立的数据与用户用电特征、电力使用环境等因素进行分析与关联，数据使用率低，造成了对客户的价值分析能力不足。随着社会进步与营销相关业务的发展，无论是数据采集，还是电费计算，电网营销数据每年的增长速度较快，数据完整性有很大提高，在数据真实性与及时性方面也有一定提高，但是目前营销系统、信息采集与PMS、供电可靠性等其他系统的信息匹配方面依然存在问题，还有这部分的数据不一致，不准确，造成了营销系统的数据更新压力很大，难以成为多方数据的共享平台，内部无法为公司决策层提供数据支撑，更不要说对客户的用电分析，难以为客户的深度分析提供有力支撑。 3.2没有形成专业的协同运作 造成大量数据形成了信息孤岛，没有真正达到信息的纵向集成与横向联合，没有专门的运转部门进行绩效考核与实际可靠有效的合并机制，多年来一直单轨运行，数据更新不及时，工作平台不共享，造成重复工作很多，难免形成数据疏漏，经常出现系统运行一段时间后，需要大量时间进行数据重新梳理，没有形成日常化更新运作，人员变动频繁，交接疏漏时有发生。 3.3数据量大，可靠性低 电力自动化系统在运行过程中会产生大量的数据，而不同的数据代表不同的信息，电力自动化系统是由许多的子系统构成，各个子系统的数据库中储存着相关的数据信息，整个系统中的数据量非常庞大，数据交叉现象时有发生，繁多的数据信息会在一定程度上影响和制约这个系统的数据信息的分析处理和数据的更新，随着存储数据的增多，出现问题的几率也越来越大，降低了数据处理的安全性和准确性，对系统的数据库进行统一管理，保证系统数据的唯一性势在必行。 4大数据在电力自动化系统中的具体应用 4.1电网基础建设的自动化与智能化 在当前我国国民经济不断发展的背景下，我国各个城市地区的现代化建设程度也快速加深，社会各个行业和人们日常生活中对于电力的需求也出现了显著增加。在这种发展趋势下，我国各个地区的电网基础建设项目也逐渐增多。而如果能够将大数据技术融入到电网基础建设项目中，就能够显著提高项目建设过程中的数据储存困难和信息处理效率不高等问题。这主要是因为大数据技术的应用能够最大程度的收集电网基础建设项目中的各类现场信息，并使用自动对比等可行性较强的数据挖掘技术来对现场产生的各类信息进行全面的分析，最终实现建设项目的智能化管理和自动化处理。 4.2基于大数据的电网运行可视化监控 在整个输变电网络中有大量的设备、及检测点，通过传感器实时从各设备上采集设备运行指标及输变电的电压、电流、负载状态监测指标等，通过大数量的实时处理平台进行数据提取、加工及整合，再通过可视化大屏实时展示各设备及监测点的运行，对于设备及检测点数据的异常及时预警，及时处理。同时将设备的运行数据及检修数据进行整理分析形成知识库，以此知识库通过大数据处理技术及数据挖掘进行设备生命周期预测、设备异常问题检修处理方法推荐、设备检修周期以可能问题预测，以及对电力设备资产管理、设备运检管理、设备技术管理、技改大修管理等的大数据支撑。 4.3大数据在故障预测中的应用
大数据时代：电力行业如何掘金
大数据时代：电力行业如何掘金 一、大数据顶层设计出台 国务院总理李克强8月19日主持召开国务院常务会议，通过《关于促进大数据发展的行动纲要》（下称《纲要》），这意味着大数据顶层设计出台，国家大数据战略成形，大数据产业有望成为新经济的重要引擎。 从流量到数据，是对整个互联网经济的重新定义和洗牌，两种思维分别是两代互联网经济的代表。 流量时代，互联网撬动的GDP约为3万亿元；而在经历了第一代互联网时期的爆发式增长后，BAT等互联网巨头的流量规模已经形成，变现方式的单一将导致流量变成一种相对廉价资源；数据思维时代，企业将从单纯追求“量”向追求“质”转变，大数据能够帮助企业从有限的流量中挖掘更大的价值；据推算，大数据有望撬动的GDP至少在万亿元量级，可比肩流量经济。 从应用层面来说，互联网金融、智能安防、智能医疗等各领域都已加入对于大数据的采集和分析。BAT等互联网龙头更是大数据经济的积极推进者，马云将数据比作互联网时代的石油，大数据从某种程度上已成为互联网经济的生产要素之一，并加速了线上线下的融合。 目前，所有传统行业都在积极借助大数据的力量，帮助企业实现转型。在电力行业，大数据已经被提升企业战略层面。大数据时代为电力行业带来了新的发展机遇，同时也提出了新的挑战。必须通过良好的大数据管理，切实提高电力生产、营销及电网运维等方面的管理水平。 二、电力行业数据量大、类型多、价值高 如仅从体量特征和技术范畴来讲，电力大数据是大数据在电力行业的聚焦和子集。但是，电力大数据不仅仅是技术进步，更是涉及整个电力系统在大数据时代发展理念、管理体制和技术路线等方面的重大变革，是下一代智能化电力系统在大数据时代下价值形态的跃升。 电力大数据的特征可以概括为3“V”、3“E”。其中3“V”分别是体量大（Volume）、类型多（Variety）和速度快（Velocity），3“E”分别是数据即能量（Energy）、数据即交互（Exchange）、数据即共情（Empathy）。 重塑电力核心价值和转变电力发展方式是电力大数据的两条核心主线。电力
