隨著智能電網建設的推進,在電力系統(tǒng)的發(fā)電、輸電、配電和用電等多個環(huán)節(jié)將完成智能化,從而實現對電力系統(tǒng)的全方位、多角度感知,收集多源異構數據的廣度和深度不斷加強,并形成電力大數據。下文是學習啦小編為大家搜集整理的關于電力大數據博士論文的內容，歡迎大家閱讀參考!

　　電力大數據博士論文篇1

　　淺談智能電網電力大數據技術

　　本文在綜述了智能電網中大數據的數據特征、應用價值的基礎上，對多源異構數據聚合管理、復雜數據分析、數據在智能電網的應用這一完整過程中的若干關鍵技術展開深入闡述，并在上述研究基礎上提出智能電網大數據處理技術的研究方向建議。

　　1 智能電網中的大數據

　　智能電網即電網的智能化，通過先進的傳感、設備技術、控制方法以及決策支持系統(tǒng)技術，實現電網的安全、高效、經濟的目標，具有提高能源效率與供電安全性及可靠性、減少環(huán)境影響、提高供電減少輸電網電能損耗等優(yōu)點。

　　歐美各國對智能電網的研究開展較早，已經形成強大的研究群體。美國主要關注電力網絡基礎架構的升級更新，同時最大限度地利用信息技術，實現系統(tǒng)智能對人工的替代。自2010年以來，超過90億美元的大型公共和私人投資加快了先進智能電網技術的部署，提供了有關技術成本和收益的真實數據以及最佳實踐。2015年2月，AutoGrid宣布與微軟達成全球合作，基于AutoGrid的能源數據平臺為全球公用事業(yè)公司和創(chuàng)新能源服務供應商提供大數據和智能電網分析解決方案。 歐洲則重點關注的領域是可再生能源和分布式能源的發(fā)展，并帶動整個行業(yè)發(fā)展模式的轉變。歐盟計劃在五年后實現清潔及可再生能源占其能源總消費20%的目標，并完成歐洲電網互通整合等核心變革內容。我國智能電網建設主要以整合提升調度系統(tǒng)、建設數字化變電站、完善電網規(guī)劃體系、建設企業(yè)統(tǒng)一信息平臺為4條主線。2015年4月，北京艾能萬德智能技術有限公司與AutoGrid公司正式達成戰(zhàn)略合作意向，本次合作意向的達成意味著在新能源與電力大數據處理專業(yè)領域將實現跨國聯(lián)手，一起迎接中國新電改挑戰(zhàn)和充滿機遇的大數據時代。

　　1.1 電力大數據特點

　　智能電網大數據具有以下特征，即規(guī)模性、多樣性、低價值密度、實時性。

　　1.1.1 規(guī)模性與多樣性

　　互聯(lián)網、社會計算和移動計算等新興技術的飛速發(fā)展，智能電網數據的來源和規(guī)模正呈現出爆炸式增長態(tài)勢，數據類型也呈現出多樣性，主要包括歷史數據、實時數據、時間序列數據、及跨媒體數據等各種結構化數據、半結構化數據以及非結構化數據。目前電力系統(tǒng)中非結構化數據占到很大比重。

　　1.1.2 低價值密度

　　在大量的數據當中找到有價值的數據概率會較低。以波形數據為例，在產生的大量波形數據中，幾乎所有的波形數據都是正常數據，但是對監(jiān)測、檢查異常這項工作來說，有價值的數據恰恰是那些數量極少的異常數據。

　　1.1.3 實時性

　　指大數據中的物理數據都是真實事物物理狀態(tài)實時更新的數據，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。電力生產需要發(fā)電和用電及時平衡，需要對電力調度、設備檢修等生產數據實時處理。需要在幾分之一秒內對大量數據進行分析，為決策制定提供較高的支持平臺。

