打造泛在電力物聯網大數據平臺 EMS電力解決方案

摘要：隨著社會經濟和信息化的發展，物聯網服務平臺也得到了迅猛的發展，這也標志著大數據技術時代接踵而來，并且滲透到了我們生活中的各個方面，由于人們對于信息化服務的要求也在不斷提高，而大數據技術具有復雜性和多樣性的特點，進而物聯網服務平臺的發展就必須要有效借助大數據技術。本文分析了大數據技術以及物聯網服務平臺的含義，找出了兩者之間的關系，并對泛在電力物聯網大數據平臺的運用進行了探究。

關鍵詞：泛在電力物聯網；大數據平臺

引言

建設泛在電力物聯網，是國家電網有限公司推進“三型兩網”建設的重要內容和關鍵環節。而其中，如何構建一個強大的數據平臺，是加快推進泛在電力物聯網建設的前提和基礎。

1大數據技術在物聯網產業中的應用價值

現如今，物聯網的架構主要包括：感知層、網絡層和應用層。感知層能夠采集信息、識別物體等感知功能，從而形成大量數據。比如微博每天評論功能可以達到1.2億條評論，上傳新的短片和視頻近800萬個，將這樣龐大的數據的信息匯集在一起，能夠形成PB級別的數據量，物聯網產業憑借PB級別的數據量，能夠掌握消費者的整體用戶細習慣。物聯網的網絡層能夠實現數據信息的傳輸和交流，網絡層是基于感知層收集到的數據，進行分析、加工，挖掘用戶的喜好、習慣，從眾多的信息中找到共性，并對產品做出調整和優化，來滿足不同用戶的需求，實現定制化服務，而這也是物聯網應用大數據技術的目的。從物聯網產業的角度來講，大數據技術可以為物聯網提供從客戶到決策方面的各類商業信息，進而促使物聯網產業不斷發展。

2大數據與物聯網的關系

2.1大數據豐富物聯網應用

大數據發展下的物聯網，讓大數據的價值得到了很好的體現，在物聯網技術應用中，通過搭建遙感勘測、智能建筑、智能運輸、檢測保護等信息手段，收集大數據，然后對收集的數據進行分析，把有用的數據篩選出來形成有價值以及有用的信息，實現其作用。一家頂級汽車公司，通過使用遙感技術來識別車主的身份，該技術可以有效記憶車主的重量、開車姿勢等一系列的信息，如果出現和這些數據不吻合的人駕駛車輛，傳感器就會把信息反饋給車主，避免車輛被盜。大數據技術是物聯網中的技術手段，不僅僅是收集各種數據，對數據進行分析處理以后，找出問題來完善物聯網系統，它也使得物聯網的應用更加的豐富多彩。

2.2物聯網促進大數據

我們目前正處于大數據時代，物聯網的發展，產生數據的終端由PC向包含PC在內的智能手機，平板電腦等多樣化的終端，以及利用各行業、各領域的感知設備，快速入網并且匯總在一起，物聯網中傳感器把各種各樣的信息轉化成電信號，然后利用網絡輸送到上層應用系統，物聯網在很短的時間內就能夠產生大量的信息，在物聯網上，進而產生大量的數據。大量的非結構化的數據快速增長的趨勢已經在悄然形成。然而這些數據的增長并不是線性的，它是隨著越來越多的傳感器的研究、制造、使用，數據量會產生一種不可阻擋的指數性增長趨勢。

3構建相適應的大數據平臺

隨著泛在電力物聯網的加快建設，現有的互聯網大數據技術平臺將遇到巨大的挑戰，因為電力數據規模將增加幾個數量級，數據分析的量也更多，實時性要求也更高。因此，需要進一步加大信息技術的創新力度，構建和完善適應泛在電力物聯網建設需求的大數據平臺。

這個新一代的大數據平臺，要有以下幾個特點：充分利用泛在電力物聯網的數據特點，在技術上做各種優化，大幅度提高數據插入、查詢的性能，降低電網運營成本；必須能實時處理各種數據插入、查詢請求，提升電網運行效率；必須是水平擴展的，隨著數據量的增加，只需要增加服務器擴容即可；支持邊緣計算與云計算的邊緣協同；必須是易于維護的，降低對運維人員的要求；必須是開放的，有業界流行的標準SQL接口，便于各種應用集成；必須通過Python、R或其他接口來方便集成各種機器學習、人工智能算法。

