支撑电力大数据平台的SDN架构研究

为了支持国家电网公司电力大数据平台中的数据信息流能够有效传递,文章从SDN的实现功能原理与逻辑平面功能划分角度出发,深入剖析了最新的Open Flow标准,分别从数据平面、控制平面以及应用平面研究了系统的实现方法。在对SDN的Open Flow控制协议体系架构详细分析的基础上,提出了采用SDN作为未来国家电网公司大数据平台底层技术的构想,并从安全性、灵活性、分布式部署控制、互联互通等方面分析了具体的业务需求,为未来电力大数据平台的部署提供了相应的建设方案。     

电力大数据关键技术在电力传输预测与规划中的应用

介绍了电力大数据技术的研究背景与价值,解析了电力大数据系统的常见架构,说明现代电力系统应用背景下电力大数据系统的主要组成模块.大数据系统用于电力系统时,需要考虑云计算、数据存储、数据集成、数据计算、数据应用等5个关键技术.通过对关键技术与系统组成的分析,提出了可用于预测规划的应用方法,并对未来应用做了展望.     

基于电力大数据应用的故障诊断研究分析

阐述了目前电力系统中故障诊断存在的不足,针对一起变电站10kV开关柜负荷电流异常导致的故障,开发了一种电力大数据在电力系统故障诊断中的应用模块,结合电力大数据分析了导致开关柜发生故障的可能原因,并提出了相应的改进措施,为电力大数据在电力系统中的应用提供了典型案例分析。     

基于电力大数据技术的泛在电力物联网应用研究∗

大数据技术是电力智能终端与电力物联网之间通信的有效载体.泛在电力物联网既是数据的生产者,同时又是数据的消费者,提升电力大数据的应用技术,可以有效解决泛在电力物联网信息流层面的数据延迟与堵塞问题,提升数据的响应速度.基于大数据与电力物联网融合的设计架构,从能源、金融及业务层面提出了5种应用场景,对电力大数据与泛在电力物联网深度融合的商业运营模式进行了探讨.     

电力大数据应用的判断原则

电网每时每刻都在产生着类型繁多、体量巨大的数据,有效处理并发挥数据的最大价值,是电力信息化建设的主要目的之一。在电力行业,大数据应用已经得到国内外专家学者的广泛关注,但整体来看目前仍然处于初期的尝试阶段,明确何为电力大数据应用具有重要的意义。文章在综述电力大数据国内外应用研究的基础上,阐述了电力大数据的概念,进而结合具体应用场景从技术和价值2个方面提出了判断电力大数据应用的具体准则,为大数据在电力行业中的应用提供有益参考。数据即资产,电力大数据必将为电力工业乃至经济社会的发展提供重要的技术支撑。     

电力大数据存储方案设计

电力企业在大数据时代首先要解决的是海量电力数据的存储问题。针对电力大数据自身特征,分析了电力大数据存储的目的是为大数据挖掘提供保障。为了便于管理电力大数据,阐述了数据存储的优化方案。通过研究电力大数据的存储和管理方案,结合电力企业自身特点,设计了电力大数据的存储架构。     

电力大数据应用综述

电力大数据具有真实性高、时序性强、数据量大的独特优势,深入挖掘电力大数据的应用潜力是目前电网企业应对经济下行、提质增效的重要手段.首先介绍了电力大数据的国内外研究现状,其次阐述了电力大数据在居民互动用能、企业智慧运营、政府政策制定方面的应用,最后提出了该技术在具体应用时所面临的困难与挑战.     

基于电力大数据的企业复工电力指数研究与应用

疫情期间,企业复工情况不仅关系到地方税收和就业,还能深刻反映地方的经济和社会运转状况。准确掌握地区企业复工情况,既可帮助地方政府有效推动复工复产,也可辅助政府制定针对性防疫措施。通过收集浙江省内企业近3年春节期间电量相关基础数据,提出了一种基于GMM(高斯混合模型)和Knee Point算法的企业复工电力指数计算方法。首先,利用GMM对企业进行聚类分析,将其分为春节停工企业和春节不停工企业;其次,利用Knee Point算法分析企业的用电曲线,对春节停工企业是否复工进行判断;最后,基于研究得到的企业复工电力指数模型计算浙江省内各地区复工电力指数,并将计算结果用于辅助政府进行复工复产决策。     

面向智能电网的电力大数据关键技术应用

传统的数据处理技术已经无法解决爆发式增长的电力数据,导致智能电网无法跟上市场变化,阻碍着电力行业的发展。根据智能电网中大数据处理的特征,提出了电力大数据占有的绝对优势,并从数据分析、数据管理、数据处理和数据展现4种关键技术进行分析,研究电力大数据在智能电网中的应用效果。应用结果表明,电力大数据技术在智能电网中发挥着关键作用,对电力系统的发展起着必不可少的因素。     

电力调度数据平台中统一任务调度器的设计与实现

为了向所服务的不同业务系统提供统一的采集、加工、输出等功能,以电力调度业务数据整合及数据共享为目标的电力调度数据平台采用了统一任务调度器,作为其核心的组成部分。从概念.模型.功能特点等方面阐述了统一任务调度器的实现。     

电力大数据技术与电力系统仿真计算结合问题研究

电力大数据技术的进步为电力系统各领域提供了新的发展契机。该文探讨了其与电力系统仿真计算相结合的若干基本问题。首先阐述二者已有的基础、技术联系和基本结合方式,强调利用大数据技术包中提供的资源和方法解决实际问题;而后明晰了仿真计算数据与大数据相关的特征及其独有优势。在此基础上,讨论了与开展研发工作相关的若干要点,涉及二者结合适用的问题、开展研究的重点等,同时也说明引入大数据技术可能带来的问题。该文工作为在电力系统仿真计算领域开展大数据技术研究提供了基本框架,为研发工作的全面开展奠定了基础。     

