1、智能電網和大數據1 智能電網 智能電網(smart power grids)，就是電網的智能化，也被稱為“電網2.0”，它是建立在集成的、高速雙向通信網絡的基礎上，通過先進的傳感和測量技術、先進的設備技術、先進的控制方法以及先進的決策支持系統技術的應用，實現電網的可靠、安全、經濟、高效、環境友好和使用安全的目標，其主要特征包括自愈、激勵和包括用戶、抵御攻擊、提供滿足21世紀用戶需求的電育瀕量、容許各種不同發電形式的接入、啟動電力市場以及資產的優化高效運行。 在現代電網的發展過程中，各國結合其電力工業發展的具體清況，通過不同領域的研究和實踐，形成了各自的發展方向和技術路線，也反映出各國對未來電網

2、發展模式的不同理解。近年來，隨著各種先進技術在電網中的廣泛應用，智能化已經成為電網發展的必然趨勢，發展智能電網已在世界范圍內形成共識。 從技術發展和應用的角度看，世界各國、各領域的專家、學者普遍認同以下觀點:智能電網是將先進的傳感測量技術、信息通信技術、分析決策技術、自動控制技術和能源電力技術相結合，并與電網基礎設施高度集成而形成的新型現代化電網。2 智能電網的發展2.1 美國2.1.1 電網2030規劃 2003年2月，美國時任總統布什提出“電網2030規劃”，指出要建設現代化電力系統，以確保經濟安全，同時促進電力系統自身的安全運行。該規劃的主要內容有:為所有用戶提供高度安全、可靠、數字化的

3、供電服務，在全國實現成本合理、生產過程無污染、低碳排放的供電，經濟實用的儲能設備，建成超導材料的骨干網架。為有效促進智能電網建設，美國于2007年12月頒布“能源獨立與安全法案2007，確立了國家層面的電網現代化政策，設立新的專責聯邦委員會，并界定其職責與作用，建立問責機制，同時建立激勵機制，促進股東投資。1 / 242.1.3 奧巴馬政府施政計劃 美國總統奧巴馬為振興經濟，從節能減排、降低污染角度提出綠色能源環境氣候一體化振興經濟計劃，智能電網是其中的重要組成部分。 2.2 歐洲 歐盟為應對氣候變化、對能源進口依賴日益嚴重等挑戰，向客戶提供可靠便利的能源服務，正在著手制定一整套能源政策。這些

4、政策將覆蓋資源側、輸送側以及需求側等方面，從而推動整個產業領域深刻變革，為客戶提供可持續發展的能源，形成低能耗的經濟發展模式。歐洲智能電網技術研究主要包括網絡資產、電網運行、需求側和計量、發電和電能存儲四個方面。2.3國外智能電網技術研究近況 按照智能電網本身所覆蓋的價值鏈環節，智能電網的關鍵技術可劃分為智能用電、智能網絡、新能源發電與智能企業四類。 （1）智能用電:包括智能表計、電池技術、家庭自動化、微型電網、優質供電園區等。 （2）智能網絡:包括調度自動化、即插即用式智能電力設備、智能保護裝置、測量監視設備、電力電子設備、海量數據處理技術和可視化技術等。 （3）新能源發電:包括可再生能源發

5、電、微透平技術、超導儲能技術等。 （4）智能企業:包括信息集成技術、通信技術等。2.4 建設智能電網涉及的重要技術2.4.1穩定而靈活的網絡拓撲 穩定、靈活的電網結構是未來智能電網的基礎。我國能源分布與生產力布局很不平衡，無論從當前還是從長遠看，要滿足經濟社會發展對電力的需求，必須走遠距離、大規模輸電和大范圍資源優化配置的道路。特高壓輸電能夠提高輸送容量、減少輸電損耗、增加經濟輸電距離，在節約線路走廊占地、節省工程投資、保護生態環境等方面也具有明顯優勢。因此，發展特高壓電網，構建電力“高速公路”成為必然的選擇。如何進一步優化特高壓和各級電網規劃，做好特高壓交流系統與直流系統的銜接、特高壓電網與

