1.3 智能電網大數據及特點

1.3.1 智能電網中的大數據

電網業務數據大致分為三類：一是電網運行和設備檢測或監測數據；二是電力企業營銷數據，如交易電價、售電量、用電客戶等方面的數據；三是電力企業管理數據。

根據數據的內在結構，這些數據可以進一步細分為結構化數據和非結構化數據。結構化數據主要包括存儲在關系數據庫中的數據，目前電力系統中的大部分數據是這種形式，隨著信息技術發展，這部分數據增長很快。但由于數據庫存儲容量的限制，數據會定期更新，一般只存儲最新的數據。相對于結構化數據而言，不方便用數據庫二維邏輯表表現的數據即稱為非結構化數據，主要是包括視頻監控、圖形圖像處理等產生的數據等。這部分數據增長非常迅速，據IDC的一項調查報告中指出，企業中80%的數據都是非結構化數據，這些數據每年都按指數增長60%。在電力系統中，非結構化數據占智能電網數據很大比重，這部分數據增長速度也很快，對電網數據中心的存儲壓力很大。

結構化數據根據處理時限要求又可以劃分為實時數據和準實時數據，比如電網調度、控制需要的數據是實時數據，需要快速而準確地處理；而大量的狀態監測數據對實時性要求相對較低，可以作為準實時數據處理。數據依據時限要求不同可以采取不同的處理方式，比如實時數據采用流式內存計算方式，而準實時數據可以采用批處理方式。

智能電網與傳統電網存在很大的不同，具有更高的智能化水平，而實現智能化的前提是大量的實時狀態數據及時獲取和快速分析處理，目前智能電網中的大數據主要是因為以下幾個方面。

（1）為了準確實時獲取設備的運行狀態信息，采集點越來越多，常規的調度自動化系統含數十萬個采集點，配用電、數據中心將達到百萬甚至千萬級。需要監測的設備數量巨大，每個設備都裝有若干傳感器，監測裝置通過適當的通信通道把這些傳感器連接在一起，由變電站的數據收集服務器按照統一的通信標準上傳到數據中心，這實際上構成了一個物聯網。而物聯網的后端采用云計算平臺已被認為是未來的發展趨勢。智能電網設備物聯網同云計算平臺的基礎設施層互聯，進行數據交換。

（2）為了捕獲各種狀態信息，滿足上層應用系統的需求，設備的采樣頻率越來越高。比如在輸變電設備狀態監測系統中，為了能對絕緣放電等狀態進行診斷，信號的采樣頻率必須在200kHz以上，特高頻檢測需要吉赫茲的采樣率。這樣，對于一個智能電網設備監測平臺來說，需存儲的監測或檢測的數據量十分龐大。

（3）為了真實而完整地記錄生產運行的每一個細節，完整地反映生產運行過程，要求達到“實時變化采樣”，實現對設備的全生命周期管理和實時狀態評估。

同時，在智能電網中，大數據產生于電力系統的各個環節。

（1）發電側：隨著大型發電廠數字化建設的發展，海量的過程數據被保存。這些數據中蘊藏豐富的信息，對于分析生產運行狀態、提供控制和優化策略、故障診斷以及知識發現和數據挖掘具有重要意義。基于數據驅動的故障診斷方法被提出，利用海量的過程數據，解決以前基于分析的模型方法和基于定性經驗知識的監控方法所不能解決的生產過程和設備的故障診斷、優化配置和評價的問題。

另外，為及時準確掌握分布式電源的設備及運行狀態，需要對分布廣泛和大量的分布式能源進行實時監測和控制。為支持風機選址優化，所采集的用于建模的天氣數據每天以80%的速度增長。

（2）輸變電側：在2006年美國能源部和聯邦能源委員會建議安裝同步相量監測系統（Synchrophasor-based Transmission Monitoring Systems）。目前，美國的100個相位測量裝置（Phasor Measurement Unit, PMU）一天收集62億個數據點，數據量約為60GB，而如果監測裝置增加到1000套，每天采集的數據點為415億個，數據量達到402GB。相量監測只是智能電網監控的一小部分，電網中還包括其他大量需要高采樣監測的設備。

（3）用電側：為了準確獲取用戶的用電數據，電力公司部署了大量的具有雙向通信能力的智能電表，這些電表可以每隔五分鐘的頻率向電網發送實時用電信息。美國太平洋天然氣電力公司（Pacific Gas&Electric）每個月從900萬個智能電表中收集超過3TB的數據。國家電網公司也建成了包含上億用戶的自動化采集系統。

電動汽車的無序充放電行為會對電網運行帶來麻煩，如果能合理地安排電動汽車的充放電時間，則會對電網帶來好處，變害為利，而前提是對基數很大的電動汽車電池的充放電狀態進行監測，并合理制定調度規則，而這也會產生大數據，需要大數據處理技術的支撐。

1.3.2 智能電網中大數據的特點

與互聯網中的大數據相似，智能電網中的大數據也具備“4V”特征，即規模大（Volume）、類型多（Variety）、價值密度低（Value）和變化快（Velocity）。

1.規模大

從TB級別，躍升到PB級別。常規SCADA系統10000個遙測點，按采樣間隔3～4s計算，每年產生1.03TB的數據（1.03TB=12字節/幀×0.3幀/s×10000遙測點×86400秒/天×365天）；廣域向量測量系統（Wide Area Measurement System, WAMS）10000個遙測點，采樣率可以達到100次/s，按上述公式計算，則每年產生495TB的數據。目前正在發展的直升機和無人機巡線技術所產生的紅外、紫外視頻信息，每年作業采集的數據量達40TB。某省級電力公司已有數字化變電站178座，每天產生的數據量約為700TB。隨著監測系統規模的擴大，以及數據采樣頻率的提高，數據量還將成倍增加。若同時考慮環境、氣象、地理信息等，則數據量更為龐大。