浅谈大数据技术在电力系统中的应用
浅谈大数据技术在电力系统中的应用 发表时间：2019-07-08T11:56:48.010Z 来源：《电力设备》2019年第4期作者：赵辰 [导读] 摘要：电网的建设直接推动了电力行业的发展。 （内蒙古电力（集团）有限责任公司呼和浩特供电局内蒙古呼和浩特 010010） 摘要：电网的建设直接推动了电力行业的发展。电力行业的大数据不单单是指个人，以及企业的用电量，还包括在整个电网运行中所产出的数据，因为数据各不相同，根据这些数据筛选，探查和推测进而选出更有价值意义的信息。大数据的特点就是数量大类型多，范围比较广。电力行业大数据不仅指用户用电量的数据、电力企业的管理数据，还应该包括电网运行状态的数据和发电机组的数据，所以正确的处理大数据，能很好的提高行业的质量，在各行业中也得到了很好的推广。 关键词：大数据；电力系统；应用 1大数据技术在电力系统中的应用现状 （1）认知度不够。很多电力企业的高层管理对于大数据的认知还存在很大的普及性。不太了解大数据在全国自动化电力中起到的重要作用和存在的意义。另一个原因，大数据的引进需要人力和财力。需要专业的技术人员以及资金的投入，因为大数据的优势不能被摆在明面上来，导致了很多企业的不重视。再者，一些企业为节约成本购买的低配置的计算机等设备，大大减少了大数据的精准程度，在这个信息化管理时代，会直接导致数据处理的运行程度，设备使用出现各种故障，导致大数据的引进和接受。 （2）员工自身专业水平不够。员工综合素质不高，这是当下很多企业都面临的问题。大数据的运行以及分析管理，需要更专业的人员进行运作。但是现在很多员工不是对口专业，导致在工作上就会出现失误以及懈怠。因为自身的知识面不够，就导致该工作人员对于电力设备自动化运作中产生的大数据无法正确分析，或者在数据处理中对软件的运行感到束手无策，无法保证任务的完成。 （3）大数据的不稳定性。电力系统在运作中就会产生大量的数据，全网信息时代，各种电力产生的数据加起来是非常庞大的。但是，每种数据的产生代表的信息也就不同。这个就需要数据分析统一管理。这样的话，整体的数据库中数据会导致碰撞，导致了问题的出现，从而也降低了数据的精准性。所以庞大的储存空间，数据库的统一管理，是保证大数据准确性的必要选择。 2电力系统大数据如何应用 （1）大数据在可视化监控的电网运用：整个电网，大量的设备在传输，整理，发电运作中会通过传感器去采集各种电流、电压等数据，在通过实时处理进行数据的整合以及提取。并且通过可视化大屏实时监测设备运行状态，这样设备出现故障问题能从数据库中分析出来，并参考出相应处理方法。 （2）故障预测中大数据的应用：大数据系统现在分为主站和子站，主站用来收集各个子站提供的分析结果，收集到之后进一步的进行分析和处理。而子站就是用来收集各种数据并且进行分析提供给主站。这样在庞大的数据库中，就大大减少了一些无用的数据。比以往传统模式的电力故障检测提高了效率和质的保证。 （3）互联网中电力大数据的应用：当下互联网信息的全民覆盖，推动了信息产品加快发展。移动设备的普及使用，加大了信息量的传播也加大了大数据的合理使用。同时为高层管理提供更方便有利的条件，随时随地掌握企业的运行，及时作出决策。并且对于报警系统也提供了大量的便利，通过数据进行预警，向移动端传输消息。 3数据挖掘在电力系统中的应用效果 （1）降低电力检修成本。电力设备的检修分为日常巡检和故障检修。日常巡检主要靠巡检人员定期查看设备完成，存在的问题是不同的巡检人员对设备运行状态认识存在差异，可能导致浪费了人力，却没有起到设备巡检预期效果。现阶段，针对电力设备的检修故障主要由设备老化及意外故障两种情况，设备老化的检修主要检修人员利用自身的专业技能及专业知识对设备进行报废年限的判断，这样的判断具有不确定性，从而导致设备或人员的资源浪费；针对意外故障的检修，主要是利用监控系统对故障进行发展，并且及时对其进行处理，避免设备更大问题的出现。 （2）加强电力系统的调度运行。随着经济的发展，对电能的需求日益增长，电力系统经济调度是保证电力系统更好的利用能源的保证。在电力系统中加强对数据挖掘技术的应用，有利于电力调度工作的正常运行。电力调度工作能够实时监控电厂、电力设备及变电站等多个环节内容，同时还能够加强对信息的预测工作，从而确保电力生产决策的正确决定，稳定电力系统的健康发展。