基于大数据的电网调度系统可靠性研究

基于大数据的电网调度系统可靠性研究

周智

国网山东省电力公司齐河县供电公司 山东省德州市 253000

摘要：大数据时代电网调度管理工作发生了很大转变，为满足大数据工程需求做好电网调度系统可靠性的研究与提升至关重要。下面文章对大数据技术在电网调度系统中的应用展开探讨。

关键词：大数据；电网调度；调度系统；可靠性

引言

电力系统的发展，对于调度可靠性的要求越来越高。大量新能源电站和电力设备的运用，使得现代电网的复杂程度越来越高，出现了多种随机、多源、高密度、大数据的特征，这些因素影响了供电系统的运行环境，对于电力调度系统是一个深刻的考验。随着系统运行的复杂程度日益提高，传统的电网安全分析方法和控制手段出现了时效性差、故障预见能力不足等问题，逐渐不能满足当前大数据时代的要求。基于大数据网络，如何建立一个高效、可靠性、高智能化、高信息化的电网调控系统，已经成为当前新形势下电力系统急需解决的问题。电力调度系统的安全性，经过长时间的技术发展，积累了大量的技术和应用经验。但随着电网动态特性的复杂程度不断提高，急需电力调度安全分析系统具有更高的状态感知和风险评估能力。调度系统的主要问题包括:准确性低，传统的仿真分析模型不能满足现代电网的需求;动态特性繁杂，不能满足电网系统的电子化程度;时效性差，在线分析系统计算周期长。

1大数据的电力调度系统概述

1.1电力大数据发展

随着人工智能的发展,智能调控的概念逐渐发展并成熟,在此背景下,电网调控应具有自愈、交互、优化、预测、协同和安全等特征。而电网调控是电网中重要一环节,对于电力系统安全稳定运行至关重要。目前,特高压交直流混联系统逐渐形成,人工调度任务烦琐、压力大,而电力调控机器人能够应用面向大电网的实时调控运行人工智能技术,对电网实现实时感知、故障分析、风险评估和立体展示等,还可协助人工调度开展倒闸操作、异常报警、发电计划调整和电力业务信息统计等工作,具有较高的实用价值。目前,电力行业中的大数据可以分为以下几个方面:一是电力系统中电网及涉网设备的运行(状态)数据;二是电力企业的销售数据,如交易电价、客户用电情况和电能销售量等方面的数据;三是电力企业的管理数据。电力大数据的发展也促进了电力大数据的分析技术、展示技术的发展,但是特高压交直流联网的逐渐形成,调控一体化模式初具规模,数据分析与辅助决策系统研究及应用的正常运行,需要依托大量的基础数据和复杂的多维分析计算,使得电力调控存在数据采集、数据存储、数据分析和数据展示等技术难点。

1.2电力智能调度大数据分析

新形势下，我国电网逐渐向智能化升级改造，电网规模逐渐扩大，为保障电网运行稳定性，智能调度的高效运行成为关键。电力调度是一个复杂系统，其中涵盖了输变电、发电用电、配电等多项系统，与一般生产调度不同，电能产供销都是在瞬间完成，即发电量、用电量保持平衡状态，因此，电力调度应随时保障发电与用电负荷之间的平衡。并且，电力调度还应做好电网运行监控、潮流计算、事故处理等任务，保障电网稳定运行，保证电力行业各环节稳定运行。在电力调度过程中，为实现智能调度，电力调度数据应具有大体量、多种类、数据即交互、即共情、速度快等优势，并深入挖掘基础、应用、实时、环境数据源，为智能调度提供数据支持。其中，基础数据：主要指设备台账、电网模型等变化较小的数据信息，该类型数据分散于不同业务系统(OMS、EMS等)内。实时数据：主要指能够实时展现电网动态运行的数据，该数据大多处于AMI、WAMS与SCADA内。应用数据：其中包含报表数据、监控预警数据、预测计划数据等。环境数据：主要指天气、经济、地理、人口等类型的数据信息，该类数据多应用在电力调度大数据联合分析内。在电力智能调度中，为有效发挥大数据的作用，提升电力调度质量，应充分挖掘大数据的价值，不仅要发挥大数据集成、高性能计算、存储等基础功能，还要实现调度业务、大数据挖掘技术的结合。须知，若产出数据无业务指引与诠释，则数据是机械且盲目的，数据关联性与实际不相符，甚至存在数据错误。因此，在电力调度数据挖掘时，业务内容为关键因素。