　　1.2 電力大數據價值

　　電力大數據規(guī)模大、類型多、價值高，不論在企業(yè)內部還是外部都有很高的應用價值，對于電力企業(yè)盈利與控制水平有很好的利用價值，研究表明數據利用率每調高1倍，可以使電網利潤提升2至5倍;在電力行業(yè)以外，電力大數據在經濟建設、能源配置和民生改善等方面展現出巨大的綜合價值，具體內容如下：

　　1.2.1 在電力企業(yè)內部

　　可以優(yōu)化企業(yè)管理模式，提升企業(yè)經營管理水平。主要應用方面包括：一是可以輔助電力企業(yè)選址、建設等重大決策;二是通過龐大的歷史銷量數據，對客戶用電行為分析和客戶市場進行細分，從而指導管理者對營銷組織與服務模式的改善;三是整合電力行業(yè)生產、營銷等多方數據，實現電力全環(huán)節(jié)數據共享，進而優(yōu)化資源配置、提升生產效率和資源利用率。

　　1.2.2 在電力行業(yè)外部

　　利用電力行業(yè)大數據能夠獲得可觀的社會效益，首先，利用電力行業(yè)數據可以為客戶提供更加豐富的增值服務;另外，用電數據可以作為重要經濟先行數據，是一個地區(qū)經濟運行的“風向標”，可作為投資決策者的參考依據。

　　2 智能電網大數據關鍵技術

　　2.1 多源異構數據的聚合管理技術

　　電力大數據的數據集成管理技術，包含關系型和非關系型數據庫技術、數據融合和集成技術、數據抽取技術、過濾技術和數據清洗等。電力大數據的來源極其廣泛，數據類型極為繁雜，且數據質量不高，準確性、及時性均有所欠缺，對于這種多源異構數據的聚合管理技術也提出了更高的要求。首先必須對數據源的數據進行抽取和集成，現有的數據抽取與集成方式主要是基于ETL引擎的方式和基于搜索引擎的方式等，首先把數據抽取成文件，再對數據文件進行轉換和清洗，最后生成多維度、多粒度的分析型數據并存儲到數據倉庫中。

　　云計算技術中的分布式存儲技術滿足了電網海量數據的存儲需求，因此云計算技術推出不久，電力云的概念就被提出來?？尚诺脑拼鎯δＰ偷慕?，解決了結構化和非結構化數據的統(tǒng)一存儲與安全管理問題。雖然分布式計算方法可以大大提高計算機的存儲空間，但是不能滿足電力數據的實時性要求。因此存儲時需要對數據進行分級、分類，如對性能要求高的實時數據需采用實時數據庫系統(tǒng)進行存儲，對歷史數據采用分布式文件系統(tǒng)存儲，對核心業(yè)務數據則使用傳統(tǒng)的并行數據倉庫系統(tǒng)存儲，形成完整的數據庫分級存儲系統(tǒng)。這種層次式和分布式存儲和集成系統(tǒng)，利用海量多源異構數據存儲、組織、管理最新技術，保證了數據存儲的完整性與訪問的高效性。

　　2.2 復雜數據處理技術

　　電力大數據處理技術主要解決大數據的實時處理和批處理問題。目前主要采用分布式計算技術、內存計算技術、實時流數據計算技術等來解決大數據的處理問題。 　　分布式計算主要解決計算機分布式計算和存儲的問題。分布式計算典型的例子是Google文件系統(tǒng)(Google File System，GFS)，隨后 Yahoo開發(fā)了該系統(tǒng)的開源版本Hadoop，Hadoop集群系統(tǒng)具有成本低廉、靈活性強等優(yōu)點，同時還支持海量數據存儲和計算。已有研究針對智能電網狀態(tài)監(jiān)測的特點，基于Hadoop并利用其它虛擬化技術和分布式存儲技術存儲和管理數據，以實現對電力大數據的高效管理。

