0 引言
智能电网和传统电网系统相比，显著的优势在于反应时间上，智能电网在大数据分析技术的加持下，当大数据分析结果显示任意一个时间段内，任意局部范围内电网运行状态存在波动，系统会**时间做出处理，确保电力系统能够始终维持在一个较为稳定的运行状态。而对于大数据分析而言，从开始的数据采掘和分析，再到数据处理，每一个环节的质量共同影响着大数据分析结果的可靠性。
1 大数据分析的重要性
大数据分析，对于优化电力系统运行效率而言至关重要的，只有切实做好相应的大数据分析工作，才能够具有一定针对性的改造计划。大数据分析对于电力系统而言，首先是数据采集的全面性上，由于大数据分析需要采集海量的数据，所以可以从数据信息的角度总结出电力系统实时运行期间真实的状态，其次则是软件分析的可靠性上，通过软件分析得出的结论具有较高的参考价值，软件本身可以根据数据对未来发展的趋势进行预判。
总而言之，大数据分析对智能化电网建设工作而言至关重要，作为优化电网系统运行效率重要的分析手段之一，对于推动智能电网发展具有重要价值。
2 关键技术浅析
2.1 规划中的应用
数据规划是分析数据之前必须要进行的工作，主要实现了对电力系统各项运行参数的挖掘、分析，进而为优化电力系统提供参考。对智能电网而言，首先是数据的采掘和分类，智能化系统会对大体量的数据进行扫描，自动将没有用的数据过滤掉，只保存有价值的数据信息，并将所有的数据信息进行分类。其次，是数据分析模块， 大数据分析系统会针对不同特征对采掘到的数据进行分析，系统会根据分析结果，自动进行、扩展，在此期间不需要人为干预，所以能够较大程度节省数据分析需要的时间。电力大数据分析技术 , 从根本上讲 , 属于传统数据挖掘技术在海量数据挖掘下的新发展 ,但由于大数据海量、高速增长、多样性的特点 ,并且不仅包含结构化数据 , 还含半结构化和非机构化数据 , 因此传统的很多处理小数据的数据挖掘方法已经不再实用。大数据环境下的数据挖掘与机器学习算法 ,可以从两个方面着手:一方面从大数据的治理与抽样、特征选择的角度入手,将大数据小数据化；另一方面从开展大数据下的聚类、分类算法研究。
2.2 检修中的应用
传统的数据检修方法，算法复杂，解决电力系统问题速率较低， 并且前期工作需要花费较长的时间才能够完成，所以电力系统检修的 周期较长，而基于数据处理技术的检修系统，其算法是在原有算法的基础上进行优化得到的，运算速率和准确率都有大幅提升。在分析故障原因的时候，系统自身还根据数据类型的不同，采用不同的算法，其一，针对大规模分布式数据来说法，分布式计算技术的效率较高，能够*集成分布式数据，对其进行存储并处理。其二，内存计算技术的运算速率较高，主要应用于实时数据的计算，效率较高，可以实现线上处理问题。其三， 针对实时到达，速度和规模无法做出预判的数据而言，流处理技术可以技术处理相应数据，效率要**其他处理技术。综合以上三种数据处理技术，可以更好开展大数据分析，对电力系统运行的状态有一个更为深入的理解，进而可以采取更具针对性的优化措施，使电力系统运行的稳定性进一步得到提升。
2.3 监控中的应用
对于电力系统而言，需要对电力系统进行实时的监控，将分散的数据进行整合，在对数据进行实时监控的过程中，需要建立相应的数据库用于存储数据信息，其中，基于 No SQL 数据库的数据集成技术，就很好的解决了这一问题，在大数据库的支撑下，数据集成的效率得到了显著提升，在查找到数据之后，集成系统会进行抽样检测，确认数据的质量和可靠性，在确认完毕之后才会对数据进行储存。在数据集成技术的加持下，一方面可以切实提升数据分析工作的效率，另外一个方面，则是可以有效提高数据本身的质量。
3 安科瑞变电所电力运维云平台
3.1 概述
按照国家电网公司的统计，10kV及以上供电电压等级的工商业用户有200万户以上，此类“用户侧变配电所”产权归电力用户所有（工商企业、住宅小区、学校、医院等），虽然数量众多，但是日常的运行维护工作比较传统，普遍存在以下痛点：
人工成本高：人工巡视、纸质记录、电话沟通，缺乏智能化的手段
工作效率低：巡视频率低、巡检任务无法定位、巡检过程不标准规范、巡检缺陷缺乏闭环跟踪；
安全隐患：有些用电单位无专业维护电工、无法即时排查电气隐患、隐蔽工程隐患检查难等难题；
抢修时间长：变电所设备种类较多，在分布上也比较分散，无法即时识别和定位故障信息，需要用户通知后到现场确认；
运行大数据缺少分析：有些用户未有数据汇总分析平台，甚至未安装电力仪表导致运维人员对现场电力参数信息不了解，无法确定电力系统是否正常运行。
安科瑞电子商务（上海）有限公司专注于工业绝缘检测装置,储能EMS能源管理解决方案,企业能耗管理,安全用电解决方案,智慧用电等