1.3电力大数据的特征

电力是国民经济发展和人民生活的基础性能源,随着社会的进步及人民生活水平的提高,各领域对电力的需求越来越大,种类也越来越多。参照大数据的相关定义,结合电力大数据的关键特点等,可以将电网大数据的特点概括为以下内容:规模性(volume)、多样性(variety)、高速性(velocity)、价值性(value)、有效性(validity)和真实性(veracity)。具体特征体现在以下四点:电力互联网中数据量巨大。随着智能电网建设的逐步推进,越来越多的智能电表和监测设备投入到了电力系统中,这些设备无时无刻不在产生大量的数据,是电网稳定运行的基础。同时,随着新时期物联网技术的进步,能源的生产和应用从电力扩充了与电力存在能源转化和互通互动的供热系统、供冷系统、燃气系统、交通系统,这极大地丰富了电力数据的来源。电力数据结构复杂、种类繁多。电力数据产生于电力系统的运行监测和企业的运营管理过程中,在做好结构化数据处理的基础上,也要做好半结构化和非结构化数据的分析。同时随着新技术的引进和服务平台的建设,其数据种类也得到了进一步扩充,比如信息系统的语音数据、设备在线监测系统中的视频数据与图像数据等。电力数据实时性高且增长快。电力作为一种能源数据,其生产、转换和消费也是瞬间完成的,这就对电力系统的实时性提出了要求。同时在整个能源互联网中也包含着很多实时性数据,并且许多分析结果也对实时性有着要求。在智能电网的建设中,智能变电站、智能电表、电力设备在线监测等得到了大量的运用,电力系统产生数据的规模和种类快速增长,体量激增。电力数据蕴含着巨大的价值。电力数据信息可以为电力供应相关部门制定战略规划提供参考,同时也是电力企业运营管理的重要基础。大数据背景下,电力数据显得更为重要。电力行业需要不断挖掘其业务数据的潜在需求,探索相关的理论方法,使得电力信息系统得到进一步地扩展,以便适应数据量的迅速增长、数据类型的繁杂和时效性的不断提高。

1.4调控一体化下的数据体系结构

从基础数据来源分,调控一体化数据分为实时数据和管理数据。具体来说,调控一体化下,数据体系结构主要由实时运行数据、静态管理数据、综合历史数据和数据逻辑链条4个部分组成。数据与数据之间通过逻辑链条互相支撑,实现将实时动态数据与综合历史数据相结合、实时动态数据与静态管理数据相关联、静态管理数据与综合历史数据相比对的闭环数据结构。实时运行数据需要进行加密的可靠传输,其标准化处理需要借助变电站、换流站监控系统,以文本的方式发送到调度主站。电力系统的异常缺陷数据、日前检修计划数据、移交状态管控数据和日度月报表数据等都属于静态管理数据的范围。历史数据主要包括实时历史数据、监控业务管理类数据、与监控相关的其他系统数据等,主要涵盖设备异常数据、事故数据、设备缺陷数据、变电站移交流程数据、变电站集中监控信息传动数据,以及设备的故障录波图、故障保护动作情况和故障测距等信息的数据提取等内容。数据逻辑链条是指根据数据库的逻辑结构设计概念,选取数据模型相符合的逻辑结构,并利用可拓理论实现实时动态数据与调控历史数据相结合、实时动态数据与同步管理数据相关联、同步管理数据与综合历史数据相比对的多维度数据联动体系结构。

