云计算技术研究篇1

1项目背景

智能化评标系统的研究工作一直是国内外招标投标领域关注的重点问题之一。国内外开展的理论研究各有不同，众多学者借助经济学理论、法学理论在报价策略、招投标机制以及完善串通招投标制度的法律架构等方面展开了大量的研究工作，并且各国也通过立法或者制定管理措施等多种积极手段对围标串标行为进行打击治理。大庆油田自2016年起陆续推广应用中国石油电子招标交易平台，并与油田自主开发的生产经营辅助决策系统进行数据对接。目前，大庆油田招标工作已经实现了全流程电子化。但是现有的电子化交易系统依然解决不了整个招标过程中人为主观因素的干扰，尤其在评标过程中显得尤为突出。因此，迫切需要开展智能化评标系统，加强招投标大数据建设，探索实行计算机辅助评标，实现招投标向信息化，智能化转型。

2系统设计

2.1研究内容

基于大数据与云计算技术，建设智能化辅助评标系统，可结合招标要求对投标文件、投标人以及投标报价等全方位进行智能化评审，包括客观评审因素以及主观评审因素，自动汇总并输出结果，无需人为操作，可有效防范评标过程中的舞弊现象、减少评标过程中人为因素的干扰。智能化辅助评标功能核心为客观分自动评审、主观分评审以及智能化数据分析。智能化数据分析，包括投标人关系网络、标书雷同性分析、报价偏离度分析等，将投标人是否造假、是否有围标串标行为及行为类型、合同履行情况、投标次数及中标次数分析与预测结果显示出来，用于非招标采购谈判相对人选择及录用。

2.2设计思路

建立招标文件条款库，实现对招标文件条款的结构化管理；建立投标人资质信息库，实现对供应商资质信息的管理；将投标文件与供应商资质库信息进行比对，自动给出比对结果，实现客观分打分；借助人工智能模型，实现对主观评审内容的智能评分；通过对融合后的合同履行情况、投标次数及中标次数等数据样本构建分析模型，通过深度学习对生成模型进行校验，不断对现有模型进行修正，实现围标串标分析判断。

2.3总体架构

采用Springboot+MySQL+Redis+Vue框架，满足招标管理员、评标专家、供应商所有招投标工作的“一站式”需求，涵盖评审条款设置、项目设置、投标人应答、专家校准、评分汇总、系统管理等环节，实现全流程电子信息化、人工智能化，减少招标过程中人为干预和自由裁量权过度使用的现象。

2.4技术架构

采用分层架构搭建平台，包括基础设施层、数据层、平台层、应用层和展示层。基础设施层：网络资源以及计算存储资源。数据层：采用数据管理、数据挖掘、分布式存储、数据库集群搭建等技术，对历史数据进行清洗、转换、加工、挖掘、分析。平台层：采用微服务+Docker架构搭建PaaS平台。应用层：包含项目管理、条款管理、供应商资质管理、投标文件模板管理、评标管理、大数据分析、系统管理等。采用统一的门户入口。展示层：采用PC端浏览器展示。

2.5功能架构

按照油田智能化评标业务需求，主要分为项目管理、条款管理、供应商资质管理、投标文件模板管理、评标管理、大数据分析、系统管理七个模块。

2.6部署方案

在办公网DMZ区部署互联网接口服务器，将供应商所涉及的相关服务进行提取、，以满足供应商在互联网的使用需求。在办公网部署Web应用服务器、数据库服务器、缓存服务器、文件服务器，通过统一认证和分级授权，确保数据安全和完整，满足不同用户的访问。对服务器中的数据进行实时备份。在异常情况发生时，可以在最短的时间内对服务器进行恢复。

3关键技术实现

3.1供应商资质数据结构化

建立供应商资质库，利用图像识别技术，实现将投标文件等非结构化文档进行结构化。供应商首次登录上传资质图片、图片主要信息，以及更新信息，经管理人员审核保存到系统中。中标文件缺失信息，管理人员核实录入缺失信息。供应商再次登录系统，可直接引用投标人资质信息数据库编码标识，自动带出之前上传的供应商图片和相关参数信息。

