基于大数据的智慧用电系统设计与应用

江苏安科瑞电器制造有限公司

2020/7/14 13:39:49>> 进入商铺

摘　要：智慧用电系统是实时监控用电线路可能发生电气危害的在线系统。文章研究了当前智慧用电系统的不足，分析了大数据分析的关键技术，设计了基于大数据分析的智慧用电系统。该系统可以满足智慧用电系统。海量数据分析的要求，适用于智慧城市消防、用能信息、智慧路灯市政等系统。

关键词：智慧用电系统；大数据；智慧城市；用能信息

0 引言

智慧用电系统是实时监控用电线路中可能发生漏电、电弧、过载、短路、线路温度异常等电气危险，不间断采集并分析用电线路中剩余电流、线缆温度、电压、电流等主要电气火灾引发因素数据，通过网络技术实现终端电气线路监测、异常数据报警等功能的用电安全隐患监管服务系统。智慧用电系统包括用电单元监测设备、数据传输平台、用电数据分析平台以及用电数据应用平台。该系统通过采集并分析监测数据，预测用户的用电行为，可用于电能源调配、用电隐患预测、用电系统优化、智能预报警等方面。

在用电信息采集领域，数字化、信息化以及智能化的程度日益提高，智能电表、智能插座、智慧消防监测设备等设备的大量使用，为智慧用电系统带来了海量的数据源。传统的智慧用电系统已经无法满足如此规模的数据分析、预测和管理的需求。

大数据分析技术是近年来发展迅速的分析技术，目前，已经在工业、农业等领域得到运用，并都取得了明显的应用效果，大数据分析的目的是从大量、高速、多样、低价值密度、真实性的数据中对特定的、有价值的信息进行准确提取。大数据分析技术主要涉及巨量数据的快速采集技术、存储技术、分析与挖掘技术、可视化呈现技术[４]。目前，大数据分析已经有很多解决方案，HaＧdoop分布式系统框架是目前应用比较多的一种成熟解决方案[５]。在Hadoop框架下，通过HDFS (HadoopdistribuＧtedfilesystem)实现分布式计算中底层数据存储管理，通过MapReduce实现任务的分解和调度，通过Hive实现数据的管理。

1 大数据智慧用电分析关键技术

大数据智慧用电管理技术通过对海量数据源按一定标准格式抽取与集成，对存储数据分析、数据处理以及数据可视化，实现了对智慧用电数据的管理。

1.1 大数据智慧用电集成管理技术

大数据智慧用电集成管理技术是将多种技术管理方案进行集中管理，合并这些技术方案数据并产生一个功能更多的数据管理系统的技术。数据的合并是将不同来源和不同格式的数据在系统逻辑上或者存储介质上进行有机的统一管理，从而为系统提供稳定、数据集合。利用大数据集成管理技术可以解决原有智慧用电系统中不同方案之间的信息孤岛问题。大数据的一个重要特点就是数据来源的多样性，这意味着数据来源广泛，数据类型繁杂，这种复杂的数据环境给大数据处理带来挑战[６]。数据的抽取与集成就是将各种复杂的数据按照关系提取，本质上是对数据进行预处理，使冗余、复杂的大数据转为结构化、准确、可用的数据[７]。

分布式文件系统能将文件分布存储在多个计算机节点的文件系统。当前大数据领域中，因HDFS分布式文件系统采用了冗余数据存储，提高了数据可靠性，以具有强大的跨平台特性，该系统被广泛用于超大数据集文件存储。

1.2大数据智慧用电的数据分析技术

大数据技术的核心是大数据的分析。在经过预处理之后的大数据，可借助大数据分析技术分析智慧用电的海量数据，找出潜在的模态和规律，为决策人员提供决策依据。统计学和计算机科学等自然科学是大数据分析关键技术的来源。经过多年的高速发展，大数据分析技术已经囊括了关联分析、机器学习、数据挖掘、模式识别、神经网络、时间序列预测模型、遗传算法等多种分析方法[８]。

大数据智慧用电分析技术在原有的智慧用电系统基础上进行发展，引入数据挖掘技术并结合机器学习算法，让新的智慧用电系统具备海量数据抽取、动态模型分析、快速决策等功能。大数据智慧用电分析从大数据的抽样、特征选择开始，精简数据规模；采用聚类等数据分析算法，对数据进行迭代提取出数据分析模型；开展大数据并行算法，挖掘其他分析模型并利用机器学习实现系统的智能判断。

1.3大数据智慧用电的数据处理技术

大数据智慧用电的数据处理需求主要集中于大大数据量的分布式处理方法、数据泛化处理以及数据实时处理等方面[４]。

分布式处理采用Hadoop框架对海量数据进行批处理，可以用于智慧用电信息采集部分，实现大规模分散数据源的采集。数据泛化处理采用文本处理、多媒体处理以及图像技术对非结构化数据进行归一化。采用流式处理技术可以实现毫秒级的实时数据处理效果，可用于金融交易、传感器网络、信息网络等要求实时性高的场合。