2大数据的电网调度系统技术分析

2.1传输和存储电力大数据

随着我国智能电网的快速发展，电力系统所有环节的数据都会被记录下来，这就需要有更强大的数据传输和存储功能。同时，随着电力系统的不断运转，会产生越来越多的数据，使系统承受较大的负担，如果不及时采取有效措施，会限制智能化的良好发展。通过合理应用大数据技术可以很好地解决这类问题，满足电力系统大数据的需求。目前，分布式文件系统在电力企业中的应用比较广泛，便于储存更多的数据。另外，大数据技术能够随时采集电力系统的运行数据，可以满足电力系统对实时性的要求，并且利用流式传输还可以及时分析数据，让工作人员能够掌握相关信息。还可按照电力系统的性能与数据特征分别进行储存，利用数据库系统还能够及时处理具有高标准要求的数据。利用数据仓库能够处理一般数据。工作人员在处理历史数据和非结构性数据时，可以采用分布式文件系统。此外，电力行业中存在许多复杂的数据，合理利用大数据技术能够将其转换成方便分析和储存的数据。这样一来，可以为工作人员提供有效的参考数据，大大提高工作效率。同时，可以通过数据仓库进行管理，并逐步建立信息化管理系统，实现数据共享，充分发挥出电力数据的巨大作用，还能增加企业的核心竞争力。

2.2大数据可视化

可视化是指利用图形化手段直观地传达数据中关键的方面与特征,进而对较为复杂的数据进行深入分析,并且实现相关信息的有效传输。在数据可视化当中,主要是将数据作为单个的图元元素进行展示,将数据转变为数据图像,这样可以帮助相关人员从不同角度分析和观察数据,从而对数据开展深入分析和有效应用。可视化分析通过结合了可视化技术与数据分析技术,提高了可视化效果的同时也为大规模数据提供了解决方案。近些年来,大数据可视化的研究取得了非常大的进展,在许多领域有着重要的作用,比如报表类工作、BI分析工具、数据可视化平台。大数据时代下,可视化目前已经在多个行业中得到广泛应用,比如电力行业、社交网络等。而如何将数据有效展示给用户是一个非常重要的课题,这关系到能否将海量数据中的信息有效的传递给用户。可视化研究成为了当今的热点问题,学术界和工业界对其作了非常多的研究,在标签云、历史流图等领域都取得了重要的进展。

2.3数据解释

数据解释的重要方面之一就是用合适的方式展示数据。假如数据展示的方式不当,就无法达到让用户理解并进行正确决策的目的,乃至使其效果适得其反。仅仅在计算机上进行可视化显示的研究和开发的传统方式对数据的解释是有限的,如文本、图表等。为改善传统方法对数据解释的限制。较为科学的办法是利用图形、图像处理、计算机视觉以及用户界面,通过表达、建模以及对立体、表面、属性以及动画的显示,对数据加以可视化解释。为提供更加专业化与个性化的服务,在数据分析过程中需要与电力专业人士和用户进行深入的沟通交流,甚至让用户参与到数据分析的过程中来。为了得到更加合理的分析结果,数据的解释,已经超越了大数据本身的范畴,将涉及到众多学科的交叉,需要多个部门的协同共进。

2.4调控业务数据库构建技术

调控业务涉及到电力系统的上中下游内容,在电力大数据背景下,调控机器人的决策行为需要依靠数据库的关键技术,主要包括数据采集、数据分析、数据处理和数据存储等技术。通过对来自电网的厂站、受电端以及线路的数据进行分类整理,正确处理结构化和非结构化的数据,才能够对调控业务做出正确判断,准确把握电网运行态势,分析处理电网的运行状态以及紧急事故,将调控业务的处理实现自动化、智能化。依靠大数据技术,还能够减轻人工调度员的处理压力、减少人工调度员的处理错误,更好地保障电网调控安全进行。数据库构建技术还与其他相关技术相结合,如云计算技术、物联网技术等,在深化调控业务与其他业务融合的同时,应当重点关注电力调度数据库的构建,不断丰富调度指令库、调度指令语音库等。