3.2招标条款数据机构化

同步大庆油田电子招投标管理系统（dqmds）中条款表，对招标文件的条款内容进行结构化，建立条款库。一是基础条款的管理，初始条款库的建立需要不同的条款类型建立不同的库，在前端页面分成不同的菜单和标签页，进行单独维护。二是单个项目选取的条款管理，对同步过来的条款名称和内容通过专人解读，并形成格式化条款，存入条款内容子库。按照不同评审类别，选择对应的评审因素。通过设置是否主观项，读取非主观项评审标准，后期为客观分自动评分提供便利。以营业执照为例，将供应商资质信息库中的营业执照子表，关联到条款库的营业执照子表，营业执照编号、公司类型、法定代表人、经营范围、注册资本、成立日期、营业期限、登记日期等每一条证明营业执照有效的信息都一一关联到结构化条款。

3.3招投标文件工具开发

开发招投标文件制作工具：使用该工具，选择投标文件模板，创建项目，细化到营业执照、注册资金小项名称，关联到条款库中的每一项条款和供应商资质库各类资质子表。将投标文件模板导出数据包，与招标文件一起发售给供应商。供应商通过离线投标文件制作工具导入购买的数据包制作投标文件。投标文件制作完成后，导出PDF格式的投标文件和结构化文件，并附加数字签名，结构化文件作为附件上传，上传招投标系统。开标后，由专家将上传中石油的附件-结构化投标文件导入智能评标系统中。系统提供PDF一致性校验功能，将数字签名解析，进行校验，证明该投标文件没有被篡改。

3.4客观分自动评分

按照条款要求，利用PDF图像识别技术，将投标文件中填写的供应商资质，与供应商资质库进行比对，自动给出比对结果，并将打分条款对应的供应商资质的内容显示出来手动调整分数。自动评分程序提供一套有效状态机，即为有限个状态以及在这些状态之间的转移和动作等行为的数学模型，根据不同用户所需不同，此处定义为模型要素，状态机在用户提供的段落中进行自动匹配，找出符合用户的有效信息，拿到有效信息后，为模型要素提供最高和最低分界线，再通过快速算法处理得到最优模型要素，最终形成最有竞争力的模型要素优势。模型要素包含以下几类：注册资金、合同业绩、供货业绩、质保期、供货期、投标报价等；模型要素能够根据用户需求做定制化规则设计，适配不同类型招标项目的自动评分需求。

3.5主观分智能评分

基于行业同类项目的评审大数据，结合领先的机器学习技术，打造多类智能算法模型，快速读取招投标文件，对技术标的主观评审条款进行评审打分。通过文本处理进行语句的分类，然后进行转换和清洗，完成模型的预测。基于AI打分结果，生成AI评标报告，供专家评委参考。

3.6大数据建模分析

（1）招标流程分析

建立数据模型，分析比较历史数据，确认某类流程以及资格条件是为对应某类中标人量身定制。

（2）报价异常分析

建立报价异常分析模型，以单一投标人为主体，统计其所有中标项目的所有投标单位报价的差比相同次数，差比相同次数是否超过规定阈值，或存在规律性变化。

（3）股权穿透分析

对接相关机构系统，对投标人进行股权穿透分析，是否存在多个投标人之间股东存在股权利益关系，以及股东或授权人在其他投标人中是否存在相互任职的情况。

（4）内容异常分析

单次内容异常：对投标人的投标文件中自述部分进行比较，方案内容、服务条款、服务流程是否存在雷同或简单重复的情况。文件样式雷同：建立文件比对模型，分析多个投标人的投标文件，在目录编排、文字风格、段落缩进、字行间距、内容描述甚至错误位置是否存在雷同。文件混装错装：检索投标人的投标文件中是否出现了另一投标人的有关信息，比如出现另一投标人的资质文件、法人证明、身份信息、联系电话、项目人员名单等。历史内容异常：建立内容异常分析模型，进行爬虫分析历史数据，辨别本次投标人的投标文件中自述部分内容是否有在之前投标中的另一个投标人的投标文件中出现过。

