大数据处理技术在智能变电站管理中的应用

大数据处理技术在智能变电站管理中的应用

钱 超 宋晓华

国网浙江杭州市余杭区供电公司，浙江 杭州 311100

摘要：智能变电站运行、检修和管理过程中会产生海量数据，数据的规模和复杂度的增长对现有智能变电站的计算能力带来了极大挑战。本文首先分析了智能变电站大数据的产生来源及特点，分析了大数据处理技术，最后提出了大数据处理技术在智能变电站运行管理中的应用及面临的挑战。 关键词：智能电网；变电站；大数据处 中图分类号：TM76 文献标识码：A 文章编号：1671-5780(2015)18-0244-01

智能电网的快速发展亟需智能变电站的大量投入，智能变电站在运行过程中会产生大量的检修和管理数据，运行和设备监测产生的数据量增长速度非常快，构成了当今信息学界所关注的大数据。本文针对大数据处理技术在智能变电站运行管理中的应用进行了阐述，首先分析了智能变电站大数据的产生来源及特点，分析了大数据处理技术，最后从大数据传输及存储技术、实时数据处理技术及异构多数据源处理技术等三个方面分析了大数据处理技术在智能变电站运行管理中的应用。

1 智能变电站大数据产生来源

智能变电站与传统变电站存在很大的不同，具有更高的智能化水平，而实现智能化的前提是大量实时状态数据的获取，目前智能变电站的大数据主要包括以下几个方面：

智能变电站需要监测的设备及参数数量巨大（如表1所示），采用若干传感器对每个设备的各种状态量进行监测，通过一定的通信通道将这些传感器互联互通，由变电站的数据收集服务器按照统一的通信标准上传到数据中心，智能变电站状态监测数据成指数级增加。

为了捕获各种状态信息，采集设备信号的采样频率越来越高。

为记录智能变电站各电力设备生产运行的每个细节，需采集大量的实时信号与图片。

根据以上分析，智能变电站运行及管理数据已经具备大数据的4V特点，必须采用大数据处理技术对数据进行处理。

表1 电气设备监测对象及状态参数 监测对象 监测状态参数 油中溶解气体、局部放电、套管介损、变压器 油中微水、油中温度、铁芯接地电流、噪声 高压断变电站 路器 局部放电、气体成分、微水 设备 互感器 电容、介损、局部放电 氧化锌避雷器 阻性泄漏电流、局部放电 高压母线 温度 环境参数 日照、风速、风向、湿度、温度等 2 大数据处理技术 2.1 并行数据库

关系数据库主要存储结构化数据，可以实现便捷查询分析数据、快速处理事务等功能，并可以保证数据的安全性。然而智能变电站在运行和管理过程中，会产生诸如图片、音频及视频等各类非结构化数据，关系数据库已经不能存储这类数据，不能满足智能变电站大数据快速访问和分析的需求，因此需要建立并行数据库。并行数据库系统是新一代高性能的数据库系统，是在MPP和集群并行计算环境的基础上建立的数据库系统。并行数据库通过多个处理节点并行执行数据库任务，提高整个数据库系统的性能和可用性，实现系统的高性能和高可用性。

2.2 云计算技术

海量数据及分布式的布局，使得传统的数据管理技术难以处理和分析大数据。云计算模式提供可用的、便捷的、按需的网络访问，进入可配置的计算资源共享池，只需投入很244 2015年18期

少的管理工作，这些资源能够被快速提供。其核心思想是海量数据存储和数据并行处理技术，而并行处理技术主要包括分布式文件系统和MapReduce技术，可以很好的处理非结构化数据和并行数据库中的大数据。

3 大数据处理技术在智能变电站运行管理中的应用 3.1 大数据传输及存储技术

正如上文所述，智能电网要求记录智能变电站每一时刻的运行数据及各个电力设备全景状态在线监测数据，海量数据传输和存储问题对监控装置造成极大的负担。数据压缩技术可以有效减少网络数据传输量，提高存储效率，数据压缩一方面减少了存储空间，但压缩和解压会耗费大量的CPU资源。因此数据在解压的过程中，需要合适的计算与存储平台。

在数据存储方面，智能电网中的海量数据可以利用分布式文件系统来存储，但这些系统不能满足电力系统的实时性要求。因此必须对系统中的大数据根据性能和分析要求进行分类存储，对大量的历史和非结构化数据采用分布式文件系统，对核心业务数据使用传统的并行数据仓库系统，对性能要求非常高的实时数据采用实时数据库系统。

3.2 实时数据处理技术

数据处理速度是大数据处理技术的关键指标之一。传统的数据存储方案是为一定大小的数据量而设计的，在其设计范围内处理速度可能非常快，但面对海量数据时不能满足要求。智能变电站数据处理都需要实时数据处理，目前的云计算系统可以提供快速的服务，但有可能会受到短暂的网络拥塞。基于内存的数据库越来越受到关注，内存数据库就是将数据放在内存中直接操作的数据库，内存的数据读写速度相对于磁盘要高出几个数量级，将数据保存在内存中比从磁盘上访问能够极大地提高应用的性能。

3.3 异构多数据源处理技术

智能变电站要求实现信息的全面采集、流畅传输和高效处理，实现大规模多源异构信息的整合，为智能变电站提供资源集约化配置的数据中心。在智能变电站异构多源信息融合和管理中，需要综合运用统计学习、人工神经网络、支持向量机和关联规则挖掘等人工智能方法，研究异构数据融合与挖掘的集成方案。

4 结语

本文在分析智能变电站大数据的产生来源及特点的基础上，分析了大数据处理技术，最后从大数据传输及存储技术、实时数据处理技术及异构多数据源处理技术等三个方面分析了大数据处理技术在智能变电站运行管理中的应用。结果表明大数据处理技术将会为智能变电站电力设备的状态检修、电网自愈、信息互通等功能提供支持，能有效促进智能变电站数据的管理。

参考文献

[1]李国杰，程学旗.大数据研究：未来科技及经济社会发展的重大战略领域——大数据的研究现状与科学思考[J].中国科学院院刊，2012，27（6）：647-657.

[2]宋亚奇，周国亮，朱永利.智能电网大数据处理技术现状与挑战[J].电网技术，2013，37（4）：927-935. 作者简介：

钱超（1984.10-），男，浙江人，本科，单位：国网浙江杭州市余杭区供电公司，研究方向：生产运行