摘要：不同类型的数据通过导出各种数据信息（例如操作数据、故障数据、设备数据、维护数据、环境数据等）直接或间接反映电力系统的运行状况。在越来越多的应用程序中。在大数据技术密集发展的背景下，电力系统运行状态的宏观性能通过对大数据的直观分析，成为新时期电力发展的象征。与现有技术相比，无论是数据库还是手动管理，此技术都具有无可比拟的技术优势。

关键词：电力系统；大数据治理；软件数据平台

引言

随着“互联网+”理念和云计算技术在各行各业的迅猛发展，尤其“十四五”是碳达峰的关键期，要构建清洁、低碳、安全、高效的能源体系，重构以新能源为主体的新型电力系统。新型电力系统具有业务功能复杂、第三方应用软件繁多、人机使用方式灵活的特点，现有的应用管理方式已经不能满足需求，如何统一规范应用的发布升级流程和下载管理使用，以及支撑标准开放得多业务、多场景的开发生态成为新的挑战。

1大数据治理软件平台构架设计

设计的大数据治理软件平台框架可以对电力系统数据进行在线安全警报，可以直接从在线数据或传输的测量数据进行计算、分析和挖掘，并进一步分析电力系统的识别指标、数据或规则，使用户可以更快地分析电气系统。在设计本系统时，利用基于S-BDMP的大数据管理平台中的随机矩阵理论对收到的数据进行建模和分析。由于电气数据的重要性，各种电气数据信息的存储和管理方式与Hadoop海量数据的分布式存储方式相同，并且设计了一个新的大数据司计算机管理平台，将分布式大型数据的结构性和非结构性数据信息结合起来在为此研究设计的S-BDMP平台中，它包括一个主节点、一个子节点和一个数据节点。它还包括Hadoop平台和Spark平台，以及Hadoop平台上的hsbase和Hive数据库。内存管理、查询处理、高速缓存管理、分布式内存共享和灵活的数据集分发模块也集成到了big data spark it管理平台中。许多大型数据管理功能都是通过模块化设计实现的。本研究中的S-BDMP平台可以与MapReduce在群集内共存，集中存储资源，在实施Spark时采用hibernate作为数据仓库，并与hibernate无缝集成。hadoophdfs用作hbase集成的文件存储系统，hadoopmapreduce用于计算。Hive数据库以HDFS数据的形式存在，而且在S-BDMP平台上，它不仅能够处理各种海量数据，而且还能提高兼容性、容错能力和分发计算能力。

2功能架构

现有电力系统的应用完全依靠人工分发、安装和升级，无法保证应用的来源和质量，存在影响系统稳定运行的风险。本文提出建立开发厂商注册机制，注册并通过审核的厂商获得身份授权码，使用授权码对应用进行签名，然后提交应用进行审核。应用市场服务检查提交的应用签名和提交厂商是否一致，确保应用程序的来源可靠。应用市场按照应用全过程的管理可分为应用准备、应用发行、闭环反馈到应用回收四个部分。（1）应用准备：应用准备阶段是应用功能在应用市场发布之前的准备阶段，提供厂商资格注册功能，把控应用程序的来源；提供应用提交功能，应用开发厂商需要提交应用程序、使用文档、更新说明及相关检测报告；提供应用审核功能，由应用市场管理员确认应用能否上架。（2）应用发行：应用通过审核后，在应用市场上架提供用户下载；应用市场根据应用下载、评价情况提供多种应用排名方式，并提供应用搜索功能，方便用户选择查找；提供应用下载和升级功能，通过服务接口主动提示应用客户端版本升级，支持增量更新和全量下载。（3）闭环反馈：闭环反馈阶段提供用户对下载使用的应用功能进行评价、反馈功能，应用市场基于应用的下载和评价情况，为用户提供个性化推荐。（4）应用回收：应用回收阶段一方面提供服务接口，记录人机云终端应用程序卸载情况；另一方面提供管理界面，应用管理员根据应用评价强制下架应用功能，或者由应用开发商根据实际主动申请下架。

3大数据采集云平台

为提高电力系统采集数据的入库效率和查询效率，对传统的集中式数据采集系统进行分布式改造，智能电表、集中器等负责采集用户侧用电数据并将数据传输到物联网云平台，之后经过流计算核查将清洗之后的数据分别推送到大数据云平台、生产库和中间库。电力系统产生的运行数据从提取、存储、管理、分析几个方面来看，已经超出传统数据处理系统的能力范围，电力数据具有数据规模大、数据采样速度快、数据类型多、数据价值密度低等特征。电力数据处理的意义不在于对其进行充分掌握，而在于对其进行科学的处理，从中提取出关键的信息。以原有的电力数据采集系统为基础，融入云平台技术，对电力数据采集上传的数据及逆行非实时分布式运算，能够实现大量数据的采集、下载、运算、存储。

4大数据治理方法

4.1基于大数据技术的系统安全状态监测

电力信息主要包括电力输送、调度等交易信息，电力工程信息、电力用户等基本信息。电力信息系统中的信息数据具有海量化的特征，必须考虑系统安全监测过程中数据信息的存储问题。为保证相关电力信息不会丢失或破坏，并提高系统对信息数据的处理效率，现采用大数据技术设计电力信息系统安全状态监测方法的基本架构，以此实现电力信息系统安全状态的实时辨识分析及监测控制，为电力信息系统的安全稳定运行提供良好的基础保障。

4.2借助大数据系统优化电力负荷

就我国电力企业发展历程分析，传统型的火电发电模式会造成很大的资源消耗，还会对周边环境造成严重污染，产生生态破坏效果，而近年来发展的新能源发电模式更看重电力供应的自然性，动力来源不仅更换为了风力等清洁性能源，产物方面也不会带来污染问题。但基于新型能源的特征考虑，电力企业管理人员无法实现对新能源发电的高效控制，导致新能源发电过程中出现了供电间歇的问题。我国现阶段尚无法完全实现新能源代替传统火电发电模式，也是基于发电模式创新为电力系统电力调控工作带来的巨大难题考虑。新时期背景下，大数据技术的融合与应用完成了电力负荷情况的优化，也为火电发电向新能源发电模式的转化奠定了基础。大数据技术能辅助电网调控系统实现电网的科学调度，保障负荷信息得到妥善、高效的处理，加强现有电网系统的电力负荷调控能力，为大数据在电力调控中的高效应用起到铺垫作用。

结束语

为电力系统中现有的各种数据信息设计了一个新的大数据管理平台，以便通过收集、传输、存储和计算大数据信息，在电力系统运行期间处理各种数据信息。通过计算、分析和数据挖掘，将电力系统运行期间的宏观信息转换为微观数据，从而提高电力系统运行期间的安全分析能力。这项研究在一定程度上解决了电力系统运作中存在的问题，但仍然存在一些缺陷，如设备信息分类、影响因素特性分类等，需要进一步研究。本研究的技术计划为下一次相关技术研究奠定了基础。

参考文献

[1]闫萍，林兴华.浅析大数据技术在电力调控中的应用[J].电子世界，2019（15）：154-155.

[2]李志勇，郭一通.大数据背景下电力行业数据应用研究[J].自动化技术与应用，2018（9）：53-56.

[3]冯懿.电力大数据技术与电力系统仿真计算的融合研究[J].通讯世界，2018（1）：53-56.

[4]江樱，黄慧，卢文达，等.基于大数据技术的电力全业务数据运营管理平台研究[J].自动化技术与应用，2018，37（9）：60-65.

[5]樊淑炎，额尔敦.大数据技术在电力企业中的应用分析[J].智能城市，2021，7（19）：99-100.