论文部分内容阅读
摘要：电网数据量不断增多，处理与监测数据时，需要结合当前的海量数据信息，选择合适且有效的技术手段。本文对智能电网海量数据信息的监测工作现状为切入点，分析电网海量数据信息的基本框架，研究監测数据过程中运用的关键技术，实现高效处理与实时存储数据的目标。
关键词：智能电网;海量信息数据;监测;关键技术
电力系统在现有技术资源的支持下，持续开展改造与升级活动，电网系统的规模不断扩大，智能化与信息化水平也快速提升，电网发展已经步入到大数据时代，必须要重视海量信息数据的处理与应用工作。现通过先进技术手段，针对智能电网系统中的海量数据信息展开严格监测。
1智能电网应用现状分析
智能电网系统还处于发展与完善的阶段，其导致电网的调度、用电、配电以及变电等环节的数据量在持续增加，网络技术、计算机通信技术以及云计算平台等先进技术进入到电网系统，大数据资源与技术在电网运行中已经占有重要地位，在提升电网运行技术水平的同时，也给电网数据管理提出了新的要求，智能电表需要完成监控与采集海量电网数据的任务，以此将数据价值完整地呈现出来。当前电网大数据管理的重点对象为多元异构数据，深层次检测环节，主要针对异常、存储与采集等活动的内容为主，电网管理工作的核心内容为优化调度与配置，高效管理资源，针对处于监控范围内的电网数据信息展开控制，电网数据信息涵盖功耗、功率与电压等，依靠这些信息可以提升电网运行效率，增强电网控制系统的可靠性。
2智能电网海量数据信息监测框架
电网中的海量信息数据具有易失性、无序性与实时性，处理环节有存储，计算、接入以及采集，这些处理工作都要通过调控云技术才能有序完成。
采集系统负责汇总与监听数据源，缓冲系统接收数据之后，可控制与协调其速率，采集海量电网数据时，传感器与智能电表发挥主要作用，支持数据传输与实时采集功能，智能电表在监听数据过程中显示出极强的可靠性与实时性;接入海量数据之后，考虑到处理与采集数据的速度并不一致，为了使数据保持完整，可在延迟性相对偏低的条件下，先对海量数据实施缓冲处理，以此来优化与控制数据的流通速度;对海量数据开展流通计算时，应优先考虑处理速率方面的问题，以此来对实时性需求加以满足，当数据出现动态变化之后，数据的速率也随之改变，流通计算出的数据只能被应用一次，调节控制数据的功能应当具有必要的伸缩性，而电网数据往往会受到包括时间因素在内的多种因素的影响，因此更容易产生顺序错乱的状况，无论是在恢复故障功能还是实现负载均衡的工作中都需要流通计算来获取相应的技术支撑;最后一个环节的工作为存储海量数据，结合智能电网中预测负荷、监测用电行为以及监测异常情况等多样化的业务需求，应选择而多种方式来存储数据并处理结果，依靠数据分析、传输以及流通结果来完成深层次检测任务。
3智能电网海量数据监测关键技术
3.1构建数据模型
以电网的阻抗与导纳为基础，立足于电网数据的传输与流通，采用潮流计算方法，分析电流与电压间的关联，根据电网的无功注入与有功注入这一依据，确定功率与电流之间的关系，完成计算与分析的工作，获得非线性方程，依照潮流坐标对应的计算结果来构件电网数据的模型。智能电网兼具高维、非线性与动态化的特点，进行持续变化时需要的过渡时间不长，同时复杂度也很高，为了简化模型，针对电网中的电气计算可采取潮流计算法，根据电网结构与运行参数来确定电网的实际运行状态。当数据的节点数量增加之后，数据模型也会因此而变得更加复杂，通过模型能够将电网故障计算出来，处理故障，恢复电网使用时，可总结异常情况，诊断海量数据在传输性能上存在的问题，并获得评估结果。
3.2监测过程
