《浅议电力大数据》由会员分享,可在线阅读,更多相关《浅议电力大数据(5页珍藏版)》请在金锄头文库上搜索。
1、 浅议电力大数据 摘要:自2011年W来世界进入了大数据时代,2013年是中国大数据元年,伴随着智能电网技术、云计算及物联网技术的全面应用,电力大数据应用而生。电力大数据因其特殊地位决定了我国经济发展W至人类社会发展提供更强的推动力。关键词:电力大数据;背景;发展随着信息化时代的来临,数字化的信息量呈现出了爆炸性的増长趋势,在人类社会享受信息化带来的方便、快捷的同时,互联网时代的信息化步入了一个直古未有的极速増长期。根据国际著名的互联网数据公司IDC统计,截止至2011年,全球数据量已经达到1.8ZB,并且还将W每年50%的速度高速増长。社会各界都将不可避免的进入大数据时代。电力工业,作为中国
2、国民经济中的基础能源支撑体系,在电力大数据的时代背景下也是概莫能外。2011年国际著名咨询公司麦肯锡发布了名为大数据:下一个创新、竞争和生产力的前沿报告。麦肯锡从大数据全球趋势,大数据关键技术,大数据在不同行业的发现等五个方面进行的研究,阐述了大数据对未来人类经济、政治、生活的各个方面的重要意义。2013年中国电机工程学会发布了中国电力大数据发展白皮书W,源自于麦肯锡全球研究院在大数据:下一个创新、竞争和生产力的前沿中的阐述,大数据是指某个数据集合无法在可预计的时间内通过传统的数据库软件对其内容进行抓取、管理和处理。相对于大数据,电力大数据的定义更为宽泛和多样化,白皮书指出电力大数据的六个特征
3、:可概括为3FVF3FE。其中3FV分别是体量大(Volume)、类型多(Variety)和速度快(Velocity),3FE分别是数据即能量(Energy)、数据即交互(Exchange)、数据即共情(Empa出y)。随着PMS、SCADA系统在电网中的应用,智能电表毎一次采集频度的提升都会带来数据量指数级的变化。电力大数据在电力工业领域中应用十分广泛,在发电端、输电端、变电端、配电端、用电端和调度端都有其薄弱点W及大数据应用前景。近几年,随着智能电表、传感器的普及,SCADA系统的部署与完善,电力工业的信息化进程也得到了长足的发展,中国电力企业的信息化起建设源于二十世纪六卡年代,从最初的电
4、力生产自动化到八十年代W財务电算化的信息化建设,再到近年来的大规模企业信息化建设,尤其是随着下一代智能化电网的全面部署,W物联网W及云计算技术为核也IT技术在电力行业的广泛应用,W能源互联网为总体框架的电力数据能源开始急剧増长并形成了一定的规模。电力大数据是中国能源行业变革中电力改革道路上的必经之路,这不但是技术层面的进步同时也是中国电力工业在大数据背景下发展理念、管理制度和技术架构等各个方面的重大变革。电力大数据是中国电力工业重塑电力核也价值观和转变电力发展方式的核也。在十二五期间,国家电网公司在发展战略中提出,实施H集五大(人力、财力、物力集约化,大规划、大建设、大运行、大检修、大营销五大
5、体系),实现国家电网公司发展方式的转变。这其中的五大体系正好和电力行业的输送配电等环节相对应,电力大数据价值的高效利用也将体现在电力行业的各个环节之中。2008年至今,广东电网公司W创新为目标,W科学发展观为中也,针对现有电力技术标准和规范进行制定,其中包括电力数据规划、SOA技术规范、电网信息模型、信息安全防护。开展了智能电网研究、智能电网技术体系研究、及智能电网中云计算的应用等课题研究。南方电网研究院针对电力大数据技术实现开展了深入的研究工作,如:研究基于大数据的电网体系架构、基于大数据的数据集成、存储、处理W及基于大数据的可视化技术;研究用户用电数据的存储、分析、修正:研究配用电网架优化
6、、电力调度W及用户节电、用电负荷预测;研究电力大数据在输变电设备负载动态评估、故障检查、状态评测W及运行风险评估等多个方面的应用。通过深度挖掘电力大数据的核也价值,为企业管理、电网的智能化运行提供坚实的技术支撑。丹麦维斯塔斯通过构建大数据处理平台对该公司的风电项目收集到的大数据进行实时处理其在全球的65个国家部署的4.3乃台风力发电机。这些风力发电机部署的位置直接关系到发电能力的强弱和投资回报的多少。在过去的几年中,维斯塔斯所安装的风力发电机及其收集到的环境信息已遍布全球,其累积的气象数据达到2.6PB。面对如此庞大的数据集,维斯塔斯采用了抵M的BigInsights大数据平台来分析、处理所收
7、集到的数据,通过该大数据平台对风力发电设备的优化,实现了最高效的能源输出。该公司利用电力大数据不仅优化了风力发电机的部署位置同时最高限度提高设备发电能力W及寿命。参考文献:1中国电机工程学会信息化专委会2013年3月中国电力大数据发展白皮(2013年).2张沛.电力大数据应用现状及前景J.电气时代,2014,F12:24-27.3孙巧星.数据挖掘技术及其在电力系统负荷预测中的应用J.4李晓峰,黄国兴,高巍巍,T树春.数据挖掘和动态神经网络在负荷预测中的研究与应用J.5许林生.基于数据挖掘的电力调度管理系统设计与实现D.电子科技大学,2013.6王德文,肖凯,肖磊.基于Hive的电力设备状态信息数据仓库J.电力系统保护与控制. -全文完-