DQZHAN技術訊：配用電大數據技術的應用難點
面向高頻、實時、多源和異構的配用電大數據處理的實時性
對于高頻、實時、多源和異構的配用電大數據的高效管理，目前缺乏異構數據的一體化信息模型、元數據規范與統一轉換格式的準確定義，無法對配用電大數據進行高效的集成與融合，因此需要提出可擴展的，適用于多源、多層異構數據的融合技術。未來智能電網環境下，各運行環節都離不開數據的實時處理。短暫的網絡擁塞，甚至單臺服務器故障都可能影響云計算系統提供的快速服務而不能滿足其時間響應。目前電力系統已經開始使用內存數據庫，以提高實時性。
另外，有研究表明，正常運行的SCADA系統接收到監測信息延時如果超過50ms，可能會導致錯誤的控制策略；還有研究表明，TCP協議進行流量控制和數據糾錯而造成數據傳輸的延遲是Internet環境下SCADA系統中*普遍的TCP/IP協議故障的原因。未來智能配電網需要解決即使節點出現故障的情況下，也能實時地響應。
異構多數據源整合根據配用電大數據的異構、海量特點，以及典型業務應用的數據訪問模式，研究可擴展、高可靠、高效率的配用電大數據管理技術。針對不同來源的配用電數據以及外部非電力數據在數據規模、結構化特征和價值疏密程度等方面的差異性，研究適合于配用電結構化、半結構化、非結構化數據的優化存取、高效查詢以及數據清理。實現減少數據冗余，提高數據共享的目標。
包括配電自動化系統在內的電網各系統大多是各自為政分頭規劃，導致信息與資源不能共享，上下級間縱向貫通困難，形成信息孤島。而采用云平臺管理智能電網異構多源信息，可實現這些分散孤立系統之間的信息互聯。面對電網基礎設施增加且分布在各地的現實，如何有效率的管理這些基礎設施并處理異構數據，減少電網成本將是一個巨大的挑戰。
適用于不同結構特征配用電大數據的態勢感知與知識提取技術
大數據分析技術需要有具體的應用目標，結合所處理數據的類型、規模和結構等特征，以提出與之相適應的分析方法。對于配用電大數據而言，其應用目標是多元的，包括對于配電網健康狀態的診斷、對于配網運行的分析等，需要提出具有適應性的大數據基礎分析方法；除了要研究面向海量結構化數據的高效處理技術，包括經典的模式識別、聚類分析與特征提取技術等，也要研究面向半結構化、非結構化數據的知識提取技術，以滿足配用電大數據的高速檢索、實時計算等技術要求。
