姓名：李晨昊 学号：15020199036
参考链接：http://kns.cnki.net/KCMS/detail/detail.aspx?dbcode=CJFQ&dbname=CJFDLAST2015&filename=ZGDC201501002&uid=WEEvREcwSlJHSldRa1FhcTdWajFtZk1BL1F5N3R3eUxsbWY1dEhsTjJHRT0=$9A4hF_YAuvQ5obgVAqNKPCYcEjKensW4ggI8Fm4gTkoUKaID8j8gFw!!&v=MTQyNzJGeWptVzd2SlB5clBiYkc0SDlUTXJvOUZab1I4ZVgxTHV4WVM3RGgxVDNxVHJXTTFGckNVUkxLZlllUnE=
【嵌牛导读】:智能电网是电力工业发展的方向和趋势。智能电网利用先进的信息通信技术、计算机技术、控制技术及其他先进技术，实现对发电、电网运行、终端用电和电力市场中各利益方的需求和功能的协调，在尽可能提高系统各部分的高效率运行、降低成本和环境影响的同时，尽可能提高系统的可靠性、自愈能力和稳定性。
【嵌牛鼻子】：智能电网的最终目标是建设成为覆盖电力系统整个生产过程，包括发电、输电、变电、配电、用电及调度等多个环节的全景实时系统。而支撑智能电网安全、自愈、绿色、坚强及可靠运行的基础是电网全景实时数据采集、传输和存储，以及累积的海量多源数据快速分析 [1] 。
【嵌牛提问】：大数据在智能电网中有何应用？
【嵌牛正文】：1 智能电网大数据概念
1.1 数据特征
随着电力信息化的推进和智能变电站、智能电表、实时监测系统、现场移动检修系统、测控一体化系统以及一大批服务于各个专业的信息管理系统的建设和应用，数据的规模和种类快速增长，这些数据共同构成了智能电网大数据。根据数据来源的不同，可以将智能电网大数据分为两大类：一类是电网内部数据；另一类是外部数据。内部数据来自用电信息采集系统(collectionsystem information，CIS)、营销系统、广域监测系(wide area measurement system，WAMS)、配电管理系统、生产管理系统(production management system，PMS)、能量管理系统(energy management system，EMS)、设备检测和监测系统、客户服务系统、财务管理系统等的数据。外部数据来自电动汽车充换电管理系统、气象信息系统、地理信息系统(geographicinformation system，GIS)、公共服务部门、互联网等。这些数据分散放置在不同地方，由不同单位/部门管理，具有分散放置、分布管理的特性。这些数据之间并不完全独立，其相互关联、相互影响，存在着比较复杂的关系。如气象条件和社会经济形势会影响用户的用电情况、用户用电数据影响电力市场交易情况，电力市场数据可以为相关公共服务部门决策提供依据，而电力企业的 GIS 数据必须以市政规划数据作为参考。此外，这些数据结构复杂、种类繁多，除传统的结构化数据外，还包含大量的半结构化、非结构化数据，如服务系统的语音数据，检测数据中的波形数据、直升机巡检中拍摄的图像数据等。而且这些数据的采样频率与生命周期也各不同，从微秒级到分钟级，甚至到年度级 [5] 。
综合各种对大数据的数据特征描述，考虑到智能电网数据的特点，智能电网大数据的数据特征可归结为如下几点：1）数据来自分散放置分布管理的数据源；2）数据量大、维度多、数据种类多；3）对公司、用户和社会经济均有巨大的价值；4）数据之间存在着复杂关系需要挖掘，且大多数情况下有实时性要求。
1.2 研究方法
大数据的研究方法是传统数据挖掘技术的提升、扩展甚至革命性改变，大数据为数据的处理和分析提供了新的思路和方法。且随着大数据理论和技术的发展，新的方法和技术也会随之产生。
1）大数据方法适用情况。
大数据方法主要适用于如下情况：①由于数据规模大，数据处理时效性高，传统的数据处理技术无法满足技术要求或经济要求；②因数据类型多样，包含半结构化、非结构化数据以及空间矢量数据等，传统的处理技术不能满足要求。
2）大数据研究思路。
智能电网大数据研究方法与电力系统传统的基于数据计算分析的方法相比，在解决问题的方法和研究过程方面都有很大不同，具体表现为：传统方法通常基于抽样数据，而大数据方法则采用尽可能多的数据；传统的电力数据分析通常基于某个部门或某个专业的数据，智能电网大数据分析则是在实现跨专业、跨部门数据融合基础上进行多维度数据分析。
3）大数据研究过程。
传统的科学研究过程通常为：①科学假设，②科学实验，③实验结果分析，④科学假设得到证实
或证伪。而智能电网大数据的研究过程是：①科学假设，②数据获取与整合形成数据资源，③数据挖掘和分析，④数据结果分析，⑤科学实验，⑥实验结果分析，⑦科学假设的证实、证伪或新知识、新规律的发现。该过程可进一步可细化为以下步骤。
1）科学假设。
领域专家根据先验知识，同时考虑到数据分析存在着超越先验知识的可能性，提出科学假设，设计应用场景，提出需要的数据源和数据量。
2）数据获取与整合形成数据资源。
