能源互联网大数据分析技术的研究

陈俊丽 张校磊 山西华澳商贸职业学院

能源互联网大数据分析技术的研究

陈俊丽 张校磊 山西华澳商贸职业学院

在能源互联网中，数据的分布尤为广泛，涉及的领域更多、对于计算与储备的要求也更高，因此采用大数据分析技术进行信息数据资源的整合是十分必要的。本文将针对大数据分析技术在能源互联网中的应用进行分析，以期为我国互联网的安全、可靠运行提供重要依据。

能源互联网 大数据分析技术 信息系统

1 大数据分析技术相关综述

1.1 概念

大数据分析是指对规模巨大的数据进行分析的过程，它的特点可以用4个V来概括，即数据量大（Volume）、类型繁多（Variety）、速度快（Velocity）以及价值密度低（Veracity）。大数据是当下最为火爆的IT代名词之一，单单依靠它发展出了附属产业就包括数据仓库、数据安全、数据分析、数据挖掘等等，实现了大数据分析的系统化与精准化，为互联网的发展创造了条件。

1.2 大数据分析的具体过程

1．2．1 大数据采集

大数据采集依赖于物联网与因特网技术，是指通过特定方式对大数据携带者进行信息的验证与储存的过程。大数据采集主要利用到识标、传感与数据集中技术，其中识标技术包括RFID、条形码、虹膜、指纹等生物特征识别等；传感功能指依靠嵌入式传感器形成传感网络，对运行状态的物品进行数据采集等等，常见的采集方式包括电气量、状态量、SCADA、WAMS等；而数据集中处理可使采集工作尽量在本地进行，不但减少了通信的消耗，还使得本地信息有效的集中，减少了信息的冗杂，提高了网络带宽利用频率。

1．2．2 大数据导入

该步骤是指将采集得来的信息数据导入到数据库中，使格式、标准能够与数据运算相匹配的过程。大数据存在数量大、种类多的特点，且由于受到天气及物理环境的影响，设备极容易产生老化或故障，因此在采集过程中难免会发生错误，因此必须要对数据信息进行预处理，恢复因恶劣环境导致的信息丢失，在此基础上进行降噪处理，从而实现对数据的清洗。

1．2．3 大数据统计分析

大数据的统计与分析主要包括分类、聚类以及关联等，按照时间轴分布也可分为离线计算、批量计算、内存计算以及流计算等。关联分析是数据分析的主要方法之一，主要用于分析支持度与置信度挖掘对象间的关联关系，此外，常用的数据算法还包括邻近算法、Boost树分类、神经网络等等。

2 能源互联网大数据分析技术

2.1 大数据处理平台

云计算是一种基于互联网技术的一项计算方法，它能够很好的实现大规模数据的处理、传输与存储等。云计算平台能够使计算资源与物理资源虚拟化。在此基础上对资源进行动态的分配与调用，最大限度的提升了计算能力，且运行成本低、安全性能高，近年来十分受互联网相关行业的欢迎。

流计算是针对不断产生的新数据进行处理的一项新技术，它包含着随到随处理的特点，且无需进行后续存储，极大的节省了储蓄空间，也提升了数据计算处理的速度。

大数据处理平台还设置了数据可视化功能，通过将数据转化为图像的形式，使数据处理实现视觉上的突破，完成了向计算机辅助设计、图像处理等多个领域的延伸，进而成为研究数据处理、决策分析等一系列问题的综合技术。常见的数据可视化技术包括GIS技术、GPS技术等等。

2.2 大数据分析算法

分布式聚类算法则是针对故障状态的数据库进行的一种算法。通过对故障设备的状态数据进行聚类，使正常状态与故障状态的数据相分离，并划分为不同的簇，聚类以样本间的相似度为基础，通过曼哈顿距离、欧式距离等不同的距离计算方法实现对数据的计算，该种计算方法实现了分布式与迭代计算的结合，极大的节省了计算时间。