　　內存計算技術主要解決大數據的實時處理問題。SAP HANA是基于內存計算技術的高性能實時數據計算平臺，有研究表明SAP HANA可以提高計算速度幾十到上百倍。隨著內存價格的不斷下降，內存計算已經具備物質基礎，這也在一定程度上解決了海量數據的實時處理問題。文獻中介紹了使用改良Apache Spark作為執(zhí)行引擎的內存計算引擎計算框架，采用輕量級的調度框架和多線程計算模型，與傳統(tǒng)的Mapreduce框架相比，消除了頻繁的I/O磁盤訪問并降低了調度與啟動開銷。

　　電力大數據包括實時監(jiān)測數據、企業(yè)營銷數據等，它們以一種順序、大量、快速的方式呈現，可以被看作一種流式數據。流式大數據呈現出實時性、易失性、突發(fā)性、無序性、無限性等特征，對系統(tǒng)提出了很多新的更高的要求。S4 流式計算系統(tǒng)和 Storm 流式計算系統(tǒng)的推出，在一定程度上推動了大數據流式計算技術的發(fā)展和應用。但是，這些系統(tǒng)在可伸縮性、系統(tǒng)容錯、狀態(tài)一致性、負載均衡、數據吞吐量等諸多方面仍然存在著明顯不足。目前，分布式數據流實時計算系統(tǒng)在學術界和工業(yè)界都處于初步探索階段。大數據流式計算技術應設計分布式多模態(tài)計算框架，選擇能與Hadoop架構兼容的計算框架，調整各種計算框架中數據及索引訪問模塊，二次開發(fā)統(tǒng)一的計算任務調度模塊，設計并開發(fā)統(tǒng)一的分布式環(huán)境。將流數據技術應用于電力系統(tǒng)可為決策者提供即時依據，滿足實時的分析需求。

　　2.3 復雜數據分析技術

　　2.3.1 聚類分析

　　已有研究針對K-均值聚類算法的“零值困境”問題，提出基于香農熵的改進方法，將所提出算法應用到圖像內容識別領域，構建高質量圖片索引，提升圖片獲取效率。在一致性聚類方面，已有研究結合廣義K-均值算法系統(tǒng)地研究了效用函數選擇以及聚類分量生成分量等重大理論問題。將文本分類技術應用于電力企業(yè)的物資調配平臺，可以促進物資調配平臺的信息檢索和分析能力的提升，方便用戶快速準確的定位所需信息。另外，可以將聚類分析技術應用于客服系統(tǒng)中，解決客服系統(tǒng)客戶監(jiān)督模塊中文檔高維稀疏數據帶來的“零屬性困境”問題，同時可將客戶的故障報修信息按不同類別聚類分析，使企業(yè)能夠更加合理的調配人員同時提高用電客戶滿意度。

　　2.3.2 強關聯(lián)項集挖掘

　　有研究提出基于余弦指標的“條件反單調性”剪枝性質，并設計了高效余弦模式挖掘算法挖掘強關聯(lián)項集，根據興趣度指標條件對其直接進行剪枝，從而挖掘出興趣模式。同時，相關研究表明所挖掘的余弦模式能用于噪音數據過濾，降低無關數據對后續(xù)分析的干擾。通過強關聯(lián)多項集的挖掘技術應用，可以成功打破電力企業(yè)各系統(tǒng)間的數據孤島，實現企業(yè)內部數據資源全方位、大范圍、深層次的分析與利用，為決策者提供豐富詳細的數據支持。另外，采用高效余弦模式挖掘算法發(fā)現相似性子序列給用戶推薦其經常訪問業(yè)務系統(tǒng)和菜單功能，并實時跟蹤每個用戶訪問業(yè)務系統(tǒng)和功能的時間，并對異常情況進行報告和預警。

　　2.3.3 機器學習

　　著重研究利用多種機器學習模型在不同應用場景下的分類模型構建方法。SVM分類器的好壞判別標準，主要取決于其所構建模型對未知數據測試的精準程度，支持向量機模型的確定主要在于懲罰系數與核函數參數的選擇。傳統(tǒng)的SVM模型由于在這兩個參數選擇方面耗時過多，因此構造的模型并不適用于大樣本數據集。SVM模型應用于大規(guī)模數據集需要從以下兩個方面入手：提高參數尋優(yōu)速度和縮小參數尋優(yōu)范圍。文獻針對大數據集分類問題使用了一種快速有效尋找最優(yōu)模型參數的方法UD-SVR。