1.4大数据智慧用电的数据可视化技术

大数据智慧用电的数据可视化技术可以更直观、更迅速的方式帮助管理人员理解用电系统数据内涵，了解整个智慧用电的运行情况。虽然可视化技术早已用在智慧用电系统中，但在智慧用电系统中采用大数据技术后，可以在原有用电系统上发掘出更深层次的用电规律。可视化技术结合地理位置信息、实时用电参数信息等数据信息，采用可靠的数据分析模型，实时分析并展示智慧用电系统中危险环节的数据走势，从而实现对危险环节的实时预警功能。

2 基于大数据的智慧用电系统设计

大数据智慧用电系统从数据采集分析的过程、数据的应用等方面深度挖掘用电系统中数据之间的关系，并依托现有的各类业务层级设计系统的架构。系统架构如图１所示。

图１大数据智慧用电管理系统技术框架

系统采用数据接入、数据存储、服务模块、分析模型、系统应用５个层级，将原有的智慧用电系统与大数据技术相结合。

数据接入将系统各种数据来源按照一定的数据特征，使用大数据Kafka、Flume、Chukwa等方式，完成对数据的抽取、清洗、标准化。该方式可以保证接入数据、高质，为上层分析奠定基础。

智慧用电系统采用Hadoop 框架，利用Habase 和HDFS大数据数据库并结合传统关系型数据库，实现非结构数据库的存储，从而提升系统对非结构化数据库的调度水平。

服务模块将系统管理、信息展示、信息安全控制、数据分析、计算结合到一起。系统管理是管理系统产生的信息、数据、系统配置等资源；信息展示是将系统中产生各类数据来源的仪表、传感器及终端设备的运行状态进行展示；信息安全控制是控制系统的安全权限、数据备份、数据的加密传输；数据分析是采用大数据智能算法，将系统产生的数据进行分析；采用ApacheSpark快速通用的计算引擎，提升数据计算的效率。

系统将数据源的各类数据经过清洗和标准化之后，采用聚类等算法建立数据分析的模型。该模型可用于智慧用电异常监测、用电风险预测。

大数据智慧用电系统继承了智慧用电的应用功能，能够为智慧消防、智慧城市、智慧建筑等新的应用场景提供更可靠的管理平台。

3 安科瑞安全用电平台

3.1安科瑞智慧安全用电平台平台介绍

安科瑞Acrelcloud-6000智慧安全用电平台是针对我国当前电气火灾事故频发而创新的一套电气火灾预警和预防管理系统，该系统是基于移动互联网、云计算技术、通过物联网传感终端，将办公建筑、学校、医院、宾馆、体育场馆、生产企业等人员密集场所的电气安全数据，实时传输至安全用电管理云服务器，为用户提供不间断的数据跟踪、统计分析和安全监管，将平台发现各种安全隐患信息及时告警信号，并推送给企业有关人员，以便其及早检查和消除隐患，做到防患于未然。

3.2安科瑞安全用电平台结构

3.3智慧安全用电平台主要功能

1)实时监控

24小时监视各探测点的剩余电流、温度、电压、电流、谐波、功率、电能及其他设备状态等信息。

2)历史记录

所有告警信息及远程控制均被记录入日志，并可供用户方便查询。

3)数据分析

针对采集的数据进行各种模型分析和报告，为客户消除安全隐患；提供能耗分析功能。

4)报警提醒

当平台收到报警或故障信息时，平台将以短信或APP推送等方式通知管理人员，提醒关注故障状况，并采取相应的措施消除隐患。

5)权限管理

平台通过对用户类型实施分级管理以实现更高的信息安全，拥有相应*的用户可以对*范围内的项目、设备、探测器等监测数据和运行情况进行查看、配置修改。

6)远程控制

具备权限的管理人员可以远程设定探测器的各种参数值，或者对监控设备进行分闸、复位、消音、自检和远程设置参数等操作，方便管理，同时提高工作效率。

3.4安科瑞智慧安全用电平台配置

注：以上配置为针对1个回路选型，其中剩余电流互感器应根据现场回路电流大小选择，根据实际三选一。

4 安科瑞环保用电平台

4.1安科瑞环保用电云平台介绍

AcrelCloud-3000环保设施用电监管云平台，依托快速发展的物联网技术、电力参数传感技术，实时采集企业总用电、工艺生产设备用电、污染治理设施设备用电等数据，通过设施运行停车分析、越限分析、停/限产分析、工艺关联分析等，及时发现环保治理设施、设备等未开启、空转、减速、降频以及异常关闭等未正常工作的情况；同时，通过数据分析，还可以实时监控限产和停产整治企业运行状态。

4.2平台结构