电力行业中的大数据技术应用研究-精品文档.docx

《电力行业中的大数据技术应用研究-精品文档.docx》由会员分享，可在线阅读，更多相关《电力行业中的大数据技术应用研究-精品文档.docx（7页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、电力行业中的大数据技术应用研究近几年，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能够到达以上目的，也是现阶段我国电力行业研究的主要内容之一。因而，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宏大，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。

2、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步降低，因而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，大致能够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，能够完成大规模数据存储要求，并且能够保证数据存储吞吐率，降低存储中的数据故障。详细存储内容能够大概情况为下面几种：1数据存储基本道路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

3、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。固然大数据技术在实际应用经过中，数据存储效果良好，但是仍然存在一定的局限性，详细内容为：1当下技术手段固然能够建立起一个稳定的数据构造，但是建立的数据构造较为单一，并不能支持复杂数据构造建立。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构造承载力。3数据存储经过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步增加，为保证各类数据信息能够正常应用以及分析，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

4、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扼要阐述。追日志迁移方法的应用大致能够分为五个步骤，详细能够总结为下面内容：1服务将会进行升级，并且记录明晰库上的数据修改内容，这些内容便是数据的日志，记录不需特别详尽。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一样，能够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，因而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

5、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。实际应用形式能够总结为下面内容：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，这样就能

6、够通过实时检测，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详细原因。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到达融合，相比于传统电力管理工作而言，愈加高效合理，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能够顺利完成。以上作业形式能够看做是一种电力客户分析，在分析经过中又能够到达电力用户的细分，能够帮助电力企业愈加直观的了解电力客户，这样就能够做到差异性服务，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，既能够根据部门方法进行划分，可以以根据用电目的进行划分，或者是根据用电数量进行划分。以上划分方法大多都属于

7、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，这也是实际应用经过中，固然能够进行应用，但是最终获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，结合电力用户详细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到达了1000万级

8、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愈加精准，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，窃电技术逐步完善并且应用范围逐步扩大，此种背景下，想要单单依靠现场检测，进行窃电排查无法到达目的，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，而得出数据波动的根据便是大数据技术的应用。大数据技术在实际应用经过当中，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，比照智慧库中的标准数据，这样就能够实习对电力系统的全面检测，促使检测工作逐步智能化。2.3电网负荷预

9、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。也正是由于此种原因，现阶段的电力建设特别注重预测模型的研究，希望能够提升预测模型质量，提升预测效率与精度。在模型的构建中，主要遵循下面原则：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。实际检测经过中，能够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，能够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一样，因而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，能够发现气

10、温和地区类型的影响都比拟显著，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，因而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愈加显著，急需引入大数据技术更准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，才能更为准确地预测将来较长时间的负荷。总而言之，大数据技术是现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愈加明显。立足于电力系统而言，大数据技术不仅能够提升的系统稳定，还能够保证电力营销质量以及电网运行安全，能够讲是当下电力行业建设的主要动力。