（5）笔迹鉴定分析

单次笔迹异常：通过图形图像识别技术，比较多个投标人的笔迹以及签字部分是否为同一投标人所为。历史笔迹异常：建立大数据检索智能学习模型，比对投标人的签字笔迹是否在之前的投标过程中出现在另一家投标单位的文件中。例如：将A项目中的签名与B项目中的签名作对比。如果分析显示签不同名字，但是签字笔迹相同，则证明同一人以不同投标人的形式投标，投标存在问题。

（6）专家打分异常

建立大数据分析模型，比对历史同类项目评审专家打分情况，评审专家给出某一投标人评审分值时，是否出现重大偏差过高或过低。

（7）投标异常终止

建立历史数据检索模型，投标人一年内多次参加报名并购买标书后不提交投标文件，或无正当理由放弃中标，或多家投标人几乎同时撤回投标。

4结论

智能化评标系统的研究，从招标管理提升实际出发，通过简单的操作实现“人工智能辅助评标”目标，充分调动广大技术人员及招标从业人员的积极性，提高招标管理工作科学化、规范化、专业化水平。本次研究初步验证了智能化辅助评标系统的可行性，后续项目需要在此基础上，结合实际的业务流程需要，进一步AI机器学习的应用研究与开发工作，为机器学习阶段提供源源不断的数据动力。

作者:王微 单位:大庆油田信息技术公司

云计算技术研究篇2

处于大数据时代，计算机技术在快速发展的基础之上使得对数据的运算和处理显得越来越重要，大数据分析技术本身具备许多应用优势，其既有合理化预测功能同时也包含可视化的分析，云计算技术是对大数据分析最为重要的一项技术支持，在有了云计算技术的加持之下能够有效推进大数据技术的快速发展，云计算技术的应用可以在最短的时间内获取最为有效的数据信息，在此基础之上既能满足人们对于数据信息获取的需求，同时也能加快我国社会的发展速度。

一、云计算技术的概述

如今人们处在大数据快速发展的时代背景下，信息技术水平随着社会的发展在不断提高，人们的日常生活和工作在悄无声息中都发生了改变。虚拟技术的出现使得计算机技术得到了质的飞跃，计算机存储能力在原有基础上得到了极大的提升。云计算技术的出现是社会发展的必然趋势，其将网络和计算机运行服务模式进行了融合，以网络与系统为主要通道，将整个大数据系统拆分成无数多个小程序，然后通过程序系统来对相关数据进行处理和分析，最终将所得到的处理结果反馈给使用者。云计算技术的应用能够有效提高数据的处理分析效率，使得数据处理工作能够在网络上进行完成。也正是由于具备这样的特点，使得该项技术被称之为云计算技术。云计算技术最早出现于2006年，随着时代和技术水平的不断提高，当前的云计算技术已经被应用在多个领域，在未来发展过程中云计算技术还会得到进一步的优化和完善，在大数据时代下，其应用范围会得到进一步的拓宽。

二、计算机大数据及云计算技术的发展分析

（一）云计算虚拟技术

在对云计算系统进行分析的过程中，能够发现其最为基础且关键性的技术分别是计算和存储。而这两项关键技术的基础则是虚拟化技术，虚拟化技术是将现实环境中的计算机组件利用系统来进行转化，并且将其移动到虚拟环境中，然后以硬件资源和软件应用为基础来组建成的一个虚拟层结构。在对虚拟层结构进行分析时，能够发现其主要分为三层，分别是上层、中层和下层。中层的主要作用是对上下两层进行衔接，使得各项功能能够在虚拟环境中得到高效运用，云计算虚拟技术可以很好地对系统进行整合，进而实现资源的最大化利用。

（二）链路加密

在对链路加密进行理解时，可以将其看作是节点加密，二者之间有着非常多的相似之处，都是在进行传输过程中实现数据加密，保证整个数据传输过程的安全性。在对数据信息进行传输和共享时，由于所采用的路径不同，因此加密的方式又会有一定的区别，链路加密技术能够有效保证数据传输过程的安全性，即使是有一部分病毒的影响也能保证数据始终处在加密状态下，在此基础之上则能有效降低外界入侵对计算机所产生的危害，同时也能对数据进行更好的保护。