6、各級電網的銜接，促進各電壓等級電網協調發展、送端電網和受端電網協調發展、城市電網與農村電網協調發展、一次系統和二次系統協調發展，成需要解決的關鍵問題。隨著電網規模的擴大，互聯大電網的形成，電網的安全穩定性與脆弱性問題越來越突出，對主網架結構的規劃設計要求相應地提高。只有靈活的電網結構才能應對冰災戰爭等突發災害性事件對電網安全的影響。2.4.2開放、標準、集成的通信系統 智能電網需要具有實時監視和分析系統目前狀態的能力:既包括識別故障早期征兆的預測能力，也包括對己經發生的擾動做出響應的能力。智能電網也需要不斷整合和集成企業資產管理和電網生產運行管理平臺，從而為電網規劃、建設、運行管理提供全方位的

7、信息服務。因此，寬帶通信網，包括電纜、光纖、電力線載波和無線通信，將在智能電網中扮演重要角色。智能電網的發展對網絡安全提出了更高的要求，這一問題需要格外注意。目前美國EPRI的合作伙伴PowerWec, EEI, NERC以及愛達荷州實驗室正致力于信息安全問題的研究。2.4.3智能、標準的計量體系和需求側管理 電網的智能化需要電力供應機構精確得知用戶的用電規律，從而對需求和供應有一個更好的平衡。目前我國的電表只是達到了自動讀取，是單方面的交流，不是雙方的、互動的交流。由智能電表以及連接它們的通信系統組成的先進計量系統能夠實現對諸如遠程監測、分時電價和用戶側管理等的更快和準確的系統響應。將來隨著

8、技術的發展，智能電表還可能作為互聯網路由器，推動電力部門以其終端用戶為基礎，進行通信、運行寬帶業務或傳播電視信號的整合。這里涉及到用戶門戶(customer portal)技術，作為美國Intelligrid項目的重要研究內容之一，該項研究致力于設計與目前用戶使用的提供“非能源服務”的協議相連接的接口。2.4.4智能調度技術和廣域防護系統 智能調度是未來電網發展的必然趨勢，調度的智能化是對現有調度控制中心功能的重大擴展。調度智能化的最終目標是建立一個基于廣域同步信息的網絡保護和緊急控制一體化的新理論與新技術，協調電力系統元件保護和控制、區域穩定控制系統、緊急控制系統、解列控制系統和恢復控制系統

9、等具有多道安全防線的綜合防御體系。智能化調度的核心是在線實時決策指揮，目標是災變防治，實現大面積連鎖故障的預防。2.4.5 智能化調度的關鍵技術包括:（1）系統快速仿真與模擬(fast simulation and modeling,FSM)。（2）智能預警技術。（3）優化調度技術。（4）預防控制技術，事故處理和事故恢復技術(如電網故障智能化辨識及其恢復)。（5）智能數據挖掘技術。（6）調度決策可視化技術。 另外還包括應急指揮系統以及高級的配電自動化等相關技術，其中高級的配電自動化包含系統的監視與控制、配電系統管理功能和與用戶的交互(如負荷管理、量測和實時定價)。2.4.6可再生能源和分布式能

10、源接入 在發展智能電網時，如何安全、可靠地接入各種可再生能源電源和分布式能源電源也是面臨的一大挑戰。分布式能源包括分布式發電和分布式儲能，在許多國家都得到了迅速發展。分布式發電技術包括:微型燃氣輪機技術、燃料電池技術、太陽能光伏發電技術、風力發電技術、生物質能發電技術、海洋能發電技術、地熱發電技術等。分布式儲能裝置包括蓄電池儲能、超導儲能和飛輪儲能等。風能、太陽能等可再生能源在地理位置上分布不均勻，并且易受天氣影響，發電機的可調節能力比較弱，需要有一個網架堅強、備用充足的電網支撐其穩定運行。隨著電網接入風電量的增加，風電廠規劃與運行研究對風電場動態模型的精度和計算速度提出了更高的要求。 電力企