传统的调度算法是基于负荷需求和系统稳定的最优化问题，实际中，要找到合适的模型评价系统的稳定性非常的困难，而通过利用数据挖掘技术，能够对数据的潜在信息进行分析，从而寻找到适合电厂调度工作高效运行的模块系统。 （3）提高电网企业的营销能力。由于信息资源是电力企业发展的重要前提，而数据挖掘技术能够为电力企业提供一定的信息资源，所以加强电力系统中的数据挖掘技术能够有效的提高电网企业的营销能力。电网营销包括客户关系管理、市场管理、电能信息实时采集与监控、电能计量管理、计费与营销账务管理、客户服务等方面。利用数据挖掘可以对客户实现更多的现代化服务，其中针对客户关系主要实现了对咨询、查询、用电检查等服务过程的改善，从而实现对电力系统服务质量与服务效率的提高；营销账务实现优化整合电价及电费抄核收管理流程，降低电费管理运营风险，提高电价电费管理的整体绩效和资金的规模化效益；利用数据挖掘技术加强对电能信息的实时采集与分析，从而加强供电侧、销售侧及购电侧三个方面的信息交流工作，促使供、售、购三个环节信息的统一管理工作等。 4大数据技术的应用前景 （1）大数据将改变发电能源供给方式。风电、太阳能、包括微网的分布式能源接入，这些都是与前端用户用电行为是密切相关的，由于目前还没有低成本高效率的储能系统，因此如何分配这些能源，怎样与现有配电网很好的结合就需要大数据技术的支持，以此来构成大的、分布式能源，要知道风电和太阳能等都是不确定性能源，对电网冲击还是很大的。譬如对风电准确的预测等。以此来改变能源结构，改善环境。 （2）大数据技术是我国电网未来发展的重要基础。未来大数据技术将贯穿整个电力产业，电力行业蕴藏着巨大的数据资源，同时也曾现出数据价值的需求，发达国家已经开始在电力领域着手相关数据的研究工作，如IBM给出了其利用智能和科学的智慧电力解决方案，如管理及优化企业停电计划的智能停电管理系统，帮助电网企业优化建设改造投资计划的智能电网评估与投资优化决策系统，可智能感知电网实时运行状态并辅助监管人员决策的电网状态智能感知与报警系统等。这些都为我国今后电网发展提供了借鉴。 （3）电力行业的“大数据”分析研究。“大数据的潜在价值，在物联网、智能电网高度发达的时候，电力大数据的落点在于质量检修的
智能化电网大数据平台与关键技术研究
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。
电力行业数据中心建设方案
电力行业数据中心建设方案 基于本方案，将建立一个标准化的数据存储备份中心，使用存储区域网(SAN)为数据中心提供一个强健的集中存储平台，在为关键应用提供集中存储空间外，关键应用系统能够处于安全的数据备份系统保护之中。 “电力供应的安全稳定，是电力部门的首要目标。在计算机设备不断进入电力行业的今天，电力系统数据存储的稳定和安全，成为保障电力系统稳定运行的重要条件。银兴科技针对电力系统数据安全要求高，数据分布比较分散等特点，推出电力系统解决方案，满足电力部门数据存储的需要…” 方案背景 基于本方案，将建立一个标准化的数据存储备份中心，使用存储区域网(SAN)为数据中心提供一个强健的集中存储平台，在为关键应用提供集中存储空间外，关键应用系统能够处于安全的数据备份系统保护之中。同时，在数据中心机房以外的地方建立容灾系统，从而有效的避免自然灾害、供电问题、人为因素、病毒等各方面的破坏，像2008年初的这种突然雪灾是灾难性的，对电力的安全提出了更高的要求，所以我们要确保信息资源安全。 电力行业可以分成电厂和电网两类，它们在存储方面有着各自不同的需求。例如对于电厂而言，它的资产管理和资产维护非常重要，相对来说，电厂在财务和人事方面的管理就简单一些。所以对于存储就会产生不同的需求。对于电网而言，则不仅仅是维护好现有资产，更重要的是把生产出来的电供给社会，并转换为经济效益。以前，电网只管发电，然后由国家制定价钱。现在则不同，电网需要进行企业化运作，高效率地供电，同时自身获取最大的收益。那么如何解决这些问题，以满足电网和电厂的需求呢?那就是要实现电力相关业务的信息化。其实，银兴科技公司倡导的信息生命周期管理战略可以帮助电网和电厂企业解决上述的问题，助其信息化一臂之力。众所周知，存储领域最重要的技术包括数据存储的备份、容灾和虚拟存储等。银兴科技的存储产品从高端的Infortrend EonStor FC to FC及SAS 系列到中端的SAS to SATA，IP存储覆盖各个不同的需求阶段。银兴科技因而能够为客户提供完整全面的、安全性高、简易方便的解决方案。 综合来看，银兴科技可以帮助电力客户量身定做网络解决方案，降低总拥有成本，降低管理风险，并建立适合的、可扩展的、简化易操作的存储网络。 电力行业分析 电力系统是信息化建设比较彻底的行业之一，电力系统信息化包含的业务齐全，已渗透到电力生产、管理的各个角落。电力系统信息化包括以下功能： 1、电力生产及电力市场的支持系统 2、各种电力MIS 业务 3、客户管理 4、视频监控 5、EMS 备品备件管理 6、电子商务(e-Commerce) 7、网络交互业务 8、内联网数据交换中心(IXC) 9、Internet 访问等新型服务。 电力系统对存储的要求： 因为电力系统的稳定性影响到整个国家的生产, 工作和日常生活. 可以说稳定性是电力系统最重要的部分： 高可用性HA(SILVER HAPlus Cluster)