根据需要的数据源特点，提出数据获取与整合方案，形成统一的数据资源，为实现数据的融合，需要建立统一的数据模型。
3）数据挖掘与分析。
领域专家、数据分析专家和计算机专家一起，根据需要解决的问题，研究需要的数学挖掘与分析方法，包括常规的数学挖掘与分析方法，以及领域专用的数学计算分析方法。
4）数据结果分析。
领域专家对数据挖掘和分析结果进行专业分析，解释分析结果的内在原因。
5）科学实验：
若有必要，应进行科学实验，验证数据挖掘和分析结果的合理性。
6）科学结果分析。
对科学实验结果进行分析论证。
7）科学假设得到证实、证伪或新知识和规律的发现。对照分析结果和科学假设，得到如下 3 种可能结果：一是数据分析结果证明科学假设不成立；二是数据分析结果证明科学假设成立，某种事物存在着假设的关联性，且对假设的关联性给予了定量的描述；三是通过数据分析获得新的发现，并对新发现的知识或规律进行科学的解释、分析和验证。
2 国内外研究现状
2012 年以来，国内外大学和研究机构、IT 企业、电力公司均开展了智能电网大数据研究和工程应用。在国外，一些 IT 企业如 IBM [6] 、Oracle [7] 等，陆续发布大数据白皮书，IBM 和 C3-Energy 开发了针对智能电网的大数据分析系统，Oracle 提出了智能电网大数据公共数据模型；美国电科院等研究机构启动了智能电网大数据研究项目；美国的太平洋燃气电力公司、加拿大的 BC Hydro 等电力公司基于用户用电数据开展了大数据技术应用研究。在国内，中国电机工程学会发布了电力大数据白皮书；国家科技部 2014 年下达了 3 项 863 项目 [7] ，支持智能电网大数据研究；自 2012 年以来，国家电网公司启动了多项智能电网大数据研究项目，江苏省电力公司于 2013 年初率先开始建设营销大数据智能分析系统，开展了基于大数据的客户服务新模式应用开发研究；北京等电力公司也正在积极推进营配数据一体化基础上的智能电网大数据应用研究。智能电网大数据研究和应用已取得了一些成效，但总的来看，研究成果仍比较粗糙，不成体系，研究和应用尚处于起步和探索阶段。在此起步阶段，充分借鉴国内外研究成果，分享知识经验，对于促进开展智能电网大数据的研究和应用，具有重要的意义。
智能电网产生了大量的数据，应用大数据技术，可有效提高电网的运行管理水平和为社会及用户的服务水平，与此同时也带来了很大的挑战。需要各方在充分认识大数据技术可带来的显著效益基础上，达成共识，产学研相结合，共同推动智能电网大数据的研究和技术发展。
3 发展驱动力和存在的障碍
3.1 驱动力
1）电力公司部署了大量的智能电表及用电信息采集系统，其中包含着巨大的价值需要挖掘。例如，根据用户用电数据，可分析出用户的用电行为，为形成合适的激励机制、实施有效的需求侧管理(需求响应)提供依据。
2）电力公司资产巨大，资产的监测和运维涉及到大量复杂的数据，通过数据分析，可提高网资产利用率和设备管理水平，存在着巨大经济效益。
3）在实现营配数据一体化基础上，通过数据分析，电网公司可进行有效的停电管理，提高供电可靠性；也可进一步提高电能质量，减少线损；可防止用户窃电，以及避免造成其他非技术性损耗；经济效益显著。
4）大数据将促进地球空间技术、天气预报数据在智能电网中的应用，提高负荷和新能源发电预测精确度，提高电网接纳可再生能源的能力。
5）通过大数据分析，可探索新的商业模式，为电网公司带来效益。
3.2 需克服的障碍
1）缺乏认同。
电力系统是一个传统的行业，电力专业人员对大数据的基本概念，大数据在智能电网中应用价值的认识不足，甚至存在着一定程度的怀疑，需要有令人信服的结果才能得到普遍认同。
2）技术准备不足。
国内外虽然已在大数据方面开展了一些分散的研究和应用，但电力公司尚未制定出整个企业的大数据战略，仍停留在初期探索阶段。
3）资金投入。
大数据研发需要大量的投入，大数据应用获得的效益尚不明确，需要建立大数据应用的资金回收模型和评价方法，才能刺激资金的持续投入。
4）互操作性。
数据交换中的互操作问题普遍存在，软硬件系统之间的技术差异和标准差异，也同样带来了互操作问题。
5）通信信息架构的一致性。当电力公司意识到利用大数据技术可以获得效益时，才发现现有的信息通信架构优势不适应大数据的发展需求，而通信信息系统的改造则需要投入新的资金。例如，虽然智能电表功能设计时包含了“超越计量”功能，但某些地区由于受到通信信息系统的限制，并不能真正实现这些数据的上传。
6）数据获取。
获取数据的困难不仅来自硬件方面的限制，也来自现有的管理机制。目前，电力公司的数据多是在不同的数据库中采用不同的数据格式存储，形成竖井式的数据库，数据查询面临困难，并不具备用户友好性；运行管理方面也形成了竖井模式，不同部门、不同团队之间习惯了孤立工作，给交流和数据共享造成了困难。
7）技术复杂性。
智能电网大数据是电网分析运行技术、数学挖掘和分析技术和 IT 技术的结合，综合性和先进性共同构成了技术的复杂性。
8）数据的隐私和安全问题。
有些数据电力公司不能公开使用，有些数据涉及到安全问题，需在有限范围内使用，隐私保护和安全是大数据应用首先需要解决的问题。