建设泛在电力物联网， ，，，，是国度电网有限公司推动“三型两网”建设的沉要内容和关键环节。。。。。 。。。而其中， ，，，，若何构建一个壮大的数据平台， ，，，，是加快推动泛在电力物联网建设的前提和基础。。。。。 。。。
泛在电力物联网的数据量将大幅增长
电力行衣氟来器沉数据和信息技术， ，，，，从上世纪80年代起， ，，，，就选取实时数据库处置发电以及电网采集的各类数据。。。。。 。。。但随着电网规模的扩大， ，，，，数据采集量的大幅增长， ，，，，传统的实时数据库和IT架构已经无法满足海量数据的处置需要。。。。。 。。。最近几年， ，，，，电力行业起头选取互联网行业的大数据平台技术， ，，，，最典型的就是将Kafka、Hadoop、HBase、Spark、Redis等技术集成在一路处置海量数据。。。。。 。。。好比智能电表的用电信息采集系统、电费的推算等， ，，，，都选取这类规划。。。。。 。。。
推动泛在电力物联网建设， ，，，，必要全方位对电网运行状态、客户用电等进行实时监测、预警、分析， ，，，，数据采集点和采集频次会大幅增长， ，，，，数据量将在原来的基础上增长上百倍。。。。。 。。。
以智能电表为例， ，，，，此刻客户的智能电表是一天发送一笔纪录。。。。。 。。。若是改为与贸易智能电表一样， ，，，，15分钟发送一笔纪录到云端， ，，，，数据量将至少增长96倍， ，，，，数据插入要求数也相应增长96倍以上。。。。。 。。。以全网智能电表5亿台来统计， ，，，，一天产生的数据条数多达480亿条， ，，，，现有的大数据解决规划和架构将面对巨大的挑战， ，，，，即便通过水平扩大增长服务器数量来处置， ，，，，其运营成本也将数量级地增长。。。。。 。。。
从配网的情况来看， ，，，，即便采集点和采集频率不显著增长， ，，，，但以D5000、CC2000为代表的主流产品， ，，，，受限于汗青数据处置能力， ，，，，依然只能萦绕实时采集数据、汗青断面数据构建利用， ，，，，拓扑分析技术无法在功夫维度纵向扩大。。。。。 。。。
电网数据采集及监控系统（SCADA）作为物联网的一部门， ，，，，不只有看实时数据， ，，，，还必要看汗青数据， ，，，，不单必要实时监控， ，，，，更必要故障预警、趋向分析、运营指标分析、效能分析等。。。。。 。。。通过急剧存取、分析高频采集数据， ，，，，将为电网的安全高效运行提供更精准的数据决策支持。。。。。 。。。
另一方面， ，，，，泛在电力物联网与通用的物联网一样， ，，，，不仅会存在云端的数据中心， ，，，，也会存在边缘节点。。。。。 。。。这些边缘节点具备肯定的推算和存储能力， ，，，，能进行数据的预处置缓和存， ，，，，大幅缓解数据中心平台的压力， ，，，，并且能更好地保障边缘节点覆盖的区域有更好的数据实时响应能力， ，，，，更好地支持本地业求实时智能化决策与执杏祝。。。。 。。。但是边缘推算与云推算必要通过缜密协同能力更好地满足各类需要场景的匹配， ，，，，从而最大化边缘推算和云推算的利用价值。。。。。 。。。
采集点的增长和采集频次提高， ，，，，能带来什么样的效益呢？？？？？？？以智能电表为例， ，，，，若是将所有电表的数据采集频次提高到1次/15分钟， ，，，，电网将实现对每个台区线损的实时监测， ，，，，而不是此刻的T-1模式， ，，，，从而对异常线损实时处置。。。。。 。。。同时， ，，，，对输电线路故障实时监测， ，，，，再也无需客户上报， ，，，，大大提升运维效能和服务质量。。。。。 。。。
以Hadoop系统为代表的互联网大数据解决规划， ，，，，重要处置的是互联网领域的非结构化数据， ，，，，好比爬虫数据、微博与微信数据等。。。。。 。。。但是， ，，，，泛在电力物联网的数据与互联网数据有显著分歧的特点， ，，，，表此刻几个方面：数据都是时序的， ，，，，由传感器和设备不休产生， ，，，，形成一个数据流；；；；；； ；除视频、图像表， ，，，，都是结构化的数据；；；；；； ；数据是机械日志类型的， ，，，，不会有删除或更新的作为；；；；；； ；数据是有保留时长的， ，，，，到期删除；；；；；； ；数据流量是安稳可预测， ，，，，知路测点数、采集频率， ，，，，能较为正确估算流量大幼�。。。。 。。。�；；；；； ；数据必要进行实时推算、分析；；；；；； ；数据的分析、推算通常都是基于某一个功夫段和地域进行；；；；；； ；数据量巨大， ，，，，一天产生几百亿笔纪录。。。。。 。。。
除数据特点不一样之表， ，，，，在数据处置上， ，，，，泛在电力物联网与典型的互联网相比， ，，，，还有不一样的需要。。。。。 。。。好比插值推算、数学函数推算以及某个具体功夫点的断面数据等。。。。。 。。。并且这些数据的处置往往与采集设备的治理直接挂钩， ，，，，必要凭据采集设备的归属、地域以及其他属性进行各类分类统计。。。。。 。。。
构建相适应的大数据平台
随着泛在电力物联网的加快建设， ，，，，现有的互联网大数据技术平台将遇到巨大的挑战， ，，，，由于电力数据规模将增长几个数量级， ，，，，数据分析的量也更多， ，，，，实时性要求也更高。。。。。 。。。因而， ，，，，必要进一步加大信息技术的创新力度， ，，，，构建和美满适应泛在电力物联网建设需要的大数据平台。。。。。 。。。
这个新一代的大数据平台， ，，，，要有以下几个特点：充分利用泛在电力物联网的数据特点， ，，，，在技术上做各类优化， ，，，，大幅度提高数据插入、查问的机能， ，，，，降低电网运营成本；；；；；； ；必须能实时处置各类数据插入、查问要求， ，，，，提升电网运行效能；；；；；； ；必须是水平扩大的， ，，，，随着数据量的增长， ，，，，只必要增长服务器扩容即可；；；；；； ；支持边缘推算与云推算的边缘协同；；；；；； ；必须是易于守护的， ，，，，降低对运维人员的要求；；；；；； ；必须是盛开的， ，，，，有业界盛行的尺度SQL接口， ，，，，便于各类利用集成；；；；；； ；必须通过Python、R或其他接口来方便集成各类机械进建、人为智能算法。。。。。 。。。
当前， ，，，，国内表诸多互联网企业已经把稳到物联网鼓起后， ，，，，传统的大数据技术正面对新的考验和挑战， ，，，，并起头着手研发新一代大数据平台。。。。。 。。。相信随着泛在电力物联网建设不休加快， ，，，，必将构建新一代的能源电力大数据平台， ，，，，从而进一步挖掘和利用好电网的数据资源， ，，，，提升电网运营的效能和效益， ，，，，保险电网安全不变运行， ，，，，为社会提供新的利用和服务。。。。。 。。。