电力大数据资料
“大数据”为电力企业带来什么 以更准确的分析预测，为智能电网与新能源发展提供决策依据 “大数据”这个词是最近的新热点，《纽约时报》甚至宣称“大数据时代降临了”，随着这个词的频频曝光，它的商业价值也逐渐凸显，“大数据”已然成为众多世界500强企业追捧的对象，意昂（E.ON）等多家超大型国际电力能源集团已宣布牵手“大数据”。那么，“大数据”究竟会给电力企业的未来发展带来什么启示呢？ “大数据”的核心：更准确地预测 “大数据”源自英文bigdata，对这个概念的解释千差万别，美国学者舍恩伯格在他的专著《大数据时代》中解释说：“大数据，就是我们可以在更大规模的数据上，做到更多我们无法在小规模数据基础上完成的事情。” 他认为，“大数据”的核心就是对庞杂的超大规模数据资料进行分析，从而可以更准确地预测，这必然引发商业变革。以欧洲快销时尚品牌ZARA为例，该公司通过对消费者登录网店的数据进行分析，找出最受欢迎的产品，作为实体店的推荐参考，果然效果很好。并在实体店及网店中不停地收集消费者反馈：“我喜欢这个图案”、“我讨厌这个扣子”等，所有消息都通过销售经理反馈给数据处理中心，最终各方信息都将被分类处理，成为设计、生产、销售的指引。ZARA借此将销售收入提高了10%。 舍恩伯格在《大数据时代》一书中提出了一个非常具有颠覆性的观点：通过对庞大数据分析知道“是什么”就够了，不必再去追问“为什么”，就好像ZARA只需通过“大数据”分析了解什么款式最受欢迎，不必再花精力去研究消费者为什么喜欢。这个观点对于企业管理者来说，尤为重要。 需要专业化的数据处理机构 意昂集团（E.ON），欧洲最大的电力集团公司之一，兼营石油、贸易、运输等业务，2 012年在世界500强榜单上排名第16位，英、德等30多个国家的电网与发电企业都属于该集团旗下资产，用户数量超过2600万人。今年4月，该集团宣布携手瑞典爱立信（Er-ics son）公司探索“大数据”。 爱立信将向意昂集团出售相应的电网应用设备和软件，用来将意昂旗下电网的数据传输量提高3000%，可见这家电力企业在未来对数据的依赖。爱立信将帮助意昂对这些数据进行管理和分析，从而为企业经营服务。这次“大数据”合作主要集中在瑞典电网，意昂在瑞典大约拥有60万块智能电表。
浅析电力系统大数据的应用
浅析电力系统大数据的应用 发表时间：2019-03-14T10:41:47.537Z 来源：《电力设备》2018年第28期作者：雍茹艳俞贤文于方夏玉柱 [导读] 摘要：由于国家经济实力的不断增长，我们逐步迈入数字信息化的新的时代，信息化时代顾名思义，社会中的信息量也是爆炸增长。 (国网中卫供电公司宁夏中卫 755000) 摘要：由于国家经济实力的不断增长，我们逐步迈入数字信息化的新的时代，信息化时代顾名思义，社会中的信息量也是爆炸增长。人们在信息高速发展的时代，享受着这些信息所带来的第一手资源和便捷时，从而使全球信息资源的发展趋势正向着一个曾未预见的态势快速增长。社会在发展进步的过程中离不开人才的支持和技术的应用，电力系统对于整个社会的运行都具有积极的作用。电力系统在运行中为了提升效率，在很多环节中应用了大数据技术。大数据技术应用，包括发电环节、监测环节以及管理环节等。电力系统通过运用大数据技术，分析消费者的用电行为，可以帮助消费者更好的对自身的用电行为进行调整，合理规划电力的使用，提升资源的利用效率。 关键词：电力系统；大数据；应用；分析 1导言 大数据已成为国家基础性战略资源，运用大数据推动产业创新发展、培育新兴业态、助力经济转型正成为趋势。电力是社会发展的重要基础。电力大数据综合了电力企业的生产、运营和管理数据。充分利用电力大数据将有助于全面推动电网向更安全、可靠、高效、经济、清洁、互动的现代能源互联网转变，有利于提高电力企业管理水平和运营效率，实现企业价值增长模式转型。研究和应用电力大数据也是提质增效、推动电网发展方式和公司发展方式转变的迫切要求。 2电力大数据技术的相关概述 2.1大数据的定义 大数据本质上是数据组，数据数量比较多，数据来源范围广泛，因此具有很强的针对性。大数据的范围不仅包括传统意义上的数据信息，还包括图形以及声音等新型数据类型。广泛的数据来源使得利用大数据得出的计算结果更具有代表性。