　　2.4 智能電網大數據展現技術

　　由于電力信息平臺中信息體量大、且隨時間不斷變化，難以將所有信息一次性呈現給用戶，所以要切實通過可視化技術對這些數據進行處理，使得異常數據在屏幕上較為清晰的呈現出來。針對不同類型的電力大數據，可視化方案也有所區(qū)別：首先對于電網運行數據，根據其高維、時序、快速的特點，應采取信息可視化與可視分析結合的技術方法進行處理。針對電力客戶數據，客戶數據主要來自用電終端信息采集系統(tǒng)。將用戶電量信息與用戶地理區(qū)域對應起來，可實現用戶用電行為分析與負荷特性的可視分析。另外還可以結合地理信息系統(tǒng)繪制地區(qū)電力客戶地圖，并按照一定的權限向公眾開放該全景分析圖，實現用戶的用電互動服務，實時反饋購、用電信息。最后是面向電網企業(yè)管理數據，可根據其不同業(yè)務部門的特點進行不同的可視化分析。

　　由于三維模型數據量較大，需要盡可能減小三維模型數據量，研究表明從紋理與幾何兩個方面對模型進行壓縮，生成多種細節(jié)層次模型，以支持三維模型的動態(tài)可視化。而多細節(jié)層次技術需要解決的問題之一是如何快速地對多邊形網格進行簡化，以生成多分辨率模型，采用簡化網格模型的算法，針對實時的虛擬場景中，保證了簡化模型的連續(xù)性、實時性、保持外觀特征性，使得原有的數據存儲結構得以重復利用。已有研究提出基于模型組件化動態(tài)WEB 3D 虛擬現實場景的搭建方法及系統(tǒng)，模型可以在虛擬現實項目中進行復用，減少在場景搭建中模型使用的冗余，并提高用戶體驗。

　　目前電網企業(yè)大數據挖掘分析工作雖然不斷取得新的突破，但是將相關數據繪制成高精度、高分辨率的圖片的業(yè)務模型、智能算法和交互式圖形處理工具開發(fā)的研究才剛起步，相關可視化系統(tǒng)的功能實現需要進一步予以研究開發(fā)。

　　3 結語

　　本文闡述了智能電網中大數據的數據特點以及應用價值，重點介紹了目前智能電網中大數據聚合管理、分析處理以及數據展示的關鍵技術，為我國智能電網大數據處理提供參考。

　　參考文獻

　　[1]帥軍慶.創(chuàng)新發(fā)展建設智能電網：華東高級調度中心項目群建設的實踐[J].中國電力企業(yè)管理，2009(4)：19-21.

　　[2]宋亞奇，周國亮，朱永利.智能電網大數據處理技術現狀與挑戰(zhàn)[J].電網技術， 2013，37(4)：927-934.

　　[3]潘明惠.內存計算技術驗證項目與應用研究[J].電力信息化，2012，10(10)：29-34.

　　[4]王德文，宋亞奇，朱永利.基于云計算的智能電網信息平臺[J].電力系統(tǒng)自動化，2010，34(22)：7-12.

　　電力大數據博士論文篇2

　　淺談電力行業(yè)的大數據安全防護

　　摘 要：隨著我國經濟發(fā)展水平的不斷提高，電力行業(yè)得到了顯著發(fā)展，成為我國經濟發(fā)展的重要支柱之一，而隨著用電量的不斷增加、電氣自動化程度的提高，電力行業(yè)中的電子設備使用日漸廣泛，在能源產業(yè)中所占比重也明顯提高。而要想使電力系統(tǒng)信息化進程進一步推進，使信息安全更加牢靠，就要做好電力行業(yè)大數據安全防護工作。