（三）安全扫描与模拟攻击

安全扫描和模拟攻击技术能够有效对系统进行加固，扫描技术主要是针对一些较为薄弱的部分进行安全性的扫描，能够有效防止主机在打开时出现一些端口问题，通过扫描能够及时获取一些有效信息，进而更好地在前期做好一些准备工作模拟攻击，主要是对系统进行加强，防止外部对系统的恶意攻击，相关操作人员可以在攻击者的视角之下选择一些攻击手段，这样能够更好地对问题进行分析。但是在选择攻击手段时，必须要保证不对网络造成影响。通过该种方式能够及时发现系统中存在的一些漏洞，进而更好地对漏洞进行加强。

三、云计算技术在计算机大数据分析中的应用

（一）数据处理系统的模型构建

云计算技术可以被十分广泛地应用在大数据分析过程中，可以对数据处理系统的模型进行构建。云计算技术主要是通过数据和应用来进行迁移，在此基础之上降低数据在使用时所需投入的设备成本，能够有效减少后续在对设备进行维护中所需要投入的资金。云计算技术对于大数据处理系统的模型构建有着十分重要的辅助性作用，可以将数据直接流转到云端进而实现高效的数据化公式处理方式，同时还能够建立相应的短距离影射网络。如今该项技术已经被广泛地应用在校园系统和政府大数据系统的建立过程中，云端的处理器具有极其强大的储存和数据分析功能，能够对大数据管理平台的数据进行有效展现，同时各项操作都可以在网络云中进行，政府部门和高校在进行数据化系统建立时，可以利用云计算技术来对系统进行保障，保证整个系统的运行安全性，通过云盾能够更好地对数据进行处理，进而达到高效的数据分析处理目的。

（二）互联网分析平台的构建

云计算技术是一项人工智能技术，是社会发展的必然产物，如今与人们的日常生活和工作都有着十分紧密的联系。当人们在使用互联网时，点击网页系统会对用户的信息进行自动化储存并且形成一些关键词，互联网可以对这些数据进行分析和建立来及时了解用户的行为习惯以及专业特点，这样能够通过大数据来给用户推送其感兴趣的内容。网站每天都会接收大量的点击率，所形成的数据信息量也十分庞大，云计算技术则可以提供高效的云端分析平台，该平台最为主要的优势在于能够有效实现对数据信息的标准化管理数据信息，在收集完成以后无须进行第二次处理就能形成相关的数据结果。

（三）图片存储平台

将云计算技术与计算机大数据技术进行结合能够打造出图片储存平台，如今部分行业在发展过程中对于图片的需求量非常大，企业为了更好地对图片进行处理和收集，则可以利用云计算系统来搭建图片储存平台。传统的数据保存流程较为复杂，而且在对数据进行存储时，经常会出现丢失和泄露的情况。为了避免上述问题的出现，则可以将云计算技术应用在内，通过打造安全高效的图片储存平台来优化现有的工作流程，通过这样的方式既能提高工作效率，同时也能保证数据的安全性。四、结束语在新时代背景下，云计算技术的应用范围得到了不断的拓宽，而云计算技术在大数据分析中的应用也具有极大空间。从云计算技术本身的特点看，其与大数据技术具有诸多契合点，也十分符合大数据技术应用的相关需求。目前基于云计算技术所进行的数据处理系统模型建构、互联网分析平台建构以及图片存储平台的搭建就在极大程度上为大数据分析提供了强大助力，使得大数据技术分析能力进一步提升，为现代各行业的数据分析与应用提供了便利。因此，在未来发展过程中，各领域都应当加大对云计算技术的研究与应用，使云计算技术与大数据技术进行深度融合，使之成为数据处理分析的底层技术之一，从而真正发挥其所具备的优势，改善大数据分析与应用现状，进而为人们的生活和工作提供更强大的技术支撑。