大数据是时代发展的结晶，并依赖于一些电子产品，包括计算机、传感器等，正是通过这些工具的运用，提升了数据的传递速度。 2.2电力大数据的来源及分类 电力大数据的来源比较广泛，包括采集系统、管理系统以及监测系统，采集系统主要是对数据进行收集整理，是其他系统运行的基础。管理系统是电力系统的核心，管理系统是对采集系统收集而来的数据进行处理分析，从而了解电力系统的运行情况。监测系统是对电力系统的运行进行监测，及时排除电力系统运行中存在的不稳定因素，为电力系统的运行提供一个良好的环境。电力大数据可以分为三类，分别为运行数据、管理数据以及客户数据，这些数据之间具有一定的联系。运行数据主要涵盖的范围是电力系统的运行环节，包括发电、配电以及输电等，管理数据主要是对电力系统运行过程中的人力以及物力资源进行管理。客户数据是指客户的电力行为，包括用电量、用电高峰期等。另外根据数据来源可以将电力大数据分为内部数据和外部数据两种。内部数据是电力系统运行中的各种数据。外部数据则是通过外部获取的数据。虽然通过不同的分类标准可以将电力大数据分为不同的形式，但是无论是何种形式的数据，都对电力系统工作的开展具有重要的影响。 3电力系统中的主要数据类型 3.1基础类数据 该类型数据是指与变压器、发电机等电力设施设备属性相关的基础数据。电力企业要根据自身实际情况，规划和管理基础类数据，并在电力系统中同步更新数据，确保调度中心掌握最新数据，并根据最新数据作为正确决策。同时，还要集中存储、整理这些数据，避免数据丢失。 3.2实时数据 该类型数据产生于电力系统运行的全过程中，其数据量十分庞大，要求配备大容量的存储空间。实时数据能够如实反映电力系统运行状况，通过对实时数据进行纠错处理，可进一步提升实时数据的使用价值，为调度部门决策提供依据。在现阶段的电力系统中，无需对实时数据进行再处理，而只需将稳定接口建立在数据输入与输出过程中。 3.3日常管理数据 该类型数据是各部门统计电力系统运行中产生的各类数据，以及在处理完问题后形成的数据信息。在电力系统中，日常管理数据会在特定范围内自动生成，并在电力系统建立的数据同步与共享平台上进行共享。通过对日常管理数据的共享，可如实反映出电力设施设备是否处于正常运行状态，同时还能便于电力各部门获取所需数据信息，为本部门工作的有序开展提供依据。 4电力大数据应用分析 4.1在电力规划中大数据的智能化应用 近年来配网规划业务的涵盖面不断外延，TB级数据得以不断积累，因此电力数据的采集、分析和处理面临更高的标准。除此之外电力规划中大数据技术还具备以下用途：一是预测空间负荷。根据电力网中小区的整个面积、行业的建筑或占地面积负荷密度、用地类型、容积率，小区目标年占地或建筑面积、总的或者行业负荷值等数值，进一步预测远景年电量负荷。二是预测用电量。以曾经大量的电量数据为基础，以及历史人口、三产比例、历史国民经济数据、规划区域面积等变化情况，预测一定区域内的用电量，并将电量数据作为下一步规划的基础。三是对多项指标进行关联分析。从不同的局外系统例如GIS，采集所需要数据的时间一致性切片，然后进一步分析利用，最后实现规划设计的要求。 4.2电力建设中大数据的有效管理 电力系统基本每年在大建设管理应用方面的项目多达3000，但本身受到数据储存、处理能力的限制，在进行项目管理时只允许储蓄较少的建设现场的相关信息。而且仅限图片，视频不合要求，因此系统管理人员不能系统深入的了解项目的各个细节，而且不具备决策应用支持和自动化的分析，管理人员也不能有效的利用这些数据。在“大建设”基建系统中，想要充分利用大数据技术必须注意以下几个方面：一是电力系统非结构化数据的储存能力要不断提升；二是项目管理的准确性需要不断提升；三是现场信息收集频率和范围要不断扩大；充分
电力系统大数据平台的数据分析与研究
电力系统大数据平台的数据分析与研究 发表时间：2017-11-03T15:46:05.833Z 来源：《电力设备》2017年第18期作者：王英楠代东旭宋楠 [导读] 摘要：经过近年的发展，数据挖掘已经形成了很成熟的理论，应用也渗透到各个领域。在最近多年来，随着计算机技术和网络技术的飞速发展，人们面临的数据量呈现指数增长，传统数据采集的方法和技术面临巨大困难，如何将来自于大量原始数据的重要内容从中挖掘出来，已经成为一个亟待解决的重要课题。在电力行业，随着电力业务体系应用智能化、自动化技术的深入和普及，电力数据的数据分析、测试、仿真等应用需求与时俱增，数据挖掘技术 （国网辽宁省电力有限公司本溪供电公司辽宁本溪 117000） 摘要：经过近年的发展，数据挖掘已经形成了很成熟的理论，应用也渗透到各个领域。