面向高频、实时、多源和异构的配用电大数据处理的实时性

 对于高频、实时、多源和异构的配用电大数据的高效管理，目前缺乏异构数据的一体化信息模型、元数据规范与统一转换格式的准确定义，无法对配用电大数据进行高效的集成与融合，因此需要提出可扩展的，适用于多源、多层异构数据的融合技术。未来智能电网环境下，各运行环节都离不开数据的实时处理。短暂的网络拥塞，甚至单台服务器故障都可能影响云计算系统提供的快速服务而不能满足其时间响应。目前电力系统已经开始使用内存数据库，以提高实时性。

 另外，有研究表明，正常运行的SCADA系统接收到监测信息延时如果超过50ms，可能会导致错误的控制策略；还有研究表明，TCP协议进行流量控制和数据纠错而造成数据传输的延迟是Internet环境下SCADA系统中最普遍的TCP/IP协议故障的原因。未来智能配电网需要解决即使节点出现故障的情况下，也能实时地响应。

 异构多数据源整合根据配用电大数据的异构、海量特点，以及典型业务应用的数据访问模式，研究可扩展、高可靠、高效率的配用电大数据管理技术。针对不同来源的配用电数据以及外部非电力数据在数据规模、结构化特征和价值疏密程度等方面的差异性，研究适合于配用电结构化、半结构化、非结构化数据的优化存取、高效查询以及数据清理。实现减少数据冗余，提高数据共享的目标。

 包括配电自动化系统在内的电网各系统大多是各自为政分头规划，导致信息与资源不能共享，上下级间纵向贯通困难，形成信息孤岛。而采用云平台管理智能电网异构多源信息，可实现这些分散孤立系统之间的信息互联。面对电网基础设施增加且分布在各地的现实，如何有效率的管理这些基础设施并处理异构数据，减少电网成本将是一个巨大的挑战。

 适用于不同结构特征配用电大数据的态势感知与知识提取技术

 大数据分析技术需要有具体的应用目标，结合所处理数据的类型、规模和结构等特征，以提出与之相适应的分析方法。对于配用电大数据而言，其应用目标是多元的，包括对于配电网健康状态的诊断、对于配网运行的分析等，需要提出具有适应性的大数据基础分析方法；除了要研究面向海量结构化数据的高效处理技术，包括经典的模式识别、聚类分析与特征提取技术等，也要研究面向半结构化、非结构化数据的知识提取技术，以满足配用电大数据的高速检索、实时计算等技术要求。

原标题:配用电大数据技术的应用难点