當前，國內外諸多互聯網企業已經注意到物聯網興起后，傳統的大數據技術正面臨新的考驗和挑戰，并開始著手研發新一代大數據平臺。相信隨著泛在電力物聯網建設不斷加快，必將構建新一代的能源電力大數據平臺，從而進一步挖掘和利用好電網的數據資源，提升電網運營的效率和效益，保障電網安全穩定運行，為社會提供新的應用和服務。

4泛在電力物聯網的數據量將大幅增加

電力行業歷來重視數據和信息技術，從上世紀80年代起，就采用實時數據庫處理發電以及電網采集的各種數據。但隨著電網規模的擴大，數據采集量的大幅增加，傳統的實時數據庫和IT架構已經無法滿足海量數據的處理需求。最近幾年，電力行業開始采用互聯網行業的大數據平臺技術，最典型的就是將Kafka、Hadoop、HBase、Spark、Redis等技術集成在一起處理海量數據。比如智能電表的用電信息采集系統、電費的計算等，都采用這類方案。

從配網的情況來看，即使采集點和采集頻率不顯著增加，但以D5000、CC2000為代表的主流產品，受限于歷史數據處理能力，依然只能圍繞實時采集數據、歷史斷面數據構建應用，拓撲分析技術無法在時間維度縱向擴展。

電網數據采集及監控系統（SCADA）作為物聯網的一部分，不但要看實時數據，還需要看歷史數據，不單需要實時監控，更需要故障預警、趨勢分析、運營指標分析、效率分析等。通過快速存取、分析高頻采集數據，將為電網的安全高效運行提供更精準的數據決策支撐。

另一方面，泛在電力物聯網與通用的物聯網一樣，不僅會存在云端的數據中心，也會存在邊緣節點。這些邊緣節點具備一定的計算和存儲能力，能進行數據的預處理和緩存，大幅緩解數據中心平臺的壓力，而且能更好地保證邊緣節點覆蓋的區域有更好的數據實時響應能力，更好地支撐本地業務實時智能化決策與執行。但是邊緣計算與云計算需要通過緊密協同才能更好地滿足各種需求場景的匹配，從而邊緣計算和云計算的應用價值。

采集點的增加和采集頻次提高，能帶來什么樣的效益呢？以智能電表為例，如果將所有電表的數據采集頻次提高到1次/15分鐘，電網將實現對每個臺區線損的實時監測，而不是現在的T-1模式，從而對異常線損實時處理。同時，對輸電線路故障實時監測，再也無需客戶上報，大大提升運維效率和服務質量。

以Hadoop體系為代表的互聯網大數據解決方案，主要處理的是互聯網領域的非結構化數據，比如爬蟲數據、微博與微信數據等。但是，泛在電力物聯網的數據與互聯網數據有顯著不同的特點，表現在幾個方面：數據都是時序的，由傳感器和設備不斷產生，形成一個數據流；除視頻、圖像外，都是結構化的數據；數據是機器日志類型的，不會有刪除或更新的動作；數據是有保留時長的，到期刪除；數據流量是平穩可預測，知道測點數、采集頻率，能較為準確估算流量大小；數據需要進行實時計算、分析；數據的分析、計算一般都是基于某一個時間段和地域進行；數據量巨大，一天產生幾百億條記錄。

除數據特征不一樣之外，在數據處理上，泛在電力物聯網與典型的互聯網相比，還有不一樣的需求。比如插值計算、數學函數計算以及某個具體時間點的斷面數據等。而且這些數據的處理往往與采集設備的管理直接掛鉤，需要依據采集設備的歸屬、地域以及其他屬性進行各種分類統計。

結語

綜上所述，大數據技術在現代的生產生活中的應用十分廣泛，而其在物聯中的應用還處于比較初級的階段，需要研究者對其進行不斷地研究，促進大數據技術的發展，從而提高大數據在電力物聯網中的應用價值。

參考文獻:

[1]張亞飛,閻東.大數據技術在物聯網產業中的應用分析[J].通訊世界,2018(1).

[2]段為.大數據技術在物聯網服務平臺中的應用[J].電信工程技術與標準化,2016,29(2):8-13.