在最近多年来，随着计算机技术和网络技术的飞速发展，人们面临的数据量呈现指数增长，传统数据采集的方法和技术面临巨大困难，如何将来自于大量原始数据的重要内容从中挖掘出来，已经成为一个亟待解决的重要课题。在电力行业，随着电力业务体系应用智能化、自动化技术的深入和普及，电力数据的数据分析、测试、仿真等应用需求与时俱增，数据挖掘技术与大数据分析的结合已成为电力系统高效发展、稳定运行的有效智能保障。 关键字：信息大数据平台；数据分析 1、电力系统数据分析现状 近年来，全球能源市场发展迅速，全球电网规模日益增大，数据量也呈现爆发式增长。于此同时，大数据技术也随之悄然发展，并进入了技术成熟的阶段。与之相伴的深度机器学习甚至人工智能相关技术都得到了长足发展，整个大数据技术呈现蒸蒸日上的形式，并落地生根到了各行各业，电力行业也不例外。随着大数据技术在电力行业得到应用，电力大数据的概念被提出，并开始被电力行业相关从业人员及科研人员开始研究。 随着智能电网的不断建成，电力系统的数据种类、数据量、数据复杂度都在爆发式增长，电力系统的数据存储管理已然面临具体挑战，对电力系统的数据的价值挖掘就更有大量技术研究工作有待开展。目前的电力系统运行数据主要集中于各变电站、电网地放调度和电网省调中心中，其中电网省调中心存储的数据种类和数量都最多，并且能够通过访问地放调度数据，从而实现电网内部共享电力系统数据。但目前的电网省调中心内部的监控运行系统，仅实现自身业务需求就以达到其性能瓶颈，对电力系统运行产生的数据一般只作存储记录和简单的统计工作，并不再对数据进行更深入的价值挖掘。目前，如果电力系统的工作人员想对电力系统数据进行数据计算和分析，往往只能通过将数据导出至离线存储，再进行分析和计算。 2、电力系统信息大数据平台研究意义 随着我国制造业的快速发展，电力网络发展迅猛、规模庞大，大量电力系统运行设备所处地理环境分布广泛、环境恶劣，由此引发的各类故障、事故已严重威胁着电网、电力信息网络的安全运行。根据大数据监测数据，对电力系统的区域性状况进行分析评估，充分挖掘监测数据的潜在规律，是电力系统安全防范的重要手段。通过现代电力大数据技术，对监测数据进行科学有效的分析，可以为变电站及线路的清洗策略及新站点和线路选址提供科学的方案参考，从而提升电力系统安全运行能力，降低系统运行人力、物力、财力成本，为电力系统运行环境评估提供可靠的分析评估。 伴随着大数据技术的发展，大数据分析计算平台也被提出和研发，不同于传统的计算统计分析软件，大数据分析计算平台支持更多种类的数据输入、更复杂的数据分析算法，从而跳出传统的数据计算分析软件的局限，提供更强大的数据计算分析能力。 3、总体结构： 在架构设计上，平台采用松耦合架构设计，以元数据驱动各模块进行数据的处理。满足海量多源异构数据的批量采集，实现数据批量离线存储和处理、内存计算等需求，采用体系化分布式并行处理框架，实现数据的高效和流程化处理。平台实现多层架构松耦合：数据源层、数据采集层、存储与处理层、应用层。平台分多个子系统并实现模块化，内部各层各模块间实现标准化的接口和集成模式，与外部系统集成在安全可控状态下采用开放式的集成接口。 分布式电力大数据分析计算平台总体功能模块可分为两个部分，分布式数据存储管理及计算模块和系统业务逻辑功能实现模块，模块也可以物理地分为平台前端模块和平台后端服务模块。在后端模块中，包含了业务计算核心模块和业务支持模块及数据存储及访问管理模块。在前端模块中，主要包括平台业务支持基础模块、计算核心业务模块和电力大数据定制分析计算支持模块。 在传统的电力监测数据分析中，需要处理的数据量很有限，而且这些数据是通过随机采样得到的，并不是全体数据或是较为完整的数据。因此为了能够准确发掘出数据中隐含的信息，需要通过一整套严格的数学计算输出结果。这包括了数据的统计归纳，样本分析，建立理论模型，多次验证等一系列步骤，需要时间很长，资源也很多。但在电力设备状态监测数据急速增长的当下，传统的数据处理方式显然难以应对。新时代的智能电力系统需要一种高效、快速的数据分析系统，为电力设备的可靠经济运行提供参考。相关性分析是一种快速、简单的数据分析方法。这种方法能够用较为简单的算法，在海量的数据中发掘出它们之间的相关关系。相关性分析不仅计算环节简练，而且它的分析是基于数据驱动的，不会受到已有概念、模型的束缚，更容易发现新的信息。 4、信息大数据平台的关键技术 基于以上对面向大数据的电力设备状态监测、架构的分析，提出典型的大数据信息聚合方式的大数据分析系统。该应用系统包括了数据的采集、传输、转化、存储、聚合、发布，是一个完整的电力监测釆集、分析、发布式的大数据分析体系。现有的电力设备状态监测系统都是釆用设备的某一类信息来进行设备状态估计的，但在电力大数据时代，数据采集节点数量和种类都在快速的增加，状态监测系统的底层会连续不断上传多源、异构、巨量的数据。