安科瑞電氣股份有限公司 上海嘉定 201801

摘要：本文首先對電力大數據及其技術優勢進行分析，在此基礎上，從可視化、數據分析、數據庫索引、數據治理、ETL等幾個方面,對電力大數據分析技術及應用進行論述。期望通過本文的研究能夠對促進電力大數據的應用與發展有所幫助。

關鍵詞：電力大數據；技術；應用

近年來，在國家政策的大力扶持下，電力行業獲得快速發展，由此使得相關的行業數據發生爆發式增長，在這一背景下，電力大數據技術應運而生。通過該技術的應用，促使電力行業的整體生產經營水平獲得進一步提升。借此，下面就電力大數據分析技術及應用展開探討。

電力大數據是大數據技術在電力行業的實踐應用，涉及產、輸、變、配、用、調等多個環節。電力大數據由兩類數據組合而成，一類是結構化數據，另一類是非結構化數據。近年來，隨著國家逐步加大智能發電的建設力度，以及對物聯網技術的應用，使得電力行業中非結構化數據的比重持續增長，在量級上己經超過結構化數據。電力大數據具備大數據技術的“5V"特征，即數據量大、數據類型多、處理速度快、準確性高和價值大。電力大數據中的關鍵技術有數據挖掘、數據可視化、高性能計算和統計分析。

電力系統具有復雜且龐大的架構，其中涵蓋的內容非常之多，在電力系統中引入大數據技術后，為智能發電的順利實現提供了強有力的支撐，各種數據信息的共享，使電力生產精細化管理成為可能。借助電力大數據，業務和技術人員能夠在較短的時間內，對電力設備當前的運行參數與以往的運行數據進行整合、分析，為電力設備的穩定、可靠、經濟運行提供保障。同時，通過電力大數據，還能為生產運行過程中的風險防范提供指導依據。

電力大數據能夠對各種不同類型的數據信息進行分析，通過對該技術的運用，可以設計出與用電需求相符的生產計劃，從而為電力用戶提供較為準確和經濟的產品和服務，有助于節能減排目標的實現。

所謂的圖表可視化具體是指以為基礎的圖形和表格，對相關數據進行直觀展示的方法。在圖表可視化的前提下，對數據進行獲取的過程中，可在相對較短的時間內，找到其中存在的問題，并借助數據的規律，對問題進行解決處理。對圖表可視化系統進行構建時，需要使用以下三種可視化展示方法：折線圖、柱狀圖、表格，其中折線圖能夠對某個時間段內，數據隨時間變化的趨勢進行描述柱狀圖則可通過柱狀體的長度對數據的差異情況進行展示；表格的作用是對數據進行詳細記錄，相關的數據資源可通過搜索的方式進行獲取。

SVG是現階段較為流行的一種圖像文件格式，具體是指能夠進行縮放的矢量化圖形。對于不同的電力數據，SVG可以不同的顏色進行顯示，由此可使數據變得直觀化。在這種可視化方法下，需要對某個特定區域內的電力數據進行掌握，按照相關的參數和指標，賦予電力數據不同的顏色，并用顏色的深淺程度對電力數據的實際情況進行表示。當需要對某個時間段內，各生產單位的情況進行了解時，便可使用不同的色塊進行直觀呈現，如果要對其中某個數據進行調用，則可借助SVG來完成控制，由此可使數據資源的查詢和使用變得更加方便。

在電力體制改革進程不斷加快的推動下，我國的發電方式越來越多，除常規的火力發電之外，水力發電、風力發電、太陽能發電、核電等，都得到了快速發展，由此使得發電領域呈現出多樣化的態勢。因此，通過運用電力大數據中的分析技術，可將常規電能與清潔型電能之間存在的關聯性進行、具體地分析，借此來發現二者的契合點，為電力資源合并工作的開展提供依據。以風電并網為例，在合并時，會對電網的運行造成一定的影響，如諧波、線損等等，由此將會導致電網的運行可靠性下降。通過電力大數據的運用，能夠對各種影響因素進行分析，據此制定出合理可行的應對策略，確保風電并網安全有序進行。

Hadoop（海杜普）的Hive是一個較為典型的數據庫系統，其能夠對數據進行提取、轉化、加載、查詢、分析和存儲。但在實際應用中發現，Hive在索引方面略顯不足，很難具體地搜索電力大數據，從而導致系統的CPU資源浪費，電力大數據的分析效率也隨之下降。由于電力大數據本身所具備的多維區間查詢特征，從而使其在各個維度的查詢上都相對比較固定，因此，可依托電力大數據進行多維索引。如，某電力系統采用的索引方式為以單位和時間兩種代碼為標準，通過多維度可以輔助電力大數據進行索引，由此能夠將各種無用的數據信息全部濾除掉，索引效率隨之提升。利用電力大數據多維索引可以構建相應的系統，該系統能夠對Hive命令進行使用，并在引入解析技術的前提下，對相關的代碼進行快速解析，從而進一步豐富了可索引的維度區間，由此獲得的數據可存儲到Hadoop當中進行處理，提高數據的利用效率。

諧波是電網安全、穩定、可靠運行的主要影響因素之一，電力行業對諧波的治理非常重視。大體上可將諧波產生的來源歸納為以下幾個方面：電源端、輸配電過程、電力設備等。諧波會使各種儀表及計量裝置產生誤差，高次諧波還會對斷路器的正常開斷造成影響。因此，在對諧波進行治理時，可對電力大數據進行合理應用，依托相關數據，分析諧波源的特性，預測諧波風險，為諧波治理提供詳實可靠的依據。在諧波風險分析中，電力大數據的具體應用如下：

諧波監測數據可存儲在開源數據庫當中，為使從數據庫中抽取的數據能夠實現共享，可以引入MySQL對數據抽取結果進行存儲；以相關元件和參數指標對數據表進行劃分，額定電壓單獨成表，有功與無功功率合并在同一個數據表中，基波與諧波電流存儲在同一個數據表中，這樣可以為數據查詢提供便利。在數據提取的過程中，基于Hadoop的虛擬機，采用Spark從開源數據庫中提取數據。

可在電力大數據中，引入與諧波計算有關的頻譜文件，通過對基波和諧波電流的計算，生成諧波含量。在MySQL中，數據的傳輸過程如圖1所示。