3 引發技術變革的電力大數據

3.1 數據規模大，數據處理時效性要求高——傳統技術手段不能經濟地滿足業務性能需求

隨著電網規模的日益擴大，以及信息化水平不斷提高，數據規模日漸增大。例如，國家電網公司用電信息采集系統中的智能電表數量到2015年達到了三億塊，用采數據達到PB級。如此數量級的數據將對現今電網的數據存儲和管理提出嚴峻挑戰。
同時在數據實時性方面，目前電網公司對大用戶采集頻率為15分鐘一次，家庭用戶為1小時1次；對數據轉換、插入、修改、更新需要在兩次采集間隔之間完成。在傳統的技術手段下，采集數據的入庫時間為小時級，不能滿足目前電網營業務的需求。

圖3-1電網公司用電信息采集系統中的海量數據

隨著電網規模的快速增長.電網結構日趨復雜，電力企業紛紛加大了輸變電設備狀態監測技術的推廣和應用力度；隨著智能輸變電設備數量的不斷增長，設備中進行獲取與傳輸的各類數據也在發生幾何級的增長。這些數據不僅包括了設備異常時出現的各類信號、運行過程中各類設備的狀態信息，同時還包含了大量的相關數據，如地理信息、天氣、現場溫度與濕度，以及檢測視頻、圖像和相關實驗文檔等，從而構成輸變電設備狀態監測大數據。

輸變電設備狀態監測系統中大量的監測節點不斷地向數據平臺 傳遞采集的數據，形成海量的異構數據流。數據平臺不僅要可靠地存儲這些數據，而且要及時地分析和處理這些數據：狀態監測大數據以下五個特點対數據存儲和處理技術形成了巨大的挑戰。

1）輸變電設備狀態監測數據的體量巨大。從TB 級別躍升到PB級別。現階段在線檢測系統（變壓器油色譜、局部放電、絕緣子泄漏電流，線路覆冰、電站圖像監測等），涉及的數據包含結構化:.在線監測數值、臺賬信息等）和非結構化數據（圖像等），對于一個省級的電網公司，按照10000套終端，每套終端每5分鐘采集一次數據計算，每天產生數據總量約430GB。每年產生數據接近150 TB。目前，正在發展的直升機巡線所產生的紅外、紫外視頻信息，每年作業采集的數據量也達到了TB級別。一個數字化變電站每天產生的數據量約為3TB。隨著監測系統規模的擴大，上述數據量還將成倍增加。

2）多源異構數據的相關性。在大數據應用過程中，需要對多種監測數據進行關聯分析，也需要對電網系統外數據（氣象、地理、環境等）與監測數據進行關聯分析， 這無疑增加了輸變電設備狀態評估、故障預測等高級應 用的復雜度：另外.由于關聯分析涉及的數據體量巨大，所使用的數據統計分析算法、數據挖掘算法的執行效率在面對大數據時也會受到很大的影響，同時對數據存儲和數據分布方法提出了更高的要求。

3）時間和空間屬性。監測裝置節點具有地理位置屬性，數據采樣值具有時間屬性。對狀態監測數據的查詢不僅局限于按照設備關鍵字查詢，還可以基于復雜的邏輯約束條件進行多條件查詢，例如查詢某個指定地理區城中所有輸電線路監測裝置在規定時間段內所采集的數據，并對它們進行統計分析。

4）處理速度快。輸變電設備狀態評估、風險預測等高級應用要求對海量的歷史數據進行離線分析處理， 這要求數據平臺能夠提供并行化的海量歷史數據批處理的能力，這對系統的吞吐量提出了挑戰。

5）價值密度低。以視頻數據為例，連續不間斷監控過程中，可能有用的數據僅僅有1~2s。在基于經驗和人工的傳統輸變電設備狀態監測評估中，只對少量異常數據關注、處理和采用，而丟棄所謂“正常數據”，然而丟棄的大量“正常數據”也可能成為故障分析判斷的重要依據。

結合上述挑戰，應盡快提升電力企業數據平臺的存儲和處理能力，加大應用研發力度，有力支撐相關電網業務應用的開發。

書名：電力大數據：能源互聯網時代的電力企業轉型與價值創造

ISBN：978-7-111-51693-4

作者：賴征田

出版日期：2016-01

出版社：機械工業出版社