电力大数据应用现状及多源异构数据分析技术研究

龙源期刊网 http://www.qikan.com.cn

电力大数据应用现状及多源异构数据分析技术研究

作者：马平 徐伟东 沈浩钦 吴杭 来源：《中国科技纵横》2014年第23期

【摘 要】 智能电网运行、检修和管理过程中会产生海量异构、多态数据，如何将它们进行高效可靠存储，并实现快速分析访问已是当前电力系统中重要的研宄课题。本文在分析电力生产各个环节大数据的产生来源和特点基础上，阐述市场已有大数据技术在电力系统应用的优势和不足。最后，从电网异构多源信息融合及可视化方向提出了一种应用方法。 【关键词】 智能电网 ;大数据 ;异构分析 ;可视化 1 引言

近年来，随着全球能源问题日益严峻[1]，世界各国都开展了智能电网的研究工作。智能电网的最终目标是建设成为覆盖电力系统整个生产过程，包括发电、输电、变电、配电、用电及调度等多个环节的全景实时系统。而支撑智能电网的基础是电网大数据全景实时数据采集、传输、存储以及快速分析。目前智能电网中的大数据主要来自以下几个方面：

（1）海量电网状态信息采集设备。常规的调度自动化系统含数十万个采集点，配用电、数据中心将达到百万甚至千万级。需要监测的设备数量巨大，每个设备都装有若干传感器，构成了一个庞大的数据网。

（2）高频电网状态信息捕获技术。为满足上层应用需求，设备的采样频率逐渐提高。在输变电设备状态监测系统中，为了能对绝缘放电等状态进行诊断，信号的采样频率必须在200kHz以上，特高频检测需要GHz的采样率。

（3）视频及模式识别系统推广。智能电网视频监控系统不仅要求能够真实地反映电力系统的情况，并且还需自动判断情况的好与坏，同时自动采取相关措施，是一个“会思考”、“能做事”的智能化系统。为此，需要电网具备强大存储及处理能力。 2 现有大数据处理技术局限性

谷歌公司提出的分布式文件系统（distributed file system，DFS）和MapReduce技术，已成为现阶段Facebook、雅虎等网络公司大数据应用的解决方案[2]。

DFS技术，具备高容错性特点，可部署在海量且价格低廉的硬件设备上，而且它为应用程序提供了高吞吐量的数据访问，适合那些有着超大数据集程序。MapReduce为2004年由谷歌公司提出的一个用来进行并行处理和生成大数据集的并行编程模型。应用“解析器”，将复杂数

本文来源：https://www.bwwdw.com/article/p55a.html