作者:吕国庆

云计算技术研究篇3

一、引言

当今社会是信息技术高速发展的时代，在计算机、互联网技术的支持下，各行各业生产、办公逐渐实现了信息化。特别是随着全球数字信息的融合，各种资源优化配置，海量的信息及数据呈现出日益增长的趋势，而电力行业在此环境背景之下，也融入了大数据发展新时代。在不断的发展中，电力企业涉及的客户、信息、数据日益庞大，为了确保生产效率的提升，电网运行更加安全与稳定，进而使电力客户多样化需求得到满足，构建电力大数据分析中心已成为必然发展趋势。基于此，本文重点探讨基于云计算的电力大数据分析技术，旨在为我国电力企业提供些许有价值的参考与借鉴。

二、云计算含义及其特点

云计算是以网络技术为基础的超级计算形式，属于新型技术之一，通过远程以及非本地分布式计算机优势，能够使用户准确获取、存储、计算相关电力数据，服务质量大幅度提高。云计算最大的优势就是数据的处理及时、具备较强兼容性、储存空间大，而且计算模式弹性较好，扩展性强，同时也具备了网络虚拟化的特点，处于大数据环境背景之下，可以给予数据分析、处理、存储更好的支持，支持企业的数据分析及储存能力提升。电力系统中云计算的运用，可以与很多用户信息连接，进而了解其诉求，针对大量用户信息进行高效处理，促进电力现代化发展。云计算技术在处理数据时效率很高，电力大数据信息繁多且复杂，云计算技术可将这些数据归类，采用层次计算方法，进而整合。云计算技术逐渐成熟，可以在同一时间快速将不同类型数据信息进行分类处理，人力、物力、时间大幅度节省，工作效率提高。针对电力大数据，云计算使用的计算方法为分布式处理，全面且系统化地对电力信息资源处理。例如储存过程中，如果电力信息传输时遭受破坏，云计算可调节电力大数据系统，使各种各样信息资源处理更加优化与完善。另外，云计算技术存储空间较大，新时代新形势新要求下，电力资源需求越来越多，涉及的内容也较多，而此时数据容量便成了电力大数据发展关键。云计算通过虚拟空间储存技术的运用，确保电力大数据完好无缺的同时，电力系统工作需求得到有效满足。总而言之，云计算技术对不同信息数据能够实现快速处理，最大限度地弥补了电力系统信息数据漏洞。

三、电力大数据分析技术

（一）数据分析技术

随着科技水平逐渐提升，电力行业对技术要求越来越高，发电方式也逐渐呈现出多样化，例如火、风、水、太阳能、核能等都是非常好的发电能源，这也在很大程度上使得电力数据越来越多，而数据分析技术在其中高效运用有利于发电领域多元化发展。同时可对一般电能、新型清洁电能间存在的内在关联性进行分析，找到二者间相似之处，进而实现电力资源融入使用。例如风电并网时，谐波、线损问题经常发生，对电力正常使用带来不便。而电力大数据分析技术的引进，实现了风电并网，深入分析影响因素以后，可通过有效措施给予针对性改进与处理，消极影响降低的同时，风电并网开展得更加顺利。

（二）可视化技术

电力大数据分析技术中，可视化也是重要特点之一，能够为工作人员准确找到问题提供数据支撑，进而确保判断更加科学合理。可视化的运用主要基于图标、SVG两个层面，其中图标展示数据信息时以图形、表格形式为主，工作人员借此能够充分了解问题，根据数据变化规律采用最佳处理方法。此系统的构建要将表格、折线图、柱状图等可视化方法系统化使用，表格用来记录数据，在搜索中捕捉数据信息；折线图对数据变化趋势直观呈现；柱状图可展示数据区别。SVG重点在于采用多种颜色展示电力数据，工作人员可准确看出数据变化。例如生产数据可通过SVG呈现，颜色不同时代表的数据不同，也可调整某一数据指标，数据信息查询速度更快，利用率提高。

（三）混合存储技术

此技术主要运用于数据的储存中，Hive系统极其常见，通过重写形式更新数据，但是此方法运用中数据更新速度较慢。在电力大数据发展中，数据越来越多，数据更新与删除要求也就越来越高，要想将数据信息质量提高，就需要保证数据信息处理及时性。各项操作数据占比小，如果更新时依然使用的是传统方法，数据资源过度占用，反而是资源的浪费，整个系统稳定运行受到影响。而混合存储技术的运用，能够将主附表作用更好的发挥。数据信息更新实效性增强，系统运行中便可以实现数据高效处理，利用率也随之提升。