深层次监测技术可以在采集在线数据的同时，计算与分析数据的判别值与分布情况，依照判别值对应的权重来实现控制与调节数据的目标。除了检测电流、电压数据之外，还可分析电能质量的扰动情况，测试扰动数据，该方法存在的主要问题是误报率偏高，需提升其准确率与检测效率，因此在进行检测时，可以将调控云作为技术基础，再依靠数据库管理系统，在调度系统中达成监控海量数据的目标，确保选择使用正确的控制方式。在发电厂与变电站中安装远动设备，传送与采集继电保护与设备运转参数等信息。
分析电网数据时，需要以电网信号的运行时间与角频率为基础，确定与之对应的正弦与余弦系数，同时掌握分量系数;结合电网运行时间与坐标系来获得数据信号，完成深层次检测任务。智能电网上的电压会受到负载非线性与电负荷变动的直接影响，从而出现变动与偏差，在进行海量数据监测时应注意到这方面的问题。
3.3分析测试结果
测试监测系统的有效性之后，发现海量运行数据会给智能电网造成一定的影响，因此必须进行协调开工至，可加入PC机，使用数量为6台，CPU内存是4GB，操作系统为Windows，以此来搭建符合要求的实验环境，通过java程序来设计数据编码，对200个电网数据进行监测，监测次数设置成8次，最终的误报率如下，当数据量为600bit到1400bit时，误报率为20%到40%之间;数据量为400bit时，误报率是40%，数据量是200bit时，误报率在20%左右，可确定该监测方法形成了相对较高的准确率，可以满足深层次监测海量数据的需求。
4结论
智能电网在满足电网应用方面有突出的应用优势，但是由于构造更加复杂，使用设备数量更多，给管理与监测工作带去新挑战。本文主要针对监测海量电网信息的工作展开分析，借助调控云技术来完成深层次检测任务，形成较高的检测准确率，有助于提升智能电网控制调度工作水平，增强了电网的可控性。
参考文献
[1]崔晓优，饶国辉.面向智能电网应用的电力大数据关键技术研究[J]. 2021（2017-7）：182-182.
[2]郭晓敏.面向智能电网应用的电力大数据关键技术探讨[J].企业科技与发展，2019，000（006）：84-85.
[3]李永光，张彦军，汪凯威，等.面向智能电网应用的电力大数据关键技术探讨[J].数字通信世界，2019，171（03）：58.
关键词：智能电网;海量信息数据;监测;关键技术
电力系统在现有技术资源的支持下，持续开展改造与升级活动，电网系统的规模不断扩大，智能化与信息化水平也快速提升，电网发展已经步入到大数据时代，必须要重视海量信息数据的处理与应用工作。现通过先进技术手段，针对智能电网系统中的海量数据信息展开严格监测。
1智能电网应用现状分析
智能电网系统还处于发展与完善的阶段，其导致电网的调度、用电、配电以及变电等环节的数据量在持续增加，网络技术、计算机通信技术以及云计算平台等先进技术进入到电网系统，大数据资源与技术在电网运行中已经占有重要地位，在提升电网运行技术水平的同时，也给电网数据管理提出了新的要求，智能电表需要完成监控与采集海量电网数据的任务，以此将数据价值完整地呈现出来。当前电网大数据管理的重点对象为多元异构数据，深层次检测环节，主要针对异常、存储与采集等活动的内容为主，电网管理工作的核心内容为优化调度与配置，高效管理资源，针对处于监控范围内的电网数据信息展开控制，电网数据信息涵盖功耗、功率与电压等，依靠这些信息可以提升电网运行效率，增强电网控制系统的可靠性。
2智能电网海量数据信息监测框架
电网中的海量信息数据具有易失性、无序性与实时性，处理环节有存储，计算、接入以及采集，这些处理工作都要通过调控云技术才能有序完成。
