云計算電力大數據分析技術

導語：云計算電力大數據分析技術一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

摘要：本文以電力大數據分析技術為核心，分析了現代電力大數據的主要特征，提出基于云計算的電力大數據分析技術的應用途徑，旨在推動電力行業的持續發展，并為相關研究人員提供一定的借鑒和幫助。

關鍵詞：云計算；電力大數據；分析技術；應用

0引言

我國電力輸送網絡主要以智能電網為核心，把現代化控制技術應用到電網管理中，借助計算機網絡系統，實現發電、輸電、用電、調度等環節的數據采集、分析和處理，為電力企業各項管理決策提供信息依據，優化各個系統運行環節，提高供電效率，保證智能電網運行的安全性和穩定性，進而滿足用戶的多元化用電需求。由此可見電力數據無論是智能電網運行還是在電力企業經營管理中都占據重要的地位，在此背景下，探究基于云計算的電力數據分析技術具有重要的現實意義。

1現代電力大數據的主要特征

（一）數量化

隨著智能電網的普及范圍逐漸擴大，搭建面積也在增加，各個網絡節點設備數量也在增多，形成了龐大的數據資源體系。這些龐大而繁雜的數據，給數據搜集工作和數據分析工作帶來了一定的難度。對此，相關管理部門要進行大量的數據分析。目前，我國電力大數據級別由TB上升到PB級別，假設某地區電力客戶為2200萬戶，全部設置現代智能電表，每15分鐘搜集一條數據，該地區每天就會產生21億條電力數據，可見電力數據的龐大性，這也就賦予現代電力大數據的數量化特征。

（二）多元化

現代電力大數據的多元化主要體現在數據種類的多元化，由于先進技術和相關設備的投入使用，使得計算機數據由傳統單一化結構性數據發展為現代各類數據并存的數據體系，包含非結構性數據和結構性數據，其中非結構性數據的數量比例在日益提升，賦予現代電力大數據多元化特征?，F代電力大數據多元化特征，也表示傳統的數據分析方式無法適應數據變化，需要對數據分析技術進行創新和改革，進而達到最佳的應用效果。

（三）高速化

現代電力大數據無論是從數據采集方面還是從數據分析方面上看，都具備高速化特征，以高速狀態迅速完成，這主要是由用戶終端數量的不斷增加所決定的，要求國內電網內大數據分析設備能夠滿足每秒數十萬次的計算和分析。

2基于云計算的電力大數據分析技術

電力數據除了傳統數據中心的數據之外，還包括一些無法處理的文件，例如誒之文件、監控視頻以及故障照片等，數據結構種類不單一，對大數據分析技術有很高的要求，而基于云計算的電力大數據分析技術很好地解決了這一問題，具體分析技術如下所示：

（一）多維索引技術

傳統Hive系統索引功能過于單一，無法實現電力大數據搜索的具體化與細致化，造成CPU資源的浪費，降低了電力大數據分析效率。電力大數據具備多維區間查詢特征，各個維度查詢較為固定。例如浙江省電力系統，是一種以單位代碼與時間代碼為標準的索引方式，結合實際情況，采用各個維度輔助的形式開展電力大數據多維索引，自動過濾干擾數據和無用數據，有效提高了大數據索引效率與利用效率。當前，多維索引技術應用范圍較廣，形成以多維索引技術為核心的分布式多維索引系統，依托于Hive命令，通過HQL解析器，實現代碼解析，使得可索引的維度區間更加豐富，還可以根據實際需求，把索引數據放置到Hadoop分析系統中綜合處理。

（二）翻譯工具

傳統Hive系統運行中，利用HQL索引語言進行數據分析，HQL索引語言屬于SQL的分支，但二者間的語法差異較大。現代化電力大數據中含有很多SQL語言儲存信息，這就是傳統Hive系統無法滿足數據分析要求，在數據存儲和數據分析上效率較低。在基于云計算的環境下，電力數據的SQL語言會直接翻譯為HQL語言，但是這一手動翻譯方式由于處理內容較大，會消耗大量的時間，人工翻譯的錯誤率也很高。對此，為了提高翻譯效率，要應用自動化翻譯工具，自動分析SQL語句中的語言數據，一旦滿足設定的翻譯條件，就會形成多個HQL語段，對這一語段進行分析和處理，不僅避免了人工翻譯的錯漏，還降低時間消耗量，提高翻譯效率和系統分析效率。