（四）数据库索引技术

传统数据分析及处理时常用Hive技术，无法实现电力数据全面且准确搜索，不仅资源被浪费，而且数据分析工作难以正常开展。此问题的解决要站在多个视角下，能够快速准确地对数据信息进行查询。换言之，可基于电力大数据多维索引，将时间、单位视为参考依据，站在多个角度给予电力大数据索引辅助，有价值的数据信息能够及时查找到。另外，此技术运用可保证系统的构建更加完善，通过Hive命令的运用对技术进行解析，在较短时间内实现代码解析，确保数据索引维度区间更加丰富，促进数据查询速度提高。

（五）数据仓库技术

电力企业的发展，生产能力日益提高，数据量也越来越多，系统数据运算压力越来越大，为缓解此问题就要引进先进技术，提高数据分析工作效率。数据仓库技术是电力大数据关键节点，有利于数据运算能力的提高，同时也使得数据采集、处理更加快速。如果某些数据资源无法进行直接分析，便可以借助此技术将其进行转换与处理，使其转变为便于分析的数据资源。数据转化处理结束以后可进行加载，进而实现和数据资源的相匹配，充分利用这些数据资源，此技术的应用使系统整体运行性能得到提升。

（六）分层次处理技术

数据分析与处理时，可利用分层数据处理技术，促进数据处理效率提高。电网智能化发展进程中，多功能一体化系统得到了广泛应用，例如数据收集、整理、分析、处理、存储、利用等，形成一条链条，基于电力系统运行实际情况的进一步了解，构建完善的大数据分支系统，突出不同类型电力供应系统关联性、独立性特点，促进资源互融互通，增强资源使用价值。同时SQL技术的使用，可在电力大数据分析时完成计算，二者同步进行，数据分析效率提高，分析结果更加准确。分层次处理技术的广泛应用，一方面使得数据分析效率大幅度提高，另一方面也使工作人员数据处理时间缩短，电力企业整体效益更高。

四、基于云计算的电力大数据分析技术框架分析

（一）系统整体架构

电力大数据分析技术中，云计算分析系统中大量数据信息过程中，数据有效排列，此系统体现了分布、并行存在的内在关联性，通过计算框架高效率的运用，形成集云计算、电力大数据分析技术于一体的框架，借助电力系统数据分析有效性以及云计算高效采集数据，与电力数据开源结合，获取对城市电网产业发展有价值的信息，促进电网智能化、信息化建设。整个环节中涉及的城市电网电力大数据分布系统更加优化，而电力大数据结构框架的形成，主要借助电力大数据网络分布式储存结构将大量数据储存，并将这些数据输入至系统终端内，工作人员可结合数据获取准确的结果，进而有效管控电力数据信息。电力大数据分布式储存框架如图1所示。

（二）分析技术

当前城市电网体系日益完善，电力产业发展速度越来越快，多样化是当前电力行业发展最为显著的特点。网络、通信、大数据分析等技术的存在，为电力行业更好地运用信息技术创造了良好的条件。而电力资源的高效利用、优化配置是电力企业、产业在较短时间内占据市场竞争发展优势的重点。为了能够使电力产业快速稳定发展，安全运行需求得到满足，就要实现电力资源的充分利用，根据电力资源应用实际情况，结合城市电网体系构建，电力大数据分析技术研究力度的强化，实践应用水平的提高是不可忽视的环节。基于云计算的电力大数据分析技术的运用，要强化城市电网体系常规电力资源、清洁电力数据间内在关联的准确判断，确保二者间数据均衡且协调，使城市电网系统能够实现高效率运作，在将电力资源充分利用的同时，促进经济效益的增长。比如城市电网合并运行时，清洁电力资源因为没有电网运行基础性质的框架，稳定性较差，使得城市电网体系运行效率越来越低。所以城市电网电力资源融合在一起，可借助电力大数据分析技术，综合分析造成清洁电力资源结构运行不稳定的原因，借助系统中收集整理的大量历史数据，在处理、计算、分析中找到问题根源，进而提出有效解决措施，促进城市电网体系清洁电力资源运行更加稳定安全、高效，也使得其和常规电力资源配置更加合理、均衡，电网系统运行效率不断提升，实现智能化电网的构建。