3 能源互联网大数据分析技术的应用

3.1 负荷建模

传统的电网中，负荷的辨识是一大难题，电网系统缺乏有效的检测设备，致使采集的数据可信度不高，一旦负荷问题得不到解决，很有可能影响到电力设备的持续性运作，降低系统的运行效率。负荷建模是针对电力系统的一项负荷数据分析模块，随着大数据与云平台的结合，负荷建模的应用性能也得到了明显的提升，它能够实现对负荷参数的精确估算，提升数据品质，加快采样频率等。

3.2 负荷预测

传统的负荷预测受到能力的限制，难以得到有用的结果，加之计算过程的不准确，导致负荷的相关工作长期被搁置，严重的影响到了电网的运输与调度。负荷预测是建模工作的重要前提，它适用于各种突发情况，且计算误差小，迎合了云平台主机负荷短时波动的特点，在实际应用中效果十分显著。

3.3 状态评估

状态评估主要是对状态进行分类确定，以检测系统的稳定性能的过程，它是电力系统正常运作的重要保障，在电网运输的过程中，每一个监测点都需要进行相应的时间分析、序列分析、运行状态分析等等，且节点越多，采集的频率越高，计算任务越重，因此需要大数据分析技术的帮助。电力系统的评估主要围绕电能质量、故障恢复以及安全性能展开，通过对不同运输状态下的电力系统进行分析，了解其内部存在的问题，找出安全隐患，并提升相应的自愈控制技术，进一步加强电网的稳定性。

3.4 质量检测

电能的质量决定了用户的体验满意度，这对于电网系统未来的发展是十分重要的，因此加强对电力系统的质量监控与检测是电网发展的重中之重。电网的输电质量以电能单位来衡量，例如有功、无功、谐波、频率等，随着电能设备的完善，分布式电源越来越多的插入到配电网中，无形之中为电能的运输带来质量问题，为了解决传统电网计算精度不足的问题，就需要提高采集点的数量与采集数据的频率，切实的关注电力运输动向，对于电压暂降等问题及时的进行处理，实现对大数据精确的计算，从而满足用户对于电力灵活性的要求。

3.5 系统安全

安全是电力生产最基本要求，它贯穿于整个电力网络。大数据分析技术在能源互联网的基础上，建立安全系数估值模型，根据智能电网的安全需求制定相应的管理方法，将集中控制与分散协作相结合，促进控制系统与信息数据库的紧密耦合，从而提升了对电网安全的规模化管理。在故障定位方面，大数据分析技术实现了与传统技术的结合，对于错误数据的辨识更加敏感，对定位的精确度要求更高，例如人工神经网络、遗传算法等都能够实现对电网复杂结构的协同，降低定位的时间与技术消耗。

此外，将态势感知技术应用于电力系统中，可以进一步加强对网络安全的感应，提升电力系统的控制力度，为电网的自动化及半自动化发展创造了条件。随着电网监测节点的暴增，态势感应对大数据分析技术的使用也成为了发展的必然结果。

4 结束语

综上所述，随着科学技术的发展，大数据技术逐渐渗透到电网系统中，取代传统的信息管理方法，转化电网能源结构，实现我国电力事业的新成长，但由于大数据技术仍然处于研发过程中，其自身仍存在诸多问题，如数据收集与处理工作量大、计算方法较为复杂等等，因此必须加大对大数据分析技术的研究与改进力度，使其能够更加适用于能源互联网中，从而促进我国能源结构的进一步优化，为我国电网事业的发展提供有力的契机。

[1]曹军威,袁仲达,明阳阳,等. 能源互联网大数据分析技术综述[J]. 南方电网技术,2015,9(11):1-12.

[2]张东霞,邱才明,王晓蓉,等. 全球能源互联网中的大数据应用研究[J]. 电力信息与通信技术,2016,14(03):20-24.

[3]杨佩,蔡皓,裘洪彬,等. 面向能源互联网的大数据关键技术研究[J]. 电力信息与通信技术,2016,14(04):9-12.