蘇靖，沙龍

（商丘職業(yè)技術(shù)學(xué)院，河南商丘，476000）

0 引言

以往電站機(jī)組之所以要全天候不間斷運(yùn)作，是因?yàn)殡娬据爡^(qū)內(nèi)隨時(shí)隨地都有可能產(chǎn)生用電需求，如果電站機(jī)組停止，就可能導(dǎo)致用戶用電不暢，所以不得以要全天候不間斷運(yùn)作。但這一問題在現(xiàn)代相關(guān)研究中已經(jīng)得到解決，研究普遍認(rèn)為大數(shù)據(jù)技術(shù)能夠獲取用戶用電信息，及時(shí)分析用戶用電習(xí)慣，甚至能預(yù)測(cè)用戶用電需求，隨之輸出一個(gè)能耗最低的電站機(jī)組運(yùn)作方案，使得電站機(jī)組的運(yùn)作能耗與實(shí)際需求吻合，而不是盲目的不間斷運(yùn)作，始終做好供電準(zhǔn)備，這樣就起到了節(jié)能效果。因此如何利用大數(shù)據(jù)技術(shù)實(shí)現(xiàn)這一點(diǎn)是一項(xiàng)值得思考的問題，有必要對(duì)此展開相關(guān)研究。

1 大數(shù)據(jù)技術(shù)基本概念與主要功能

1.1 基本概念

大數(shù)據(jù)技術(shù)基本概念可以分為兩個(gè)層次，分別為“大數(shù)據(jù)”、“技術(shù)工具”，具體內(nèi)容為：（1）大數(shù)據(jù)的本質(zhì)就是龐大數(shù)據(jù)的集成體，其中數(shù)據(jù)總量巨大，甚至可以達(dá)到數(shù)億，且這些數(shù)據(jù)還會(huì)不斷更新，數(shù)量也會(huì)不斷增長(zhǎng)，這是大數(shù)據(jù)體的特征，而這些數(shù)據(jù)源于實(shí)際發(fā)生的事件，因此根據(jù)這些數(shù)據(jù)可以對(duì)事件進(jìn)行識(shí)別或判斷、預(yù)測(cè)，說明大數(shù)據(jù)具有良好的應(yīng)用價(jià)值，這一點(diǎn)在任意領(lǐng)域中都有明顯體現(xiàn)，電站機(jī)組節(jié)能也不例外；（2）因?yàn)榇髷?shù)據(jù)體中的數(shù)據(jù)總量非常龐大，所以人工受能力所限，并不能直接對(duì)內(nèi)部數(shù)據(jù)逐一進(jìn)行處理，這時(shí)就要借助技術(shù)工具來完成數(shù)據(jù)處理工作，而眾多技術(shù)工具中最具代表性的是人工神經(jīng)網(wǎng)絡(luò)模型、智能技術(shù)，其中前者是一種大數(shù)據(jù)挖掘功能，具有強(qiáng)大的數(shù)據(jù)處理功能，能在短時(shí)間內(nèi)將數(shù)據(jù)整合在一起，生成一個(gè)類似人類神經(jīng)網(wǎng)絡(luò)的模型，該模型代表了數(shù)據(jù)源事件（即模型中所有數(shù)據(jù)的來源），只要能識(shí)別其中數(shù)據(jù)，對(duì)數(shù)據(jù)關(guān)系進(jìn)行定義，就可以對(duì)事件進(jìn)行識(shí)別或判斷、預(yù)測(cè)。

1.2 主要功能

在大數(shù)據(jù)技術(shù)基本概念上，整個(gè)技術(shù)系統(tǒng)主要具備三大功能，分別為自主學(xué)習(xí)、數(shù)據(jù)識(shí)別、數(shù)據(jù)決策，各功能具體內(nèi)容如下。

（1）自主學(xué)習(xí)