（三）ETL技术分析

城市电网每时每刻都会有大量电力数据及信息产生，超出了传统模式中电网系统计算能力范围，进而导致电力电网数据分析压力较大，有效率较低，阻碍了电网其他业务信息的运行。所以在基于云计算的电力大数据分析技术的运用过程中，为有效缓解运行效率低问题，可采用大数据分析技术中ETL技术，通过此技术优势能够将大量数据信息在较短时间内实现处理、分析，节省时间、人力、物力，经济效益提高。基于云计算技术电力大数据分析系统的构建过程中，ETL技术的运用侧重点在于采集及分析extract数据，此模式会以标准、要求为基础，将城市电网中涉及的不同类型电力数据及信息合理归类，分类工作结束以后会进行重点信息的收集整理。Transform环节，深层次加工以及处理收集而来的各种数据，在海量数据中找到有价值信息，而且还会对数据间存在的内在关联性进行深入挖掘。在此过程中，大数据分析技术仅仅只是全面分析、研究了城市电网体系编码数据流，难以实现直观分析电力电网信息，这就需要运用专业手段高效转换电网体系中电力数据，快速提高电力电网数据信息可读取性能，确保城市电网大量数据信息在Transform运作中能够将作用充分发挥出来。

五、基于云计算的电力大数据分析技术未来发展

云计算在电力大数据分析技术中的运用，优势较为突出，进一步提高了数据分析效率。一是在科学技术快速发展背景下，电力企业运行过程中，就要将云计算、电力大数据分析技术运用方案进行创新，借助电网拓宽、数据处理、仿真模型等综合性技术运用，实现离线分析电力系统运行及电力资源调配情况，促进电力系统仿真处理效率的提高。二是还要将电力系统潮流计算模式进行优化，有了云计算方法融合，可降低计算结果不准确现象发生的概率，电力系统运行效率更高，潮流计算同云计算、大数据分析技术的整合，能够在很大程度上缓解传统电力信息操作问题，电力系统运行模式得到创新的同时，提高系统整体运行效率。三是将电力系统故障恢复效率大幅度提升，目前电力企业运行时，电网需求量增长速度较快，如果电网运行时大扰动问题发生，极易导致电力系统突然停电，用户需求得不到满足。所以云计算、电力大数据分析技术要创新，确保电力系统运行。比如，智能电力系统创新设计时，可借助云计算技术，根据电力系统运行实际情况，实现共享计算平台的构建，信息获取、处理效率更高。四是电力系统评估要具备较强可靠性，电力资源负荷运行反复预测中，使用安全隐患较大，基于云计算的电力大数据技术与电网系统融合，构建系统保护、保障方案，一方面可以促进智能电网运行时经济实用，另一方面也减少了故障的发生，电力系统运行效率得以提升。

六、结束语

云计算是基于互联网技术而产生的，具备了网络优势，同时在不断完善与优化中，在各个领域得到了广泛应用，将我国科技发展水平推向了又一新阶段，在社会发展、人民生活中发挥了极其重要的作用。当今社会，云计算在电力系统中的应用也越来越频繁，特别是与电力大数据分析技术的有效结合，将各自的优势充分发挥，促进了电力企业信息化、智能化系统的构建，为电力数据信息整合以及高效利用提供了保障，促进了工作效率的大幅度提高。在网络经济时代背景下，电力企业积极引进云计算技术、电力大数据分析技术，实现了人力、物力、财力资源的合理运用，未来发展前景较好。但是社会发展速度较快，信息技术更新换代也快，云计算技术在电力大数据分析技术中的运用也应该紧跟时展步伐，不断改进，助推电力企业长远发展。

作者:魏岸若 刘蛟 单位:重庆工贸职业技术学院人工智能学院中国移动杭州研发中心