11、業投產清潔能源項目越來越多，光伏發電、風力發電都對地形地貌、環境特征有很高的要求和條件。針對于清潔能源項目建設的要求可借助電力生產MIS系統與地理信息GIS系統中大量的數據，結合環境采集數據等，綜合考量不同地域電力生產水平、地形優勢與資源分布。利用大數據的數據挖掘技術提供給規劃人員支撐電站建設布局的決策數據，實現項目建設的科學調配。也可通過綜合分析影響風力發電、光伏發電機組運行的諸多環境因素，例如:溫度、光照、濕度、風力等數據，預測氣候模式，從而規劃處最佳的機組運行方案。通過這種方式，可有效降低生產成本和提高產出效益。2.4.7決策支持和人機接口 現代電網需要專業的、無縫的、實時使用的應用工具

12、，以滿足電網操作和管理人員做出快速決策的需要。決策支持和人機接口技術主要包括可減少大量數據到易于理解的可視格式的可視化工具和系統以及當系統運行人員操作時需提供的多種方案軟件系統，還可以用作演示的控制板、先進的控制室設計等等。2.5 中國智能電網標準體系2.5.1基礎與通用 本領域包括術語和方法學、安全、電能質量等。2.5.2發電領域關鍵設備及技術標準 （1）常規發電關鍵設備 涵蓋:次同步振蕩抑制裝置、大機組設備狀態檢測與故障分析系統、水電機組設備狀態監測、梯級水電站調度控制、發電廠快速并網裝置、常規能源和新能源的自動化成套控制系統。 （2）大規模可再生能源關鍵設備 涵蓋:風電場故障穿越裝置、風

13、光儲智能控制系統、間歇電源功率預測調度、兆瓦級光伏并網逆變器系統、間歇式電源功率控制、風電機組控制系統、風光儲聯合電站一體化智能監控系統以及新能源發電監控系統。 （3)大規模儲能關鍵設備 涵蓋:集成儲能功率平滑調節、化學電池模塊化集成、電池儲能能量管理、電池儲能轉換裝置、飛輪儲能裝置、電容/超導儲能裝置、儲能電站智能調度以及化學電池儲能。 涉及技術標準:常規電源網源協調技術標準、風電并網技術標準、光伏并網技術標準、其他新能源并網技術標準及大容量儲能系統并網技術標準。2.5.3輸電領域關鍵設備及技術標準 （1)輸電線路狀態監測 涵蓋:輸電線路狀態監測裝置及輸電線路狀態監測系統。 （2)柔性交流輸

14、電 涵蓋:靜止無功補償器、故障電流限制器、靜止同步補償、串補/可控串補及可控并聯電抗器。 （3)直流輸電 涵蓋:直流場關鍵設備、多端柔性直流控制、柔性直流輸電電纜、高壓直流換流閥、柔性直流換流站及夠寫直流換流閥。 涉及技術標準:特高壓輸電、柔性直流輸電、柔性交流輸電、線路狀態與運行環境監測及輸電資產全壽命周期管理等技術標準。2.5.4變電領域關鍵設備及技術標準 變電環節主要包括設備層、系統層及站控層設備。 （1)設備層關鍵設備 涵蓋:智能元件、傳感器及測控裝置、保護測控一體化裝置、合并單元、智能組件、電子式互感器。 （2)系統層關鍵設備 涵蓋:智能變電站監控系統、遠動終端、間歇電源保護監控裝置

15、、廣域及區域保護控制。 （3)運行技術支持關鍵設備 涵蓋:檢驗/測試/評估系統、狀態監測狀態檢修系統、多態遙視/安防/消防、數字裝置調試試驗裝置、組態及系統調試工具。 涉及技術標準:智能變電站綜合技術標準、變電設備智能化標準、智能變電站自動化系統標準、狀態監測評估和檢修、變電資產全壽命周期管理標準等。2.5.5配電領域關鍵設備及技術標準 配電環節主要包括過程層智能化一次設備、站控層設備。 （1)智能配電設備 涵蓋:大容量快速切換固態開關、智能配電開關、智能配變監測終端、復合電能質量控制器。 （2)配電自動化與配網規劃 涵蓋:配電自動化主站系統、配電調控一體支持系統、配網規劃輔助決策系統。 （3

