国网太原供电公司030012
摘要：大数据处理技术可对数据信息进行高效处理，其具有高容错性、高可靠性等。智能电网大数据处理，可对电网系统数据信息进行实时采集与处理，对发电环节、输变电环节和用电环节产生的数据信息进行分析，并以结构化和非结构化的管理方式，对数据信息进行分类式处理，可提升智能电网对数据信息的处理速率。
关键词：智能电网;大数据;处理技术;
1智能电网大数据概述及特征
1.1概述
当前网络信息技术的不断提升，可对数据信息进行有效存储与处理，在智能电网中应用时，可对数据进行分类管理，使电网系统具有规划性。当前电网数据信息一般分为，管理型数据、营销型数据和监测数据等，由电力企业各部门进行协调合作，使数据信息具有关联性，并可通过网络技术进行实时核对。电网内部的数据信息可以结构化和非结构化进行划分，结构化数据是指在电网数据库中储存的信息;非结构化数据是指存储数据具有动态性，不能通过数据信息对其进行直接储存的信息。智能电网与传统电网相比，其可对设备的运行信息进行实时查看，并可设置相应数据信息采集周期，满足设备的供给量。智能电网中数据信息主要来源于发电环节、输变电环节和用电环节，通过对三个环节进行数据信息的采集，可构建完整的数据信息处理体系。
1.2特征
（1）数据体量大
智能电网包括电力的生产、传输和消费等环节，产生的数据量比较多，同时，随着智能电网的不断运行和发展，在终端采集的信息量成爆炸式增长。
（2）数据类型多
智能电网不同于以往的电力系统，它可以产生很多类型的数据。在传统的电力系统中，数据大多是结构化的，而智能电网系统可以产生图片、声音等非结构化的数据，使电力大数据的类型多种多样。
（3）数据速率高
智能电网的数据传输是靠信息数据流生成的，有着即时性和精确性特点，对于运算速度快、数量多的智能电网来说，电力大数据的传输速率发挥着重要的作用。
（4）数据价值高
在智能电网中获取的数据被应用于电力生成、传输和消费等各个环节，有着极高的利用价值，可以通过深入挖掘和融合探寻出有价值的信息，为智能电网的安全稳定的运行提供坚实的数据基础。
2大数据处理技术研究
2.1数据库处理
当前随着电网行业的不断发展，电网系统产生的数据信息已超出其管理运行的范围，且当前数据库管理信息的方式，一般以结构化管理模式对数据信息进行储存。智能电网随着行业技术不断提升，也正逐渐研发非结构数据管理模式，其对图像信息、视频监控等可进行数据储存，满足当前行业领域发展的需求。当前智能电网的结构化数据管理模式，首先存储量具有一定限制，当数据信息超出PB级别时，电网系统内部难以对大数据信息进行高效传输，部分企业对此问题进行处理时，采取数据调离法，使新数据与储存数据进行转换，以达到减少数据信息的传输量，但此种模式，未能对特征信息进行针对性处理，导致处理效果不明显。其次，受到电网系统内部信息访问模型的限制，导致值量访问速率受限，部分电力企业使用传统数据库可对数据信息进行结构性区分，降低数据信息的查询频率，提升其处理效率，但不适用于大量数据信息的传输。最后，电网系统在数据信息处理过程中，缺少对非结构性数据管理能力，使电网对音频和图像的处理能力较差，当前随着用户的需求不断提升，数据信息多样性，使传统数据库的数据信息储存模式显得较为单一。
2.2云计算处理
大数据信息技术的发展是基于对数据信息的存储而建立的，通过云计算处理技术可对数据信息进行储存与相应的运算处理。云计算处理通过并行处理技术，可对数据信息进行实时运算，提升数据信息的内在关联性，且其具有容错性，可对数据信息进行核对并将误差性数据信息进行恢复。云处理技术可对数据信息进行动态访问，扩展其对数据信息的访问范围，并具有高可靠性等。云计算处理可对电网系统进行数据平台性的扩展，但其对数据信息的保密性和安全性能方面需进一步提高。
3智能电网大数据处理技术挑战分析
3.1储存技术
数据存储作为电网系统数据信息运行的首要前提，可通过分类储存的方式，对数据信息进行性能分析，按照数据信息的格式进行文件储存。部分数据信息存在实时功能，且对存储性能要求较高，可对其进行实时数据库存储，使其运行速率达到最高。同时可对重要的数据信息进行并行存储，将数据信息进行相应备份，在对重要信息进行提取时，可通过多途径协同读取，提升数据读取的精准性。可对堆积性数据信息进行分散式文件分类处理的方式进行储存，可使新数据信息进行重复性调取，可有效提升数据信息的处理速率。
3.2实时处理技术
当前电网数据信息处理时，由于用户需求和检测数据多样性的提升，使电网大数据信息存储量增加。在对数据信息进行处理时，由于其数据量较大，处理时间也将延长，部分传统性数据处理方案以数据信息存储量为基础进行构建，保证数据信息在处理方案内可形成高速处理，但随着数据信息量的增加，方案式分类已达不到对大数据信息处理的基本需求。在智能电网的应用下，通过网络信息环境将数据信息进行实时传输，保证发电环节、输变电环节和用电环节产生数据信息具有一致性。当前在云计算处理系统中，可对数据信息进行实时处理，但由于网络环境的限制，在部分时间段内易受到网络繁忙的情况，导致服务器响应时间延长，不利于电网系统对数据信息的处理，因此为电网系统对数据信息的采集与处理带来极大挑战。
3.3可视技术
当前智能电网在对数据信息进行分析时，如何将数据信息以一种直观表达形式，在可视设备上提供给用户，使用户对数据信息可进行有效查看，成为一种新的挑战。可视技术的出现可对智能电网系统的大数据信息进行规模化采集，对数据进行高分辨、高精度、变量性采集和读取等，当前对数据节点采集过程中，一般数据信息节点的存储量为TB级别。在采集过程中，对其进行高数据处理模式，并将精准性数据信息转化为图片等成为技术难点，其挑战以像片合成算法、数据信息拓展和显示等为主。
3.4异构数据源处理技术
智能电网包含很多方面，发电、变电、输电和配电等环节，为了实现科学合理的配置，需要将海量的数据进行处理和整合，面对众多的异构数据，如何构建一个科学的数据处理系统，进行高效的存储和传输是当前智能电网运行总急需解决的问题。在智能电网中，部门众多，存在着很多不同的数据格式和应用平台，我们可以借助大数据的异构数据源技术将海量而多类型的数据进行统一的管理，建立数据处理平台，使智能电网的各个化解能够正常运行，满足人们对信息查询的需求。
4结语
综上所述，文章对智能电网大数据进行概述，并大数据处理技术进行数据库处理和云计算处理两方面的研究，明晰智能电网系统对数据信息的处理方式和处理流程。通过数据信息存储、实时处理和可视技术三方面对智能电网大数据面临的挑战进行分析。
参考文献
[1]张岩.智能电网大数据处理技术现状分析[J].农家参谋，2018(21):206.
[2]李宝玉，戴羽.智能电网大数据处理技术现状与挑战[J].科技经济市场，2018(04):6-7.
[3]徐昊楠.智能电网大数据处理技术研究[J].科技与创新，2017(24):64-65.
[4]焦会英，辛存生，刘俊艳.大数据技术及其在智能电网中的未来应用[J].软件，2018，39(9):200-202.
[5]胡清智.电力大数据与智能电网的发展与分析[J].广西电业，2018，(9):42-45.