如果还是依照传统的状态监测系统的数据处理方法，不但会使处理速度的大幅降低，还会导致设备状态判断的错误。因此按数据的不同类别将状态监测量分成电气量、状态量、过程量三类，分类釆集是很有必要的。三类传感器釆集三类数据首先在低层次的数据节点实现对原始数据的分类、预处理和数据级的数据融合。经过预处理的三类数据和数据级聚合得到的信息通过数据传输网络，将初步处理的数据上传到通信控制器，完成数据的规约转化、介质转化、简单的特征提取和数据存储。通信控制器再通过以太网等方式，将数据上传到信息聚合大数据平台，实现信息级的聚合和决策级的聚合。 5、结语： 智能电网及大数据技术的发展，本文提出了一种分布式电力大数据计算分析平台，旨在为新的电力系统数据中心提供一套完整的功能
大型数据中心供配电系统设计分析
龙源期刊网 https://www.360docs.net/doc/068321744.html, 大型数据中心供配电系统设计分析 作者：方来留 来源：《中国科技博览》2016年第16期 [摘要]大型数据中心在运行的过程中出现的主机停止运行故障和电源系统应用本身之间存在密切的关联。为了充分保证大型数据中心供电配电系统应用的安全、可靠、稳定，需要有关人员严格参照相关规范来对大型数据中心配电系统进行详细的规划和安排。文章在阐述大型数据中心对供电配电系统要求和设计具体方法的基础上指出数据中心配电系统需要根据不同用电、供电需要，在供电电源、供电系统安排和供电配电系统结构形式等方面采用相应的系统设计技术措施，从而在电力系统应用的同时尽可能地节省电能。 [关键词]大型数据中心；配电供电系统；设计 中图分类号：TN9874 文献标识码：A 文章编号：1009-914X（2016）16-0020-01 近几年，在计算机技术、网络技术的快速发展下，各个事业单位对信息的需求增加，由此加快了大型数据中心的建设。大型数据中心能够批量管理和存储数据信息资源，从而为企业、事业单位的发展提供全方位的信息服务。同时，大型数据中心的形成也进一步提升了数据信息应用的安全性、有效性，在某种程度上为云计算和虚拟化技术的发展应用奠定了硬件基础设施的支持。由此可见，大型数据中心供配电系统设计是十分必要的，文章对此进行分析。 一、大型数据中心供配电系统设计的原则 大型数据中心供电配电系统的设计需要依照国家和相关行业标准进行，并要充分考虑大型数据中心用电负荷密度较大、供电要求可靠性强的问题，根据实际选择适合的供配电技术措施。大型数据中心供电配电系统的设计需要遵循分区、分级的原则，在同一个功能区域内保证各个数据设备供电的稳定可靠，同时要将大型数据配电供电系统故障的局部影响控制在最小的范围内。 二、大型数据中心供配电的用电负荷 大型数据中心供配电的用电负荷可以分为两个层次，包含UPS负荷的输出和系统变配电负荷。其中，大型数据中心变配电系统负荷UPS设计的依据是UPS负荷的输出。 （一） UPS负荷的输出的统计 在系统负荷设备明确的情况下，UPS负荷的输出的统计按照设备的数据信息统计。具体的负荷不明确的情况下，需要根据设备机柜能够平均产生的负荷来进行统计计算。如果大型数据中心设备机柜的数量不明确，可以根据机房的实际面积来计算和估计平均负荷。
大数据在电力系统中的应用 詹先鹏
大数据在电力系统中的应用詹先鹏 发表时间：2018-07-02T11:48:11.347Z 来源：《电力设备》2018年第9期作者：詹先鹏 [导读] 摘要：近年来，移动应用技术的不断完善，使得基础设施越来越多。 （国网朔州供电公司山西 036002） 摘要：近年来，移动应用技术的不断完善，使得基础设施越来越多。电力企业的快速发展，使得不同类型的智能终端、移动业务被推广，这在一定程度上加速了互联网时代发展步伐。大数据技术背景下，如何做好电力系统信息正常运行和安全防护工作，为电力企业当前首要需解决的问题。因为只有确保电气系统信息的安全，才能为广大用户提供更加稳定、安全的网络环境，降低对人们所构成的损失，推动电力企业的良好发展，提高企业的经济效益、工作效率。 关键词：大数据技术；电力系统；信息安全防护 在我国的电力行业，电网技术朝着更加智能的方向发展，随着“物联网”、“大数据”“互联网+”等新概念的不断提出，电力企业迎来了新的发展机遇与挑战。作为科技创新的主攻方向之一，国家电网、南方电网等电力公司在智能电网、电力信息与通讯及网络安全、用电能效与环境保护等多领域方面开展了关于大数据的研究与应用。面对海量数据，如何选择合理的方法把它们充分利用起来，成为人们普遍关注的问题。在电力系统中应用大数据技术，需要在多角度、全方位上改革现有业务模式和运行模式，需要建立一个完善的电力系统大数据平台。 