16、)分布式電源和微網 分布式儲能裝置、配電保護測控一體化、供電系統微機保護裝置、供電電能質量治理裝備、供電換流裝置及控制裝置。 涉及技術標準:配電自動化、分布式電源及微電網并網、分布式儲能系統接入配電網等技術標準;2.5.6用電領域關鍵設備及技術標準 用電環節關鍵設備如下。 （1)用電信息采集 涵蓋:用電信息采集主站、用電信息采集終端、智能電能表。 （2)智能用電小區 涵蓋:居民用電交互終端、智能家電、智能插座、智能用電小區服務系統。 （3)智能大客戶服務 涵蓋:智能需求側管理系統、大用戶交互終端、智能樓宇管理系統、分布能源及儲能管理系統。 （4)電動汽車充放電 涵蓋:電動汽車充放電設備、充放電

17、管理系統。 （5)智能營業廳 涵蓋:智能營業廳管理系統、停電管理系統、用電地理信息系統、客戶服務門戶網站、自助服務終端及系統。 涉及技術標準:雙向互動服務、智能量測、用戶端用能管理、智能用能、電動汽車充放電、智能用電檢測技術標準。2.5.7調度領域關鍵設備及技術標準 智能電網調度技術支持系統研制(調度管理類應用、安全校核類應用、調度計劃類應用、實時監控預警類應用、基礎平臺)。 涉及技術標準:智能電網調度系統、智能電網調度系統基礎平臺、智能電網調度系統應用功能、電網運行集中監控等技術標準。2.5.8信息通信領域關鍵設備及技術標準 信息通信領域涵蓋:通信網絡、信息化應用。 骨干通信網關鍵設備、配用

18、電通信網關鍵設備、通信支撐網關鍵設備。3 大數據3.1 大數據的概念 數據是自然資源一樣重要的戰略資源，大數據技術就是從數量巨大、結構復雜、類型眾多的數據中，快速獲得有價值信息的能力。 維基百科對大數據的定義是:“大數據是由于規模、復雜性、實時而導致的使之無法在一定時問內用常規軟件工具對其進行獲取、存貯、搜索、分享、分析、可視化的數據集合”。 互聯網數據中心將大數據定義為:為更經濟地從高頻率的、大容量的、不同結構和類型的數據中獲取價值而設計的新一代架構和技術。3.2 大數據的提出與發展 大數據概念的提出可以追溯到自然雜志2008年9月專刊中發辮的文章:Big Data: Science in

19、the Petabyte Era,此后大數據的概念被廣泛傳播。2011年，麥肯錫公司發布了關于大數據的調研報告大數據：下一個前沿，競爭力、創新力和生產力，指出了大數據研究的地位以及將給社會帶來的價值。2012年3月，美國奧巴馬政府宣布投資2億美元啟動“大數據研發計劃”，旨在提高和改進從海量和復雜數據中獲取知識的能力，加速美國在科學和工程領域發明的步伐，增 強國家安全。 大數據和以往的海量數據、超大規模數據有什么區別昵?顯然這些術語都表示系統需要管理的數據規模很大。相對于當時的CPU和存儲技術水平而言，這些規模過大的數據在處理時需要特別對待。從歷史發展來看，超大規模在提出時表示的是GB級別的數據

20、，海量數據提出時表示的是TB級別數據，而大數據則是指PB (1 015)及以上級別的數據。3.2 大數據檢索、分析和可視化等方面的相關技術3.2.1大數據檢索 在大數據檢索服務中，用戶通常期望能夠檢索到所有所需數據，而并不關心數據模型、存儲位置和數據組織結構等信息。因此，用戶提交的查詢請求其目標數據很可能來源于多個數據源。面向大數據服務的檢索場景與傳統搜索引擎或數據管理系統有所不同。大數據服務的用戶有兩類，一類是普通個人用戶，一類是專業IT人員和應用程序。對于普通個人用戶而言，由于不了解底層數據源的信息以及服務描述信息，通常個人用戶會使用方便易用的關鍵字檢索;對于IT人員和應用程序，其數據查詢