　　關鍵詞：電力行業(yè) 大數據安全防護 信息技術 電氣自動化

　　當今，“大數據”已經成為電力行業(yè)中的一個廣泛關注的詞匯，并且大數據的商業(yè)價值明顯提升，逐漸吸引著人們的目光。電力行業(yè)是我國重要的能源利用與配給行業(yè)，對于監(jiān)督人們安全用電、合理用電有重要作用，是確保國家各項建設能夠順利開展、持續(xù)進行的關鍵。隨著智能電網的推出，使各項電力業(yè)務的開展更加便捷、高效，實時、準確的數據處于日漸增長的態(tài)勢，電力大數據的使用能夠與社會保障、人們日常生活緊密相連，是促進經濟發(fā)展的必然。本文主要對電力大數據應用特征、安全風險、防護方法等進行了分析，從而表現了大數據安全在推動電力行業(yè)發(fā)展當中起到的重要作用。

　　1 電力行業(yè)大數據應用特征

　　隨著各種智能變電站、智能服務終端、數字化工廠的興起，電力部門能夠在發(fā)電、輸電、配電、調度等各項工作中產生非常多的數據，這些數據呈現出不同類型不同作用。根據相關調查顯示，居民用電信息在采集過程中的終端數量已經突破了4億;其中，供電電壓自動式的采集電壓監(jiān)測控制點也已經分布了7萬個，其他類型的監(jiān)測數據也達到了2135萬個;輸變電動態(tài)監(jiān)測裝置已經安裝了超過2萬個，形成了一個系統(tǒng)性的分鐘級的終端規(guī)模，數據量已經由TB級轉向了PB級。

　　可見，電力企業(yè)已經真正開始朝著智能化、精準化的方向發(fā)展，對于資源利用效果與自動化控制水平的提升非常迫切。而通過使用大數據對各項內容進行決策、支持以及預測能夠使管理與監(jiān)督風險大大降低。首先，應用大數據對信息進行采集能夠使決策變得更有邏輯性，收集到更多準確的信息，能夠及時對內在聯(lián)系做出智能化的判斷，能夠避免產生只憑經驗做出判斷的生產經營模式。此外，通過使用大數據能夠收集到更為細化、品質更好的數據，使電力行業(yè)的能見度得到增強，從而符合預測需求。

　　2 電力行業(yè)大數據信息安全風險

　　此前，虛擬化、分布式、自動化的云計算構架已經在全球范圍內推行，掀起了一股全新的計算機、互聯(lián)網的變革。但是，電力行業(yè)的大數據信息依然存在一些安全風險，制約著電力行業(yè)的發(fā)展與信息收集。下面就對安全風險進行描述。

　　大數據在為電力行業(yè)帶來經濟效益與社會效益的同時，在信息安全方面同樣是一個新挑戰(zhàn)。因為大數據包含的信息量非常大，并且能夠對網絡目標進行快速的攻擊，容易使網絡中的隱私外泄。此外，電力大數據還會涉及到非常多的電力企業(yè)原始數據、客戶個人信息等，數據敏感度非常強，一旦外泄將為企業(yè)帶來一定的損失。

　　大數據隱藏的安全風險實際上是存在于大數據運行周期中的安全風險，這些風險是在產生、傳輸、處理、儲存、應用的各個階段產生的。一方面，數據在傳輸中容易出現中斷、竊聽、偽造、篡改等風險;在數據處理以及應用當中也會存在用戶越權或者是主機故障等風險，也有一些數據存在一些外部風險，運行措施不當等都會造成數據安全風險。此外，并行計算、內存數據庫更新等都會使數據出現生命周期的技術新變革，大數據會面臨更多的安全風險。

