大数据技术在电力行业的应用研究

doi:10.3969/j.issn.1000-0801.2014.01.009

摘要/Abstract

摘要：

随着无处不在的传感器芯片、高速通信网络以及高性能分布式计算系统的广泛应用，随时产生、海量存储、异构形态、即时处理的海量数据正把人类社会带入崭新的大数据时代。电力行业大数据综合了电力企业的产、运、销及运营和管理数据，如何对其采集、传输、存储、分析并最终指导生产、服务终端用户将是电力行业信息化的重要研究课题。从大数据定义、发展趋势、关键技术3方面宏观上概述了大数据时代的特征，在此基础上总结了现有大数据技术在电力行业的研究与典型应用，最后分析了大数据时代电力企业信息化发展所面临的若干挑战。

关键词: 大数据, 电力信息化, 智能电网, 数据挖掘

Abstract:

With the rapid development of information technology, the ubiquitous sensor network, high-speed communication network, and the high performance distributed computing system have been commonly implemented. The massive data, which is generated anytime, with the mass storage, heterogeneous structure, and requiring on-time process, is bringing our society into the age of big data. The electricity big data includes the information of production, transportation, marketing, enterprise operation and management in the electricity power enterprise. Therefore, how to collect, transfer, store, and analyze the big data so as to conduct the production, and serve the electricity end users turns to an important research subject for the power industry. An overview was given about the features of the age of big data from three aspects: the definition, development trend, and the key technology of big data. Then, a summary of the research and typical application of the existing big data technology in the electric power industry was described. Finally, the challenges of big data technology in the future for the electric power information were concluded.

Key words: big data, electric power information, smart grid, data mining

赵云山,刘焕焕. 大数据技术在电力行业的应用研究[J]. 电信科学, 2014, 30(1): 57-62.

Yunshan Zhao,Huanhuan Liu. Research on Application of Big Data Technique in Electricity Power Industry[J]. Telecommunications Science, 2014, 30(1): 57-62.

图/表 4

参考文献 14

1	Manyika J , Chui M , Brown B , et al. Big Data: the Next Frontier for Innovation, Competition, and Productivity. McKinsey Global Institute Report, May 2011
2	丁杰，徐建，王春毅等．迎战大数据．电力信息与通信技术， 2013,11（2）:5～10
3	IBM. What is big data. , 2012
4	Mayer-Schonberger V , Cukier K . Big Data: A Revolution That Will Transform How We Live, Work, and Think. New York: Eamon Dolan/Houghton Mifflin Harcourt, 2013
5	亓开元，赵卓峰，房俊等．针对高速数据流的大规模数据实时处理方法．计算机学报， 2012,35（3）:477～490
6	孟小峰，慈祥．大数据管理：概念，技术与挑战．计算机研究与发展， 2013,50（1）:146～169
7	陈星莺，张晓花，瞿峰等．数据挖掘在电力系统中的应用综述．电力科学与技术学报， 2007,22（3）:51～56
8	李勋，龚庆武，杨群瑛等．基于数据挖掘技术的保护设备故障信息管理与分析系统．电力自动化设备， 2011,31（9）:88～91
9	李智勇．电力系统运行信息的数据挖掘研究．浙江大学博士学位论文， 2009
10	王培红，陈强，董益华等．数据挖掘及其在电厂SIS中的应用．电力系统自动化， 2004,28（8）:76～79
11	周鲲鹏，方仍存，颜炯等．电网规划智能辅助决策系统的设计与实现．电力系统自动化， 2013,37（3）:77～82
12	杨国庆，张宇．数据挖掘技术在电力设备状态检修中的应用．上海电力学院学报， 2012,28（2）:176～180
13	胡雯，孙云莲，杨成月等．基于物联网的智能电网信息化建设研究．电力信息化， 2013,11（4）:51～54
14	王德文．基于云计算的电力数据中心基础架构及其关键技术．电力系统自动化， 2012,36（11）:67～71

[1]	韩璐, 陈威宇, 张斐, 何建锋, 苏怀振. 差异化需求下的非关系型分布式报送信息大数据分类方法[J]. 电信科学, 2023, 39(6): 114-121.
[2]	韩雪. 基于电力大数据的电力骨干通信网络毁伤韧性评估方法[J]. 电信科学, 2023, 39(5): 136-143.
[3]	孙玉娣. 基于电信大数据的5G网络海量用户复访行为预测模型[J]. 电信科学, 2023, 39(2): 157-162.
[4]	李爱华, 吴晓波, 陈超, 魏彬, 史嫄嫄. 5G网络大数据智能分析技术[J]. 电信科学, 2022, 38(8): 129-139.
[5]	黄更生, 黄宇红, 郭漫雪, 郑健平, 葛欣. DT时代面向数据服务的新型基础设施架构[J]. 电信科学, 2022, 38(7): 138-145.
[6]	李攀攀, 谢正霞, 乐光学, 刘鑫. 基于深度学习的无线通信接收方法研究进展与趋势[J]. 电信科学, 2022, 38(2): 1-17.
[7]	赵海波, 相志军, 肖林松. 基于异构数据的电力短期负荷大数据预测方案[J]. 电信科学, 2022, 38(12): 103-111.
[8]	胡坚, 孙磊, 尹以雁, 杨晓康, 白金贵, 张叶江. 基于数据挖掘和地理可视化的4G/5G语音质量优化研究[J]. 电信科学, 2022, 38(10): 131-139.
[9]	刘志勇, 何忠江, 阮宜龙, 单俊峰, 张超. 大数据安全特征与运营实践[J]. 电信科学, 2021, 37(5): 160-169.
[10]	刘晓军,武娟,徐晓青. 大数据架构剖析及数据安全融合技术[J]. 电信科学, 2020, 36(7): 146-155.
[11]	刘玉娇,宋坤煌,王向. 基于电力大数据的经济景气指数分析[J]. 电信科学, 2020, 36(6): 166-171.
[12]	程卫华,何肖嵘. 基于大数据的网页浏览质差分析方法研究[J]. 电信科学, 2020, 36(11): 174-181.
[13]	高建,陈文彬,庞建民,于华东,宋国瑞. 基于组合密钥的智能电网多源数据安全保护[J]. 电信科学, 2020, 36(1): 134-138.
[14]	谭晓敏,方艾,梁冰,杨豪杰. 基于决策树的EPG体验异常原因定位[J]. 电信科学, 2019, 35(8): 158-164.
[15]	周晶,孙喜民,于晓昆,边新宁. 知识图谱与数据应用——智能推荐[J]. 电信科学, 2019, 35(8): 165-172.