21、需求的目標數據源相對明確，因此可以采用語義查詢語言SPARQL進行檢索。然而，無論哪類用戶，由于底層數據源的跨域異構，其檢索請求的執行過程具有多種可能性，針對每種可能性，都需要研究和制定相應的檢索執行策略，以保證提供“Best-effort，的服務效果。因此，大數據服務架構需要支持兩類檢索模式:關鍵字檢索:用戶提交檢索關鍵字或者“屬性二值，形式的檢索請求進行檢索;語義檢索:專業人員或者應用程序向服務提交SPARQL檢索進行檢索。3.2.2大數據分析 前文從技術角度對數據分析服務現狀進行了綜述，現有的數據分析服務是數據擁有者提供數據，服務提供商利用其數據分析技術和計算資源幫助用戶分析數據，在這種

22、模式下，數據擁有者需要支付高額的費用。 通過數據服務形式提供數據分析，存在兩種方式: 一種方式是對檢索結果進行分析，該方法需要將分析對象數據通過數據服務從存儲系統中取出傳輸給用戶端，用戶再進行分析。這種方式進行分析所花費的時間是查詢執行時間、數據組裝時間、傳輸時間和數據分析執行時間的總和。很顯然，這種方式代價依然很高。 另一種方式是不取出數據，直接構建分析型數據服務。用戶提交分析請求，數據服務接口將分析請求分解成多個子請求，派發給多個分析型數據服務，將每個子分析請求針對相應的數據源執行分析任務，分析結果在數據服務接口處匯總組裝，返回給用戶。此種方式將計算后置，用戶只需要提交分析請求，并等待分析

23、結果，而免去了將大量分析對象數據傳輸的過程。3.2.3大數據可視化 諸多成熟的開源可視化組件庫和圖表組件庫都為大數據可視化服務提供了便利。針對用戶對數據可視化的需求，充分利用現有可視化組件庫，為用戶提供可視化腳本的方式實現可視化服務，是大數據可視化服務研究的目標。大數據可視化服務的腳本目前支持常用的D3.js和Fusioncharts圖表庫兩種，鑒于部分用戶可能對某類腳本較為熟悉，用戶在可視化請求階段可以指明所需輸出的腳本類型。 數據可視化的前提是給定要進行可視化數據，這些數據有可能是用戶檢索的結果，有可能是分析的結果。這樣，大數據的可視化請求的處理流程可概述為，先執行大數據檢索服務或者大數據

24、分析服務，再將其結果數據輸入到可視化型數據服務中，最后輸出可視化腳本或包含可視化腳本的網頁腳本。3.3 數據挖掘和數據流挖掘 數據挖掘技術是一個涉及數據庫、機器學習、統計學、神經網絡、高性能計算和數據可視化的多學科領域，是計算機模仿人類學習機理和方法，利用數據自動獲取知識的一種技術。 數據挖掘技術主要分為如下幾個分支:分類、聚類、關聯規則挖掘、序列模式挖掘等。 聚類：將物理或抽象對象的集合分成相似的對象類的過程稱為聚類。更形式化的一個描述方法是:聚類分析就是按照某種相似性度量方法對對象進行分組，使得各組內的相似度高，而組間的相似度低。 分類：首先根據已知類別的一些樣本進行學習，得到一個分類的規

25、則或者說是模型，然后利用學習得到的模型對另外一些類別未知其他屬性值已知的樣本進行類別的判斷或者預測。 關聯規則挖掘算法的基本概念包括兩個方面的內容:項以及項集，其中項是基本單元，用來表示實際環境中的單個具體事物，例如在超市購買的物品;項集是由一個或者多個項組成的集合，表示的是具體的一次事務，例如顧客的一次購買行為，在項集內部，項與項之間不存在次序關系。 序列模式的組成包括3方面的內容:序列、事件(事務或者項集)以及項，它們三者之間的關系是序列是由一個或者多個事件組成的，而事件是由一個或者多個項組成的;在組成序列的事件中，事件與事件之間存在著先后時間關系，而在組成事件的項中，項與項之間不存在先后