1电力系统中大数据特点 随着人们从更深层次对大数据进行认识与理解，加之考虑到电力公司的业务要求和数据状况，在电力系统中应用大数据技术，旨在通过挖掘数据价值，对未来业务趋势进行有效预测，同时整合数据的计算、存储、集成管理等功能，从而创造出适应当前和未来发展趋势的新型业务管理模式。在电力系统中应用大数据就是，有利于促进企业业务发展、有效提升企业内部的管理水平。在电力系统中，大数据表现为以下几个特征。第一，体量大。随着科学技术的发展和现代化水平的提高，我国电力企业逐渐朝着信息化发展，电力数据的增长比率远远超出人们的预期。第二，类型多。在电力系统中，数据包括多种类型，如半结构化数据、结构化数据、非结构化数据。非结构化数据是指那些不能用数据二维逻辑表描述的数据，如图片、影音等，需要对它们进行如图像识别、语音语义识别等处理后，转化为结构化数据，结构化数据是指那些可储存在数据库中、用二维逻辑表结构描述，而半结构化数据介于二者之间。随着电力行业在运行过程中不断加大视频的应用力度，使得音频和视频等非结构化数据的占比越来越重。第三，速度快。在这里主要指电力数据的采集、处理、分析速度越来越快。第四，电力大数据可以不受磨损、不受消耗、不受污染且易传输，还能在使用的过程中不断得到增值。第四，安全性。这一点要求保证数据质量，无论是收集、存储、调用、处理、分析等的哪一个环节，都必须保证数据的质量。整个电力系统的综合能力水平与系统的弱势环节息息相关，电力系统大数据的安全性也取决于最薄弱环节的数据质量。在建设电力系统应用大数据技术时，需要在各个环节上保证大数据的安全性。 2电力系统大数据概述 2.1电力大数据概念和特征 电力行业与民生息息相关，也涉及多个环节，包括输、变、售电、调度等，每个环节会产生大量的数据，这些数据被称作电力大数据。与大数据特征类似，电力大数据具有“5V”特征，即数量庞大、数据类型众多、数据处理速度快、数据准确和数据有价值。电力大数据中非结构化数据增长速度更快，数据类型不仅包括结构化数据，如负荷数据、变电站数据等，也包括大量的非结构化信息，如信息数据、资产管理信息等；为使电力决策符合安全要求，需严格保障数据的真实可靠，与社会经济和生产水平相切合；电力大数据可以反映系统性能，进行挖掘分析并为决策提供依据，因此具有实用价值。 2.2电力大数据技术 （1）存储部分。物联网技术可发现大量数据，也会出现新的数据格式，对于电力行业而言，传统的结构化数据存储方式已经不能满足要求，面对越来越多的非结构化数据，传统数据库存储容量受到限制，进行数据库集群搭建则会产生大量的成本消耗，不易于电力企业可持续发展。对此，需将大量的非结构化数据存储于低廉的硬件设备上，这就需要采用Hadoop大数据架构，既能完全解决上述问题，又无需考虑硬件配置性能导致的数据丢失问题，HDFS文件系统具冗余机制，一般会备份三份以免丢失，同时架构中也存在Hive、Hbase组件，共同完成存储工作。 （2）计算部分。需要利用Hadoop中的Map Reduce计算框架，还可辅助Spark分布式计算框架以进行分布式计算，完成对数据的去重、排序、单表或多表关联等操作。 （3）挖掘部分。数据挖掘技术就意味着分辨信息中的垃圾与黄金，其流程为数据准备、规律寻找和规律表示，其分析方法包括关联、聚类和演变分析等。对此，Hadoop中开发了Mahout功能，可用于频繁模式挖掘、协同过滤等操作，除此之外，许多开源软件和项目的开发使得机器学习算法增多，包括回归算法、高斯过程回归、最近邻居法等，需根据不同的数据特点选择恰当的算法。 （4）可视化。在智能电网数据下，需将大规模数据通过有限屏幕空间直观的呈现给用户，将大规模数据集进行分析提取，通过算法将其绘制为高精度、高分辨率的图片，在交互工具和视觉系统的帮助下完成数据处理。 3大数据在电力系统中的应用 3.1数据的存储、传送技术 随着电网的规模越来越大、相关电力设备数量越来越多，产生了越来越多的数据，给监控系统造成巨大负担。为了合理存储大量数据，可以选择不同的存储方式。如：对于历史数据和非结构化数据，可利用分布式文件系统进行存储，把不同类型的数据信息进行分类存储。对于存储要求较高的数据，可以使用数据库系统。对于那些核心、保密性的数据，可利用数据仓库系统。数据仓库技术包括三个部分，首先是数据抽取，即把需要的相关数据从数据源系统中抽取。其次是数据转换，即把抽取获得的数据，按照一定的要求转换成另一种形式，对存在错误、偏差的数据进行清洗、加工。最后是数据加载，即是把前面两个环节得到的数据进行加载，保存至数据源系统。 3.2数据处理技术 在电力系统中应用大数据技术，需要对采集的庞大数据进行分库、分区、分表等合理处理。分库处理即指以一定的处理原则为基础，提高数据库相关数据利用率。分区处理，即对不同文件的数据进行合理载入，尽可能减少大型表的压力，提高数据的访问性能。分表处