自主學(xué)習(xí)功能的人工神經(jīng)網(wǎng)絡(luò)模型與智能技術(shù)下的綜合產(chǎn)物，其中模型技術(shù)會(huì)將大數(shù)據(jù)體視作數(shù)據(jù)源，不斷從中獲取數(shù)據(jù)，并將每項(xiàng)數(shù)據(jù)視作基礎(chǔ)神經(jīng)元節(jié)點(diǎn)，同時(shí)將基礎(chǔ)節(jié)點(diǎn)與其他數(shù)據(jù)形成的神經(jīng)元節(jié)點(diǎn)結(jié)合，經(jīng)過處理可知所有數(shù)據(jù)之間的關(guān)系，會(huì)生成大量的神經(jīng)網(wǎng)絡(luò)模型，這些模型將被記錄在對(duì)接系統(tǒng)的知識(shí)庫(kù)中（對(duì)接系統(tǒng)泛指智能技術(shù)系統(tǒng)，知識(shí)庫(kù)就是智能技術(shù)系統(tǒng)的數(shù)據(jù)儲(chǔ)存庫(kù)）。[1]由此當(dāng)對(duì)接系統(tǒng)在實(shí)際應(yīng)用中接觸到某組數(shù)據(jù)之后，會(huì)將該組數(shù)據(jù)與知識(shí)庫(kù)內(nèi)模型進(jìn)行匹配分析，若該組數(shù)據(jù)與某個(gè)模型的匹配度一致或高度相似，就會(huì)直接識(shí)別該組數(shù)據(jù)，用對(duì)應(yīng)模型對(duì)該組數(shù)據(jù)所代表的事件進(jìn)行定義，若沒有找到匹配度一致或高度相似的模型，就會(huì)將該組數(shù)據(jù)較于人工神經(jīng)網(wǎng)絡(luò)模型，生成一個(gè)對(duì)應(yīng)模型，下一次再接觸到類似數(shù)據(jù)組時(shí)，就可以直接進(jìn)行識(shí)別，說明在兩個(gè)技術(shù)工具下，大數(shù)據(jù)技術(shù)具備自主學(xué)習(xí)功能，人工不需要對(duì)大數(shù)據(jù)技術(shù)的內(nèi)部運(yùn)作做過多管理，坐享其成即可。

（2）數(shù)據(jù)識(shí)別

數(shù)據(jù)識(shí)別功能源自于智能技術(shù)，即智能技術(shù)可以依靠人工預(yù)設(shè)的智能邏輯，獲取各項(xiàng)數(shù)據(jù)的特征信息，并將特征信息與智能邏輯進(jìn)行匹配度分析，若兩者完全一致或高度相似，就會(huì)對(duì)該數(shù)據(jù)進(jìn)行定義，完成識(shí)別。以電站機(jī)組運(yùn)作為例，假設(shè)機(jī)組在運(yùn)作中產(chǎn)生了100W 的功率數(shù)據(jù)，則智能技術(shù)將獲取該數(shù)據(jù)的單位特征，即“W”，隨后在人工預(yù)設(shè)邏輯基礎(chǔ)上，可將該數(shù)據(jù)定義為機(jī)組當(dāng)前運(yùn)作的功率情況，由此完成數(shù)據(jù)識(shí)別。

（3）數(shù)據(jù)決策

數(shù)據(jù)決策功能同樣源于智能技術(shù)，主要在數(shù)據(jù)識(shí)別后運(yùn)作，即在智能技術(shù)成功識(shí)別了某項(xiàng)數(shù)據(jù)之后，會(huì)根據(jù)該數(shù)據(jù)現(xiàn)狀與人工預(yù)設(shè)智能邏輯中的數(shù)據(jù)標(biāo)準(zhǔn)進(jìn)行對(duì)比，若對(duì)比結(jié)果顯示數(shù)據(jù)現(xiàn)狀不達(dá)標(biāo)，就會(huì)擬定決策方案，方案的唯一目的就是讓數(shù)據(jù)現(xiàn)狀與數(shù)據(jù)標(biāo)準(zhǔn)吻合，若方案執(zhí)行可實(shí)現(xiàn)智能控制。[2]同樣以電站機(jī)組運(yùn)作為例，假設(shè)人工希望電站機(jī)組的最大工具不超過100W，而數(shù)據(jù)現(xiàn)狀表示機(jī)組功率達(dá)到200W，這時(shí)智能技術(shù)就會(huì)擬定“將機(jī)組功率下調(diào)100W”的決策方案，方案執(zhí)行后電站機(jī)組的功率就會(huì)達(dá)到100W 標(biāo)準(zhǔn)。

2 大數(shù)據(jù)電站機(jī)組節(jié)能應(yīng)用方案

2.1 基本思路

本文大數(shù)據(jù)電站機(jī)組節(jié)能應(yīng)用方案的基本思路見圖1。

圖1 大數(shù)據(jù)電站機(jī)組節(jié)能應(yīng)用方案的基本思路

2.2 方案分析

根據(jù)圖1，方案設(shè)計(jì)與應(yīng)用的具體內(nèi)容如下。

（1）數(shù)據(jù)采集

方案中數(shù)據(jù)采集主要有傳感器實(shí)現(xiàn)，出于節(jié)能目的，相關(guān)傳感器均為電力計(jì)量類，能對(duì)用戶全天的用電情況進(jìn)行記錄，并將記錄信息轉(zhuǎn)換為數(shù)據(jù)，隨之傳輸給大數(shù)據(jù)技術(shù)終端，保存在數(shù)據(jù)儲(chǔ)存庫(kù)，逐漸生成大數(shù)據(jù)體，以供人工神經(jīng)網(wǎng)絡(luò)模型進(jìn)行數(shù)據(jù)處理，并構(gòu)建相關(guān)神經(jīng)網(wǎng)絡(luò)模型。

