dianziyuanqijianyuxinxijishu电子元器件与信息技术148|电力大数据融合结构的设计简润敏广州理工学院，广东广州510540摘要：随着中国智能电网的普及应用，电力数据采集量随之增加，但由于电力数据有着采集源范围广、种类繁多，传输路径多样、数据量大等特性，无法保障电力系统能够稳定、高效地运行。本文针对电力数据中的融合模块分别从结构模型、系统框架、系统流程、平台应用以及系统参数选配等进行结构设计并选用传统数据处理模型和电力大数据融合处理模型进行对比分析，旨在提高电力采集系统的准确性和可靠性。关键词：电力；大数据；融合；设计中图分类号:TM727文献标志码:ADOI:10.19772/j.cnki.2096-4455.2022.12.0320引言互联网时代下，人与物都在交互地产生海量数据。数据点呈类型多、体量大、产生快等特性，传统的技术已经无法承载现有的数据量[1]。物联网、云计算等技术的发展，海量数据处理和储存技术迎来新的发展契机，在处理庞大的数据量发挥着重要的作用[2]。随着电力系统数据的优化配置，电力数据的类型、数量呈现指数增长，尤其伴随着电力大数据时代的来临，如何在量化、繁琐的电网数据中梳理、分析有价值的数据成为目前研究的重要方向[3]。目前多元信息融合技术在电网数据中发挥着重要的作用，数据融合可以将有关联的数据融合在一起，对多种类型数据源进行整理、分析、提炼[4]。基于大数据技术实现电网多源数据的融合已经成为电网系统不可或缺的技术之一。1电力数据的分布及特点电力数据根据数据类型一般可以分为结构化和非结构化数据。随着电力系统数据获取源的增多，非结构化数据的基数也逐渐庞大，而由于电力系统数据的非结构数据源（视频、图形）在传统的数据库中难以储存，造成非结构和结构数据之间无法融合[5]。根据目前的电力系统数据源的分布情况来看，非结构数据源在电力系统的日常运行、管理中将占据较大比例，甚至所占份额会超过电力系统的结构数据源。考虑结构化数据和非结构化数据之间的差异性无法实现关联匹配。为进一步降低结构化数据和非结构化数据之间的差异性，基于异构数据对发电侧、输变电侧、用电侧三方面进行分类管理[6]。①发电侧：供电最前端所产生的信息化数据，用于分析目前设备的运行状态和故障提示等；②输变电侧：主要源于相量测量装置。随着检测电的增多，数据采集量也呈现指数增长趋势，一般数源是类似于图像和视频信息等非结构化数据；③用电侧：主要源于用户终端数据的智能监测设备，具有采集数...