3基于大数据的电网调度系统可靠性措施

3.1评估电力设备状态

为了确保电力系统稳定运转，一定要重点关注相关设备，使其能够正常运行。在实际工作中要考核评估电力设备的状态，根据结果了解设备的情况，从而及时发现并解决问题，提高各生产运营环节的稳定性。在电力行业发展中电力设备状态检修非常重要。目前，电力设备状态评估通常涉及评估方法、故障诊断专家系统、设备状态评价等。在开展设备状态评估工作时要合理应用时序挖掘、聚类算法、分类算法等大数据技术，通过深入分析设备的历史数据，找出不同状态参数间的关系，结合采集的设备运行数据，关联分析电力设备，从而做出准确的评价，为后续工作的开展提供指导作用。

3.2智能故障诊断

电网中发生故障时，维护检修人员需要尽快地获取故障类型、地点以及原因等信息，以便快速地处理故障。远程运维平台在主站侧对故障录波系统及子站信息等进行了数据融合，以智能巡检中的数据分析与台账统计系统中的设备信息为基础，根据电网运行中不同的故障类型建立相应的故障模型，用不同的故障数据进行训练进而形成丰富的电网故障数据案例库。在电网故障发生时，系统能根据实时的开关变位、采样数据及波形等进行分析判断，进而形成故障简报。简报中包含所发生的的故障类型、故障定位、故障数据及时间等信息，并对保护的动作行为进行判断。

3.3管理电力能源的应用

大数据技术在电力能源管理中的应用,不仅有利于高效的利用清洁能源,而且有利于能源消耗的有效控制。该措施对于实现电网工程项目现代化、科学化、智能化,维护电网正常、稳定、安全运行具有重要意义。以某大数据技术服务公司为例,将“大数据技术”应用于电力能源管理,为客户提供电力产品销售、计量校准业务、后期电力维护等服务。如采集与分析电力设备、电子测量行业、电力生产等环节的数据、考察新能源的应用等。

3.4特高压交直流一体化管理

特高压交直流混联电网具有接入电源类型多元、设备类型多样和地域覆盖广泛等特点,其输送容量大、潮流变动频繁、受扰行为复杂,因而需要分层分区进行控制,控制技术较为复杂,逐渐向在线预测、实时控制方向发展,将会产生海量的数据,包括动态数据和静态数据、运行数据和控制数据、结构化数据和非结构化数据。电力调度机器人通过对这类数据进行分析,得到异常情况并进行辅助决策。电力调度机器人可以运用大数据技术,结合现有的电网运行典型异常分析和处置专家库,再通过相关安全解析校核,实现电网典型异常告警根源定位、告警影响范围预警,并给出处置建议。

3.5稽查系统的设计与应用

在电力计量和检查工作中，工作人员可以通过对大数据的分析，对类似窃电的行为进行记录，锁定窃电对象的起止时间，为侦查提供证据。在计量分析报告的构成中，工作人员可以采用数据源，也就是客户档案数据和用电采集数据确定主题内容，利用客户档案数据缩小窃电用户范围，通过用电采集数据锁定嫌疑用户，检测用户是否存在窃电行为。之后将用户范围内的数据进行算法模拟，通过二阶聚类分析结果，利用采集数据构成决策树，在数据树中构建异常分析线路图，对异常检测的起止时间、功耗等进行取证分析，及时采取进一步措施，减小企业的电量损失。

结语

综上所述，大数据时代的来临是未来的必然趋势,这对于电力行业来说这既是挑战,也是机遇。在电力行业的进一步发展中,需要意识到大数据技术在电力系统的生产运营、设备检修、计量管理等诸多方面都发挥着重要作用，还需要加强这方面的管理工作，从而为企业发簪奠定基础。

参考文献

[1]陈海拔,顾全,董羊城,等.基于大数据的电网调度控制智能告警系统[J].电子设计工程,2019,27(11):91-95.

[2]冯磊,黄其兵.基于智能的配电网电力大数据三维场景可视化分析[J].自动化与仪器仪表,2020(1):189-192.

[3]王婷,卫少鹏,周彤.智能调度的研究现状及前沿[J].物流科技,2019,42(11):5-9.