北极星智能电网在线讯:电力系统在运行中会产生庞大的数据信息，数据增长速度很快并且类型较多，这和大数据的特征相符合。随着电网的不断发展和推进，系统内的数据源会不断增多，甚至会出现极强的增长趋势。以往的数据处理技术已经不能满足当前发展需求。
智能电网大数据特征
智能电网在运行的过程中会不断产生庞大的数据，对数据按照来源进行划分，可以分为电力企业内部和外部数据，其中内部数据包括数据采集与监控系统、生产管理系统、配电管理系统、客户服务系统等，数据大多来源于关键应用系统;外部数据则一般来自于互联网、气象信息系统、地理信息系统等，外部的数据较为分散，数据管理单位也各不相同。可以看出智能电网数据具有多样性、来源多样的特征，半结构化、非结构化的数据数量在不断增加，比如：客户服务系统中的语音数据、在线监测系统中的视频、图像数据，这些都属于非结构化数据，这些数据价值密度不高，每种数据在采样、生命周期、频率方面都各不相同。
智能电网、云计算以及大数据技术之间的联系
当前电网中基础设施还不完善，不能有效的对相应信息资源进行搜集、分析和存储，要解决当前现状，就需要在电力系统中加入智能电网应用。
要对电网中的数据信息资源进行合理的使用，为决策提供有效的依据，就需要构建大数据平台，实现科学决策。在构建的过程中，还需要加入云计算技术，将云计算技术和大数据技术进行有机结合，实现企业对智能电网下各类数据信息的有效分析、计算与存储，为更好的控制智能电网提供技术支撑。
智能电网、大数据技术、云计算之间具有紧密联系，云计算技术具备很大的信息存储功能，在构建大数据平台时，将其加入，靠其功能对智能电网下各项数据信息进行计算以及分析，而电网运行又会不断产生庞大的数据，因此在搭建平台时，可以利用这一功能，来满足智能电网运行的实际需求，为实现智能电网数据在线分析功能提供技术支撑。另外，应用这一技术，还可以加强对智能电网的实时监控与管理，为其经济合理的运行提供支持。
智能电网中电力大数据关键技术的运用
1 ETL 关键技术
电力领域智能电网在数据分布上具有分散的特点，数据数量很多，数据类型也较多，这些都为数据处理工作带来了一定的困难。在这种情况下，进行数据处理工作应该要按照标准流程进行规范操作，即“数据集成-抽取-转换-剔除-修止“。电力企业通常将数据仓库技术应用到数据集成上，ETL 是“Extract-Transform-Load”的缩写，从中可以看出其包括三个部分，即 Extract、Transform 和 Load，首先是 Extract，被叫做数据抽取，就是要将目的数据源系统需要的有关数据从数据源系统中抽取出来;Transform 被叫做数据转换技术，用数据抽取技术抽取出的数据根据相关的要求进行转换，将数据变为另一种形式，在这个过程中要对数据源中出现的偏差和错误数据进行处理，要清洗或者加工数据;Load是数据加载技术，就是将上一环节处理好转换好的数据进行加载，之后保存到目的数据源系统内。
这一关键技术是智能电网中电力大数据集成的关键技术，将其应用到企业中，需要全面考虑每种因素，在合理考虑后再和多种先进技术进行结合，实现科学的数据集成化。
2 数据分析关键技术
大数据技术中，核心就是将信号转化为数据，利用ETHINK平台对数据进行处理和分析，将其转化为信息，通过对信息进行提炼，可以为电力企业的决策和行动提供有效参考和依据。德国就使用数据分析关键技术，为其太阳能推广提供了有效、科学的决策依据，太阳能的广泛使用可以让电力用户将多余的电能输入电网中，提高电力企业的经济利益。
3 数据处理关键技术
在电力大数据中，使用数据处理技术就是对采集来的数据进行处理，包括分库、分区与分表。数据分库处理就是要按照一定的处理原则将一些利用率高的数据输入到不同的数据库中，这样可以提高数据库中一些数据的利用率。数据分区处理，就是将通表数据有效的载入到不同文件中，可以有效减轻大型表压力，提高数据的访问性能，让运行情况更好。数据分表处理，就是按照相关的数据处理原则来建造各种数据表，这样可以减轻单表压力。除此之外，构建并行式和纵列式数据库，可以提高数据加载性能，实现高效的数据查询。例如，可以将结构化查询语言和 Map Reduce 进行有机结合，可加强数据库中数据的处理性能，提高数据的抗压弹性。
4 数据展现关键技术
在智能电网电力大数据中，展现数据的关键技术包括可视化技术、历史流和空间信息流，将这三种数据展现关键技术应用到智能电网数据处理中，可以让企业中的管理者正确认识到电力数据的意义和系统运行情况。可视化技术被广泛的应用到智能电网中，用来实时监测和控制电网的运行情况，可以有效提高电力系统的自动化水平。空间信息流展示技术通常体现在电网参数和已有 GIS 的融合中，例如三维展示技术和虚拟现实技术。历史流展示技术通常会应用到电网历史数据管理和展示中。可以实现对电力生产现场的实时监测数据或者电网规划、负荷预测数据等数据走势的预测功能，可见这一技术具备很大的应用价值。
在大数据时代背景下，企业应该不断优化，搭建出更完善的电力大数据平台，能够充分挖掘出数据的价值，通过利用一些关键技术，可以提高智能电网中电力大数据的处理水平，为企业带来更多的经济利益，提高企业的竞争力，保证电网的运行。