26、時間關系。4 智能電網大數據4.1智能電網與大數據的關系 智能電網就是將信息技術、計算機技術、通信技術和原有輸、配電基礎設施高度集成而形成的新型電網，具有提高能源效率、提高供電安全性、減少環境影響、提高供電可靠性、減少輸電網電能損耗等優點。智能電網的理念是通過獲取更多的用戶如何用電、怎樣用電的信息，來優化電的生產、分配及消耗，利用現代網絡、通信和信息技術進行信息海量交互，來實現電網設備間信息交換，并白動完成信息采集、測量、控制、保護、計量和監測等基本功能，可根據需要支持電網實時自動化控制、智能調節、在線分析決策和協同互動等高級功能，因此相關研究者指出:可以抽象的認為，智能電網就是大數據這個概念

27、在電力行業中的應用。 電力大數據的數據集成管理技術，包含關系型和非關系型數據庫技術、數據融合和集成技術、數據抽取技術、過濾技術和數據清洗等。大數據的一個重要特點就是多樣性，這就意味著數據來源極其廣泛，數據類型極為繁雜，這種復雜的數據環境給大數據的處理帶來極大的挑戰，要想處理大數據，首先必須對數據源的數據進行抽取和集成，從中提取出實體和關系，經過關聯和聚合之后采用統一的結構來存儲這些數據，在數據集成和提取時需要對數據進行清洗，保證數據質量及可靠性。4.2智能電網大數據的形成 隨著電力信息化的推進和智能變電站、智能電表、實時監測系統、現場移動檢修系統、測控一體化系統以及一大批服務于各個專業的信息管

28、理系統的建設和應用，數據的規模和種類快速增長，這些數據共同構成了智能電網大數據。4.2.1發電側數據 通過建立各生產系統數據互通，依靠不同種類生產系統，對傳統發電企業和清潔能源發電企業都會給與數據層面的決策性預測。在基礎數據不斷積累的前提下，分析電廠或發電設備周圍環境變化和氣候變化，掌握不同時期煤炭儲備量和煤炭消耗量的關系。都可對于全國范圍的季節性來水與機組負荷下降等因素影響的機組停備工作進行有效預測和數據支持。通過大數據分析決策能力，提供生產設備狀態數據，開展機組停備檢修工作，加強設備管理，強化員工培訓4.2.2輸變電側隨著同步相量監測系統(Phasor Measurement Unit ，

29、PMU)的大規模使用，輸變電網能更全面的了解電網運行暫態的變化，以便更實時的控制電網運行。PM U采樣頻率非常高。一個PMU設備一天可收集6千萬個數據點，數據量約0. 6 GB，實際應用中，大面積的部署將產生TB級的數據。4.2.3 電網調度數據 隨著智能電網的建設，調度環節的數據主要包括以下幾類：1）基礎數據。描述電力設備固有屬性的數據及相關參數、定值，包括一次設備、二次設備、自動化設備、通信設備等；2）電網實時量測類數據。智能電網量測系統是智能電網實現的基礎，實現電力數據的采集功能，現有的量測系統包括數據收集與監控系統SCADA,WAMS和高級測量體系(Advanced Metering

30、Infrastructure，AMI)3類；3)電網準實時應用類數據。該類數據由調度自動化系統生成或人工輸人的數據組成，包括預測計劃類數據、報表數據和監控預警類數據。預測計劃類數據主要有負荷預測、發電計劃、檢修計劃、水電計劃、機組組合等，周期為小時、天、月、年。監控與預警類數據是在異常或故障情況下產生的，包括大量告警信息，如各種保護信號、跳閘、SOE、過載等不斷涌人調度中心的信息，以及不斷的語音告警和事故推畫面等，數據量呈爆發式地增長，另外，隨著無人值守變電站的推廣，還有大量視頻監視與語音數據。4.2.4 配電側數據 主動配電網中含有大量分布式電源與柔性負荷，網絡規模大并且結構復雜，系統實際運