采集系统负责汇总与监听数据源，缓冲系统接收数据之后，可控制与协调其速率，采集海量电网数据时，传感器与智能电表发挥主要作用，支持数据传输与实时采集功能，智能电表在监听数据过程中显示出极强的可靠性与实时性;接入海量数据之后，考虑到处理与采集数据的速度并不一致，为了使数据保持完整，可在延迟性相对偏低的条件下，先对海量数据实施缓冲处理，以此来优化与控制数据的流通速度;对海量数据开展流通计算时，应优先考虑处理速率方面的问题，以此来对实时性需求加以满足，当数据出现动态变化之后，数据的速率也随之改变，流通计算出的数据只能被应用一次，调节控制数据的功能应当具有必要的伸缩性，而电网数据往往会受到包括时间因素在内的多种因素的影响，因此更容易产生顺序错乱的状况，无论是在恢复故障功能还是实现负载均衡的工作中都需要流通计算来获取相应的技术支撑;最后一个环节的工作为存储海量数据，结合智能电网中预测负荷、监测用电行为以及监测异常情况等多样化的业务需求，应选择而多种方式来存储数据并处理结果，依靠数据分析、传输以及流通结果来完成深层次检测任务。
3智能电网海量数据监测关键技术
3.1构建数据模型
以电网的阻抗与导纳为基础，立足于电网数据的传输与流通，采用潮流计算方法，分析电流与电压间的关联，根据电网的无功注入与有功注入这一依据，确定功率与电流之间的关系，完成计算与分析的工作，获得非线性方程，依照潮流坐标对应的计算结果来构件电网数据的模型。智能电网兼具高维、非线性与动态化的特点，进行持续变化时需要的过渡时间不长，同时复杂度也很高，为了简化模型，针对电网中的电气计算可采取潮流计算法，根据电网结构与运行参数来确定电网的实际运行状态。当数据的节点数量增加之后，数据模型也会因此而变得更加复杂，通过模型能够将电网故障计算出来，处理故障，恢复电网使用时，可总结异常情况，诊断海量数据在传输性能上存在的问题，并获得评估结果。
3.2监测过程
深层次监测技术可以在采集在线数据的同时，计算与分析数据的判别值与分布情况，依照判别值对应的权重来实现控制与调节数据的目标。除了检测电流、电压数据之外，还可分析电能质量的扰动情况，测试扰动数据，该方法存在的主要问题是误报率偏高，需提升其准确率与检测效率，因此在进行检测时，可以将调控云作为技术基础，再依靠数据库管理系统，在调度系统中达成监控海量数据的目标，确保选择使用正确的控制方式。在发电厂与变电站中安装远动设备，传送与采集继电保护与设备运转参数等信息。
分析电网数据时，需要以电网信号的运行时间与角频率为基础，确定与之对应的正弦与余弦系数，同时掌握分量系数;结合电网运行时间与坐标系来获得数据信号，完成深层次检测任务。智能电网上的电压会受到负载非线性与电负荷变动的直接影响，从而出现变动与偏差，在进行海量数据监测时应注意到这方面的问题。
3.3分析测试结果
测试监测系统的有效性之后，发现海量运行数据会给智能电网造成一定的影响，因此必须进行协调开工至，可加入PC机，使用数量为6台，CPU内存是4GB，操作系统为Windows，以此来搭建符合要求的实验环境，通过java程序来设计数据编码，对200个电网数据进行监测，监测次数设置成8次，最终的误报率如下，当数据量为600bit到1400bit时，误报率为20%到40%之间;数据量为400bit时，误报率是40%，数据量是200bit时，误报率在20%左右，可确定该监测方法形成了相对较高的准确率，可以满足深层次监测海量数据的需求。
4结论
智能电网在满足电网应用方面有突出的应用优势，但是由于构造更加复杂，使用设备数量更多，给管理与监测工作带去新挑战。本文主要针对监测海量电网信息的工作展开分析，借助调控云技术来完成深层次检测任务，形成较高的检测准确率，有助于提升智能电网控制调度工作水平，增强了电网的可控性。
参考文献
[1]崔晓优，饶国辉.面向智能电网应用的电力大数据关键技术研究[J]. 2021（2017-7）：182-182.
[2]郭晓敏.面向智能电网应用的电力大数据关键技术探讨[J].企业科技与发展，2019，000（006）：84-85.
[3]李永光，张彦军，汪凯威，等.面向智能电网应用的电力大数据关键技术探讨[J].数字通信世界，2019，171（03）：58.