（三）混合存儲技術

在傳統Hive系統運行中，無法為數據更新與刪除提供支持，只能依靠重寫來實現間接性數據更新。由于現代電力大數據分析中，智能電網每天需要處理的數據容量較大，無論是數據更新還是數據刪除，都需要快速處理，效率要求較高，而且每個操作數據比例小，若繼續使用重新方式進行數據更新，會造成大量數據資源的占用，降低系統的整體運行效率。對此，應用混合儲存技術，借助主表與附表的輔助與支持，記錄實時更新數據與不需要實時更新的數據，根據運行要求進行數據處理，進而提高數據分析處理的有效性，保證資源利用效率的最大化。

（四）分層次處理技術

在云計算技術的支持下，引入分層次數據技術進行綜合數據分析處理，在智能電網中，形成電力信息搜集、儲存、應用等功能為一體的結構化管理系統，結合電力供應情況，建設大數據管理系統分支化管理體系，加強電力供應系統間的關聯性和獨立性，保證電力系統資源在各個電力供應系統中的流轉和共享，提高資源利用效率。同時，借助云計算SQL系統，保證電力大數據分析計算的同步性，有效提高電力大數據分析處理效果和效率，實現智能電網的電力大數據層次化分析管理。

3基于云計算的電力大數據分析技術應用效益分析

早在2013年，浙江省首次提出基于云計算電力大數據分析技術，并嘗試性應用在電網供電運行中，使得浙江省成為我國電力大數據分析技術應用的核心地區，借助前置群分析與緩沖，分析和處理電力大數據，幫助用戶索引各類數據。特別是在云計算平臺的支持下，各類數據在數據庫中儲存，借助以太網來實現實時連接與同步更新，提高電力大數據的準確性，運行速度快，大大提高了電力大數據分析的綜合水平。

（一）提高處理速率

在應用基于云計算的電力大數據分析技術后，以計算機內部數據處理系統為主，輔助虛擬數據挖掘技術，促進計算系統的完善和優化，提高虛擬空間的利用效率，形成以云計算為基礎的電力大數據分析處理平臺，提高電力大數據處理速率，將整體數據劃分成各個層次的數據，同步處理，解決由于數據龐大而造成分析處理效率低的問題，進而提高了電力大數據分析處理的綜合速率。

（二）強化系統兼容性

在應用基于云計算的電力大數據分析技術后，有效提高了電力大數據分析系統的兼容性，利用分布式處理系統，實現各類電力大數據信息的控制，多種電力大數據分析系統協同處理，對信息管理資源進行綜合探索，應用效益較為明顯。

（三）擴展數據儲存空間

電力資源是社會發展的動力，而大容量大力資源提高了電力系統建設難度。在應用基于云計算的電力大數據分析技術后，通過多維索引技術、翻譯技術、混合存儲技術、分層次處理技術，增加了虛擬空間的利用率，并在云計算技術的支持下，實現虛擬空間的進一步擴展，提高電力大數據分析處理的高效性和完整性，達到最佳的應用效益。

4結束語

本文通過對基于云計算的電力大數據分析技術的分析，明確了現代電力大數據的主要特征，以此為依據，應用多維索引技術、翻譯工具、混合存儲技術、分層次處理技術，特別是在云計算平臺的支持下，各類數據在數據庫中儲存，借助以太網來實現實時連接與同步更新，提高電力大數據分析的準確性、高效性和完整性，達到最佳的應用效益。

參考文獻

［1］吳凱峰，劉萬濤，李彥虎，等基于云計算的電力大數據分析技術與應用［J］．中國電力，2015，48（2）：111116

［2］張棟基于云計算的電力大數據分析技術與應用［J］．企業技術開發月刊，2015，48（7）：7878

［3］王玎，余秀麗，劉曉峻基于云計算的電力大數據分析技術與應用［J］．移動信息，2015（12）：0007900079

［4］黃蕾，陶銳基于云計算的電力大數據分析技術與應用［J］．數字技術與應用，2017（2）：117117

作者:王小龍 單位:國網遼寧省電力有限公司營口供電公司