31、行過程中通常表現出強互動、多藕合、高隨機的典型特征，運行過程中產生的數據結構多樣、來源復雜，時間尺度不統一、空間尺度各異，具有典型的“4V”特征，即規模大( volume)、類型多(variety、價值密度低(value)和變化快(velocity )。其中，主要數據類型包含配電網運行拓撲結構信息，分布式電源狀態監測信息、相關區域氣象信息、電動汽車運行信息、設備狀態監測信息、配電自動化信息以及用戶營銷信息等，保守估計一個中等規模配電網每年將產生上百TB的數據。然而配電網目前缺乏大數據分析與處理相關技術，未能充分利用所獲取的海量數據提升系統運行水平與效率。因此，對主動配電網中海量數據提供有效的存

32、儲和索引機制，建立高效且符合配電網主動管理運行需求的數據處理平臺，從而準確預測和評估配電網運行狀態，進而構建高效的主動配電網能量調度體系，可靠的主動控制與保護策略以及相關優化對策措施。4.2.5用電側 與傳統電網相比，智能電網下用戶與供電公司雙向互動，并參與到電力系統的運行和管理中。利用智能電表，電力公司可以實時了解用戶用電情況，并實時通知用戶用電成本、實時電價、電網狀態、計劃停電等信息。目前，智能電表可每隔510 min向電網發送實時用電信息。例如法國電力公司所部屬的3 500萬個智能電表，每月產生的數據超過300 TB 。4.3智能電網大數據分類與特點 根據數據來源的不同，可以將智能電網大

33、數據分為兩大類:一類是電網內部數據;另一類是外部數據。內部數據來自用電信息采集系統(collection system information CIS)、營銷系統、廣域監測系統(wide area measurement system WAMS)，配電管理系統、生產管理系統(production management system, PMS)、能量管理系統(energy management system, EMS)、設備檢測和監測系統、客戶服務系統、財務管理系統等的數據。外部數據來白電動汽車充換電管理系統、氣象信息系統、地理信息系統(geographic information system

34、 GIS)、公共服務部門、互聯網等這些數據分散放置在不同地方，由不同單位部門管理，具有分散放置、分布管理的特性。 綜合各種對大數據的數據特征描述，考慮到智能電網數據的特點，智能電網大數據的數據特征可歸結為如下幾點:（1）數據來白分散放置分布管理的數據源; （2）數據量大、維度多、數據種類多; （3）對公司、用戶和社會經濟均有巨大的價值; （4）數據之問存在著復雜關系需要挖掘，且大多數情況下有實時性要求。4.4 電力大數據的數據挖掘 大數據技術的根本驅動力是將信號轉化為數據，將數據分析為信息，將信息提煉為知識，以知識促成決策和行動。借助電力大數據的分析技術可以從電力系統的海量數據中找出潛在的模態

35、與規律，為決策人員提供決策支持。麥肯錫認為可用于大數據分析的關鍵技術源于統計學和計算機科學等學科，包含關聯分析、機器學習、數據挖掘、模式識別、神經網絡、時問序列預測模型、遺傳算法等多種不同的方法。4.5電力大數據的數據展現技術 電力大數據的數據展現技術包括可視化技術、空問信息流展示技術、歷史流展示技術等。可視化技術、空問信息流展示技術、歷史流展示技術從3個不同的方面診釋了電力大數據展現技術的豐富內涵。借助電力大數據的數據展現技術可幫助管理人員更直觀、準確地理解電力系統數據表達的意義，了解電力系統的運行狀態。 可視化技術廣泛應用于電網狀態的實時監控，顯著提高了電力系統的自動化水平。未來電力系統可

36、視化還可結合復雜網絡中的相關理論在電網自動分層分區、自動布點等方面展開深入研究，發掘電網更深層次的規律和聯系。 空間信息流展示技術主要體現在電網參數與已有地理信息系統的結合上，包含變電站三維展示、虛擬現實等技術。將電力配電設備管理與地理信息系統緊密結合起來，有利于電網管理人員直觀地了解設備情況，從而為其決策提供最新的地理信息。在變電站工程設計中用空問信息流展示技術可以節約時問、資源、成本，為電力企業帶來巨大的效益。 歷史流展示技術體現在對電網歷史數據的管理與展示上。在電力系統中，深層次的應用分析往往以歷史數據為基礎。對生產現場的實時監測數據、電網的規劃數據和負荷預測數據，通過歷史流展示技術，可