（2）數(shù)據(jù)儲(chǔ)存

因?yàn)榇髷?shù)據(jù)體內(nèi)的數(shù)據(jù)量級(jí)龐大，所以普通的數(shù)據(jù)儲(chǔ)存庫(kù)并不滿足大數(shù)據(jù)儲(chǔ)存需求，對(duì)此本文方案中主要選擇了“云數(shù)據(jù)庫(kù)”來構(gòu)成數(shù)據(jù)儲(chǔ)存庫(kù)。云數(shù)據(jù)庫(kù)在理論上具有“無(wú)限”的容量，因此必然是滿足大數(shù)據(jù)儲(chǔ)存需求的，但直接使用云數(shù)據(jù)庫(kù)來儲(chǔ)存大數(shù)據(jù)體可能會(huì)導(dǎo)致數(shù)據(jù)安全問題，這一條件下必須對(duì)云數(shù)據(jù)庫(kù)進(jìn)行安全處理。

（3）數(shù)據(jù)處理與模型構(gòu)建

人工神經(jīng)網(wǎng)絡(luò)模型本身并不具備數(shù)據(jù)處理功能，因此需要借助智能技術(shù)對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，即首先讓智能技術(shù)獲取數(shù)據(jù)的特征，得出每項(xiàng)數(shù)據(jù)的定義，其次將數(shù)據(jù)特征保存在云數(shù)據(jù)庫(kù)中（云數(shù)據(jù)庫(kù)同時(shí)也充當(dāng)知識(shí)庫(kù)的角色），這樣人工神經(jīng)網(wǎng)絡(luò)模型就能開始模型構(gòu)建。

（4）數(shù)據(jù)決策

在數(shù)據(jù)識(shí)別基礎(chǔ)上，結(jié)合智能邏輯智能技術(shù)能夠進(jìn)行決策，例如根據(jù)用戶用電量及用電量產(chǎn)生時(shí)間，發(fā)現(xiàn)轄區(qū)內(nèi)用戶自早晨6 點(diǎn)左右開始用電，直至晚間11 點(diǎn)陸續(xù)關(guān)電，說明早晨6 點(diǎn)到晚間11 點(diǎn)是用戶用電高峰期，這時(shí)電站機(jī)組需要不斷運(yùn)作，而在晚間11 點(diǎn)之后，用電進(jìn)入低谷期，這時(shí)電站機(jī)組內(nèi)部分設(shè)備可以停運(yùn)，僅根據(jù)低谷期用電量均值下人工設(shè)置好的機(jī)組功率，保留若干設(shè)備繼續(xù)運(yùn)作，所有繼續(xù)運(yùn)作的設(shè)備的功率總和與人工設(shè)置標(biāo)準(zhǔn)一致，這樣就起到了節(jié)能效果。

（5）數(shù)據(jù)識(shí)別

依照數(shù)據(jù)處理中得到的數(shù)據(jù)特征以及神經(jīng)網(wǎng)絡(luò)模型，智能技術(shù)可以開始進(jìn)行數(shù)據(jù)識(shí)別，該步驟是大數(shù)據(jù)技術(shù)在電站機(jī)組節(jié)能中正式投入實(shí)際應(yīng)用起點(diǎn)，能了解用戶用電習(xí)慣等，以便生產(chǎn)準(zhǔn)確的數(shù)據(jù)決策[3]。

3 結(jié)語(yǔ)

本文對(duì)大數(shù)據(jù)技術(shù)在電站機(jī)組節(jié)能中的應(yīng)用進(jìn)行了分析。通過分析，了解了大數(shù)據(jù)技術(shù)的基本概念與主要作用，隨后文中提出了大數(shù)據(jù)電站機(jī)組節(jié)能應(yīng)用方案，介紹了方案基本框架與應(yīng)用方法，可知該方案能起到保障機(jī)組能耗與實(shí)際需求一致的作用，能避免能源浪費(fèi)，因此實(shí)現(xiàn)了節(jié)能目的。