　　3 電力信息系統(tǒng)數據安全防護策略

　　電力行業(yè)中的大數據安全是電力系統(tǒng)信息系統(tǒng)安全中的主要內容，如何使數據安全得到保證成為數據管理與控制的關鍵內容。具體防護策略如下：

　　3.1 構建出一體化的安全防護機制

　　電力行業(yè)信息安全防護體制的構建要能夠滿足電力行業(yè)的發(fā)展需要，將“信息保障”作為防護的中心，應用深度防御手段以及綜合防范方法向結合的策略對信息安全風險做出判斷與分析，將“信息安全管理”作為核心內容，從技術、管理、人員等方面做好保障，結合數據、儲存方式、傳輸形式、數據處理方式構建出科學、合理的安全防護機制，實現數據傳輸的完整與保密。

　　3.2 提高數據存儲環(huán)境安全性

　　在電力行業(yè)中，數據往往存在于不同的業(yè)務系統(tǒng)中，這些系統(tǒng)數據主要分為數據庫系統(tǒng)、操作系統(tǒng)兩方面。操作系統(tǒng)主要是指連接計算機、上層軟件用戶的紐帶系統(tǒng)，其安全性是至關重要的，能夠減少操作系統(tǒng)安全漏洞的出現，為此，要對操作系統(tǒng)進行合理、優(yōu)化的配置;數據庫系統(tǒng)中，其密級程度高、實用性非常強，為此，要構建出系統(tǒng)性強的安全策略，減少出現數據的外泄或者是損毀。真正實現了數據庫系統(tǒng)的安全性與保密性。

　　3.3 惡意代碼的安全防護方法

　　首先，在方案設計過程中，要按照信息系統(tǒng)風險部署的防范體系，在所有的入口處對惡意代碼進行全面檢測、清除。很多組織都會在本機構中部署惡意代碼的防范體系，但是卻不能覆蓋到終端或者是網絡邊界位置處，只有50%～70%能夠達到這種覆蓋，防范效果非常不理想。一個組織存在1000個以上的終端，但仍有200多個終端未能得到保護，有200多臺計算機感染了蠕蟲，使整個病毒蔓延，導致網絡的癱瘓。為此，一個有效的惡意代碼防范安全技術部署則能夠對網絡邊界繼續(xù)擰全面覆蓋，使系統(tǒng)內部的終端、服務器內部網絡資源得到優(yōu)化。通過對整個數據網絡開展代碼防范能夠使安全控制效果增強。

　　此外，為了防止低級別安全區(qū)域內的惡意代碼對高級別安全區(qū)域帶來嚴重的輻射，可以設置邏輯隔離區(qū)部署控制手段防止惡意代碼通過網絡蔓延到高級安全區(qū)域，可以在同一個網絡內部署同一高級別的惡意代碼防范技術，從而使低級別區(qū)域內防止出現惡意代碼的感染。

　　4 結束語

　　本文主要對電力行業(yè)大數據安全的特征進行了分析，并探討了電力行業(yè)大數據面臨的安全風險，可見，伴隨著電力系統(tǒng)智能化、自動化、信息化水平的提升，將產生非常多的大數據，其風險也會伴隨產生。最后，本文提出了幾點提高大數據安全性的方法，構建防護機制、加強安全設計等都是非常重要的手段。

　　參考文獻

　　[1]郜盼盼.智能電網系統(tǒng)中面向用電信息安全防護的認證加密系統(tǒng)研究[D].北京郵電大學，2013.

　　[2]梁鴻健.面向智能電網的自動化綜合數據應用研究及系統(tǒng)開發(fā)[D].哈爾濱工業(yè)大學，2012.

　　[3]楊漾.輸變電設備狀態(tài)監(jiān)測系統(tǒng)的信息建模與安全策略研究[D].湖南大學，2012.

　　[4]尹建玲，劉高俊，王婷等.核電廠實時信息監(jiān)控系統(tǒng)的網絡與數據安全設計[J].原子能科學技術，2014(z2)：1059-1063.

　　[5]李暉，孫文海，李鳳華等.公共云存儲服務數據安全及隱私保護技術綜述[J].計算機研究與發(fā)展，2014，51(7)：1397-1409.

　　[6]張妍，陳馳，馮登國等.空間矢量數據細粒度強制查詢訪問控制模型及其高效實現[J].軟件學報，2011，22(8)：1872-1883.