37、以繪制出數據的發展趨勢并預測出未來的數據走勢；通過歷史流回放展示技術，可以模擬歷史重大事件發生、演變，挖掘歷史事件潛在的知識與規律。4.6 智能電網和大數據結合產生的相關效益（1） IBM大數據技術在新能源接入中的應用。 在電力生產環節，隨著新能源大量接入，打破了相對靜態的傳統電力生產，使得電力生產的管理和計量變得日趨復雜。大數據技術能為電力企業做出更好的預測。 丹麥的維斯塔斯風力技術集團，通過在世界上最大的超級計算機上部署IBM大數據解決方案，得以通過分析包括PB量級氣象報告、潮汐相位、地理空問、衛星圖像等結構化及非結構化的海量數據，從而優化了風力渦輪機布局，提高風電發電效率。 IBM公司針

38、對風電企業在風電場微觀選址中面臨的挑戰，提出基于高精度數值天氣預報的微觀選址解決方案，來解決風資源捕捉利用的最大化問題和風機維護成本的最小化問題。（2）大數據技術在風電機組安全狀態評估中的應用。 風電機組運行環境非常惡劣，受雷雨、鹽霧、冰雪等因素的影響。采用基于大數據挖掘技術的風電機組安全經濟運行狀態綜合評估系統，監測零部件磨損、疲勞等原因引起的狀態變化信息，并由此識別和預測風電機組設備或者零部件的故障，提高機組的運行安全性，避免早發故障導致的更為嚴重的故障，并降低運維費用。（3）大數據技術在電網災難預警中的應用。 隨著電網日益增加的復雜性和不斷變化的白然環境，電力系統中的災難性連鎖事故頻繁發

39、生，這些災難性連鎖事故大多數始于系統某個元件故障。大規模停電事故初期往往是少量元件相繼故障，在事故擴大階段則與電力系統中的脆弱環節有緊密的聯系，因此從整體預防的角度出發，通過大數據技術辨識電力網絡中的脆弱環節對提高電力系統的可靠性，降低大規模停電事故的發生概率有重要意義。（4）電力大數據可視化的應用 美國Space-Time是一家提供新一代地理空問和可視化解決方案的創業公司，2011年，Space-Time為美國加州獨立系統運營商設計了一套可以實時監控電力傳輸系統能源基礎設施的可視化軟件Space-Time Insight ，該可視化系統通過控制室中的一個80英寸的顯示屏，在地圖上實時展示長達

40、25 000 km的輸電線路狀況，工作人員一旦發現一個地區出現了問題，就可以根據該地區問題的嚴重性和臨近地區的反應來做出決策。不僅簡化了日常運營復雜度，還在盡可能降低影響的情況卜解決問題。這種大數據可視化實踐對中國的電力大數據分析展示乃至整個能源相關行業都具有巨大的參考價值。5 智能電網大數據相關文獻智能電網相關文獻（20052015）有7447篇大數據相關文獻（20052015）有18540篇智能電網大數據相關文獻（20082015）有129篇圖1 智能電網、大數據近十年相關文獻條形圖論文發表時間20052006200720082009201020112012201320142015智能電網1324254362514081337112411471091651大數據28252128283697702344875066968智能電網大數據0001561920232929表1 智能電網、大數據近十年相關文獻數量大數據應用1 電子商務 隨著電子商務的迅速發展，淘寶所積累的龐大數據、所面對的大量復雜用戶需求，客觀要求采用大數據技術進行分析和處理，這主要包括在線分析和離線分析兩種。在線分析對相應時問的要求比較高(通常不超過若干秒)，通過構建在云計算平臺上的NoSQL系統(例如Hadoop上的HBase)，實現了更好地開源、降低成本、易于擴展等效果，而且能夠實時處理數千萬甚