（国网陕西省电力公司西咸新区供电公司陕西西咸新区712000）
摘要：大数据时代进而引发了电力的大数据时代，大数据时代中对人们生活方式的一大变革便是对生活效率与生活质量的进一步追求，而这种追求的提高反应到电网系统中来就对电网本身的信息处理模式提出挑战，所以，电网事业与现阶段消费者市场体验的磨合关键就是将信息系统这一核心技术灌输到电网事业本身发展过程中来，才能以更快地处理速度，更大的存储能力来迎接更复杂的受众需求。本文就从智能电网发展的角度分析了电力大数据关键技术应用的相关问题。
关键词：智能电网；电力；大数据；技术
在当前信息化时代下，智能电网本身的发展中大数据技术是非常重要的一部分内容。对于大数据技术进行合理的应用，这对于当前智能电网发展具有十分重要的意义，同时也是现阶段智能电网发展研究中的一个重要的方向。
1、智能电网与大数据的关系
智能电网主要是指将计算机技术、信息技术以及通信技术、输电设施、配电设施等进行高度继承，进而形成一种新型电网，智能电网的应用能够有效的提高供电的安全性能、提高能源应用效率，同时，还可以有效的减少对自然环境的污染，具有损耗小、可靠性高等优点，智能电网在应用过程中通过信息技术与智能化技术，进一步了解用户是如何获取用电信息，如何利用用电信息进行电能生产以及电能分配等情况，利用现代信息技术和网络通信技术的优势对信息进行交换，以此实现电网设备信息的进一步交换，并自动实现数据信息的采集、控制以及测量等一系列功能，可以根据需要实施智能调节以及自动化的控制，由此可见，智能电网是指大数据系统在电力企业电力生产与运营中的应用。
其次，从技术上来分析，大数据技术主要来源于云技术，云计算是作为大数据时代计算科技中的核心手段来运作的，它不仅可以双重启动计算机的运算能力，还可以最大程度上开发计算机的运算速度，与全球数据库系统相呼应，将计算能力与处理能力结合起来，用以应对信息化社会电网系统内部浩瀚并多样的各类数据。在大数据技术中云计算是大数据技术进行数据存储、分析以及管理的重要基础，大数据可以利用云技术更加快速与准确的分析与处理数据，并为智能电网提供有效的数据提供服务。
2、电力大数据平台的整体结构分析
依从现阶段市场需求与智能电网本身的发展状况来看，现行的电力大平台的数据结构基本由以下几个模块组成:云计算平台与基础设施层、云计算服务访问层和云计算应用软件集合层。而在这几个模块中，云计算服务又可以被分为主云与子云，二者之间有独立系统，存在相应的权限划分与特定资源的管理分配以避免资源重复带来的技术资源的浪费。
3、电力大数据关键技术的应用分析
大数据技术对于智能电网的应用来说是非常关键的，同时现在在实际应用的过程中，主要是通过其集成管理、数据分析、处理以及保存等几个不同角度进行入手应用功能的。
3.1、电力大数据的集成管理技术
电力大数据拥有很突出的数据增长含量，举例来说如，普及度较高的传感器网络，它的一个运作原理就是利用传感器对周围环境的感知度来收集处理相关环境信息。所谓对周围环境的感知，这类感知包含对湿度、温度等各类元素的记录、分析与处理。它的一个优势是能在收集大量信息的同时保证该信息有条不紊的分析处理。而这种分析反馈到提供商体验上，便可以作为第一手依据进行自我调整，给用户更贴近日常的服务体验。
3.2、数据分析
1）自适应处理技术。由于电力数据流是动态变化的，在进行电力数据流处理时需要根据数据分布特征以及数据流的流速自动调整算法。根据电力数据速率产生的不稳定特性，将数据流查询部署在固定数量的结点上会导致分布式数据流管理系统难以高效的利用计算资源。为此，需要一种自适应动态调整技术，通过监控当前执行的运行状态生成代价较小的调整策略，并对当前执行计划进行调整。另外，为了提高预测模型的精度，也可以设计自适应分析模型。如在电力负荷预测中，也可以根据客户的类型和客户数据的分布情况自适应的选择分析算法。2）近似处理技术。电力数据流处理通常具有较为严格的时间和空间要求，通常在实际应用中采用降低精度的方法来换取算法的时间和空间复杂度降低。目前较为常用的近似处理算法包括基于概要数据结构的算法、基于多窗口和衰减因子的算法等。3）在线学习与决策。随着电力数据信息的不断增长，现实决策的环境日趋复杂，知识发现是解决不确定性问题的有效方法。针对电力数据流的特点，建立相应的模型进行描述，包括回归模型、分类模型以及聚类模型等。模型学习方面，采用随机优化算法进行在线学习和决策。
3.3、数据处理
电力系统数据在数据预处理过程中主要采用数据清洗、数据转换、数据规约等方法，这3种方法主要适用于传统低维度的表数据处理，对于高维、高复杂度的电力大数据这些方法存在一定的局限性。1）数据清洗：主要是达到格式标准化、异常数据清除、错误纠正、重复数据的清除等目的。2）数据变换：通过平滑聚集、数据概化、规范化等多种方式将数据变为数据挖掘算法要求的格式。3）数据归约：数据归约包括属性选择和数据采样，分别针对原始数据集中的属性和记录。通过数据归约技术能够得到数据集归约表示，而且基本保持原数据集的完整性，归约后的结果与归约前结果相同或几乎相同。在某些电力业务数据分析中需要对样本集进行数据采样，常用的采样技术有欠采样、过采样、组合阈值等。
3.4、数据安全
在大数据技术应用过程中，数据安全也是其中不可忽视的一部分内容。对于一些数据的存储上大数据技术本身给予了一个良好的解决方案，这样智能电网管理的数据本身的有效性就得到了更好的提升。在出现数据损坏和丢失的情况下，大数据技术可以轻易的进行恢复，并且提升对于各类数据风险的抵御能力和安全性。并且随着云计算的发展，大数据与云计算平台具有良好的相容性，以云计算为核心的数据处理平台能够满足更加复杂的操作要求，同时其容量大、运行稳定、安全性高的特点能够适应现在对数据处理的需求，大数据可以为云计算的运行提供指导，对云计算的资源进行有效的调配。
3.4、大数据在智能电网中的具体应用案例展示
在当下的发展过程中，很多产业都已经开始研究建立Hadoop这一架构上的数据平台以及其对应的商务服务，目的是为了将大数据关键技术高效的应用于自身的智能体系中。Hadoop作为雅虎创建的融合了MapReduce软件技术的数据系统，具有收集并处理海量数据，并在此基础上构建Datameer系统所提供的电子表格式界面，这可以让消费者更高效地处理和分析数据。而这一系统在智能电网中的应用也会为智能电网下一阶段的多元化发展提供技术支持。
结束语
总之，在当前电网建设的过程中，智能电网本身的建设是整体的重要发展趋势。针对智能电网建设的相关需求，我们应该对于自身的技术水平进行更好的改善，并且引入更加先进的各类技术，让整个智能电网本身的经济价值得到更好的发挥和体现。大数据技术的应用是当前智能电网建设中的重要组成部分。科学合理的对大数据技术进行应用，可以更好的为电力系统提供相应的技术支持和保障，这也有助于整个智能电网系统的完善发展。
参考文献：
[1]张克宇.浅谈面向智能电网应用的电力大数据关键技术[J].电子世界，2016，(22):193+195.
[2]彭小圣，邓迪元，程时杰，文劲宇，李朝晖，牛林.面向智能电网应用的电力大数据关键技术[J].中国电机工程学报，2015，35(03):503-511.