2.類型多

電網數據廣域分布、種類眾多，包括實時數據、歷史數據、文本數據、多媒體數據、時間序列數據等各類結構化、半結構化數據以及非結構化數據，各類數據查詢與處理的頻度和性能要求也不盡相同。比如，電力設備狀態監測數據中的油色譜數據半個小時采樣一次，而絕緣放電數據的采樣速率高達幾百千赫茲，甚至吉赫茲。隨著狀態監測技術的發展和智能化設備類型與數量的增加，音視頻等非結構化數據在數據中的占比進一步加大。此外，大數據應用過程中還存在對電網系統運行環境相關數據（氣象、地理、環境等）的大量關聯分析需求，而這些都直接導致數據類型的增加以及狀態評估應用領域數據的復雜度。

3.價值密度低

以視頻為例，連續不間斷監控過程中，可能有用的數據僅僅有一兩秒。在輸變電設備狀態監測中也存在同樣問題，所采集的絕大部分數據都是正常數據，只有極少量的是異常數據，而異常數據是狀態檢修的最重要的依據。以視頻數據和高壓設備放電波形為例，連續不間斷監測過程中，基于經驗和人工的傳統輸變電設備狀態監測評估方法可能只對小段時間（如1～2s）的數據和少量異常數據予以關注、處理和分析，而丟棄大量所謂的“正常數據”，對這些正常數據的深度挖掘也可能為故障分析提供重要的線索和依據。

4.變化快

在幾分之一秒內對大量數據進行分析，以支持決策制定。這種在線的流數據分析與挖掘同傳統的數據挖掘技術有著本質的不同。輸變電設備狀態評估和風險預測要求對大量數據進行及時分析并做出判斷，以支持生產調度決策的制定，對在線狀態數據的處理性能要求遠高于離線數據。尤其對輸變電設備狀態監測系統，在極端（天氣、故障發展階段等）情況下，大規模報警數據會在短時間內以“井噴式”的方式產生與傳輸，并要求實時處理，將對信息處理系統的吞吐技術提出挑戰。SCADA采集了大量的電壓、電流、開關狀態等電網穩態數據。常規SCADA系統10000個遙測點，按采樣間隔3～4s計算，每年產生1.03TB數據（1.03TB=12字節/幀×0.3幀/s×10000遙測點×86400s/天×365天），目前三華的數據量每日65.3萬條，7.58GB；WAMS 10000個遙測點，采樣率100次/s，按上述公式計算，每年產生495TB的數據。

另外，智能電網中的數據處理，對數據質量有一定的要求，可以考慮為各類智能電網數據引入一個新的屬性：數據的真實性。數據的真實性是指與特定類型數據相關的可靠性級別。高質量數據對于數據分析結果的正確性有重要影響。然而即使最好的數據清洗方法也無法去除某些數據固有的不可預測性。承認不確定性需求，并將數據的真實性作為智能電網大數據的一個維度是可行的。

智能電網中洶涌而來的大數據為智能電網建設帶來了新的挑戰和機遇。國網信通公司成立了大數據團隊應對智能電網建設中的大數據挑戰問題。IBM收集并建模大數據，服務于智能電表分析、基于決策的運維、基于天氣數據的風機選址、分配負荷預測與調度等各類能源行業與公用事業。

中國電機工程學會電力信息化專委會在此基礎上，總結智能電網中大數據特征還包括“3E”，分別是數據即能量（Energy）、數據即交互（Exchange）、數據即共情（Empathy）。

1.數據即能量（Energy）

電力大數據具有無磨損、無消耗、無污染、易傳輸的特性，并可在使用過程中不斷精煉而增值，可以在保障電力用戶利益的前提下，在電力系統各個環節的低耗能、可持續發展方面發揮獨特而巨大的作用。通過節約能量來提供能量，具有與生俱來的綠色性。電力大數據應用的過程即是電力數據能量釋放的過程，從某種意義上講，通過電力大數據分析達到節能的目的，就是對能源基礎設施的最大投資。

2.數據即交互（Exchange）

電力大數據以其與國民經濟社會廣泛而緊密的聯系，具有無與倫比的正外部性。其價值不只局限在電力工業內部，更能體現在整個國民經濟運行、社會進步以及各行各業創新發展等方方面面，而其發揮更大價值的前提和關鍵是電力數據同行業外數據的交互融合，以及在此基礎上全方位的挖掘、分析和展現。這也能夠有效地改善當前電力行業“重發輕供不管用”的行業短板，真正體現出“反饋經濟”所帶來的價值增長。

3.數據即共情（Empathy）

企業的根本目的在于創造客戶，創造需求。電力大數據天然聯系千家萬戶、廠礦企業，推動中國電力工業由“以電力生產為中心”向“以客戶為中心”轉變，這其中的本質就是對電力用戶的終極關懷，通過對電力用戶需求的充分挖掘和滿足，建立情感聯系，為廣大電力用戶提供更加優質、安全、可靠的電力服務。在電力行業價值最大化的貢獻過程中，中國的電力工業也找到了常變常新的動力源泉，共情方能共贏。