大数据时代下数据挖掘技术在电力企业中的应用

首先对大数据进行了阐述,进而讨论了大数据时代下电力企业面临的巨大挑战;在此基础上指出在电力大数据时代下利用数据挖掘技术对电力企业产生的巨大影响;然后通过描述数据挖掘技术的一系列步骤,指出了电力大数据时代下,数据挖掘技术在电力企业的实现途径;最后,从智能电网、电力客户关系管理、信息系统的发展以及能耗问题等四方面论述了大数据时代下数据挖掘技术在电力企业中的应用前景。     

广东电网电力大数据现状及主要发展思路

对大数据的概念进行了阐述,结合广东电网有限责任公司（以下简称广东电网）在大数据方面的已开展的研究,从数据基础、资源基础和已应用领域三方面,对大数据在电力系统中的应用现状进行分析。基于大数据在电力系统应用存在的问题,总结并分析了电力大数据处理技术的三个层面：关键支撑技术、电力应用技术、标准和数据模型,在此基础上探讨了广东电网大数据的发展思路。     

基于大数据技术的电力用户行为分析及应用现状

电力行业是大数据技术应用的重要领域之一,电力大数据产生于电力生产的各个环节,蕴藏着丰富的商业和社会价值。介绍了大数据技术在电力行业的应用现状,重点对基于大数据技术的电力用户行为分析方法进行了归纳总结,最后给出了几个面向电力用户行为分析的大数据应用案例。     

基于Spark框架的电力大数据清洗模型

针对电力大数据清洗过程中的提取统一异常检测模式困难、异常数据修正连续性及准确性低下等问题,提出了一种基于Spark框架的电力大数据清洗模型。首先基于改进CURE聚类算法获取正常簇;其次,实现了正常簇的边界样本获取方法,并设计了基于边界样本的异常识别算法;最后通过指数加权移动平均数实现了异常数据修正。通过对某风电场风力发电监测数据进行了数据清洗实验分析,验证了清洗模型的高效性、准确性。     

电力数据网络的应用与安全性

电力数据网络是电力企业的主要通信方式,广泛应用于调度系统、信息管理系统、办公系统等领域,承载了实时数据和非实时数据。在应用过程中,电力数据网络存在不安全因素,包括硬件缺陷、计算机病毒、黑客攻击等。根据网络及应用特点,展开对安全性的讨论。根据不同业务对数据网络实时性、安全性、保密性、可靠性的需求不同,提出相应的安全策略及防护方法。     

电力用户侧大数据分析与并行负荷预测

随着智能电网、通信网络技术和传感器技术的发展,电力用户侧数据呈指数级增长、复杂程度增大,逐步构成了用户侧大数据。传统的数据分析模式已无法满足需求,迫切需要解决电力用户侧的大数据在分析与处理方面的难题。该文分析电力用户大数据的来源,针对电力用户侧大数据的数据量大、种类繁多与速度快等特点,指出电力用户侧的大数据在数据存储、可用性、处理等方面面临的挑战。结合云计算技术提出一种电力用户侧大数据分析处理平台,将智能电表、SCADA系统和各种传感器中采集的数据整合,并利用并行化计算模型Map Reduce与内存并行化计算框架Spark对电力用户侧的大数据进行分析。提出基于随机森林算法的并行负荷预测方法,将随机森林算法进行并行化,对历史负荷、温度、风速等数据进行并行化分析,缩短负荷预测时间和提高随机森林算法对大数据的处理能力。设计并实现基于Hadoop的电力用户侧大数据并行负荷预测原型系统,包括数据集群的管理、数据管理、预测分类算法库等功能。采用不同大小的数据集对并行化随机森林算法进行负荷预测实验,实验结果表明,并行化随机森林算法的预测精度明显高于决策树的预测精度,且在不同数据集上预测精度普遍高于决策树的预测精度,能够较好的对大数据进行分析处理。     

基于云计算的电力大数据分析技术与应用

为解决电力数据分析系统在大数据时代面临的严重的性能与可伸缩性瓶颈,更好地满足生产、营销等系统的需求,分析了云计算技术的优势,提出了基于云计算的电力大数据分析系统体系结构及关键技术。基于分布式并行计算框架Hadoop和Hive,面向电力大数据特征,设计了多维索引、SQL自动翻译工具和支持数据更新的混合存储模型3项性能提升技术,实现对传统电力数据分析系统的升级优化。在浙江电力用电信息采集系统的实际部署经验表明,和传统电力数据分析系统相比,该系统以1/8的硬件成本,获得平均5倍的性能优势。证明了云计算技术能够显著提升电力大数据查询与分析性能并有效降低成本。     

基于云计算技术的电力大数据预处理属性约简方法

针对大数据时代下电网数据体量大、类型多、速度快的特点,传统的属性约简方法已经无法完成对电力大数据的预处理,为此提出一种基于云计算技术的电力大数据预处理属性约简方法。该方法剖析了粗糙集中相对正域理论的特性,利用MapReduce模型设计了可以并行计算正域中元素个数的属性约简算法MP_POSRS。最后,在Hadoop平台上对电网故障诊断表和风电实测数据进行属性约简,实验结果表明,该方法有效可行,并具有较好的加速比和可扩展性,适用于电力大数据预处理属性约简。