基于綜合能源信息融合的大數據挖據分析與應用

邱桂華，吳樹鴻，何　炎（廣東電網有限責任公司佛山供電局，廣東　佛山　528000）

?

基于綜合能源信息融合的大數據挖據分析與應用

邱桂華，吳樹鴻，何炎（廣東電網有限責任公司佛山供電局，廣東佛山528000）

本文對新能源發電大數據中心平臺搭建架構、大數據中心與門戶的集成和分析應用的集成進行了闡述。在此設計基礎上和基于應用層面需求，對大數據中心平臺的典型數據--預測和典型實測數據進行了數據入庫、數據挖掘和數據分析，建立了新能源大數據挖掘分析的典型應用案例。

綜合能源信息；大數據中心；數據入庫；數據挖掘；數據分析

1　引言

本文基于已建設的信息數據大數據中心平臺，建立大數據庫，在大數據庫基礎上針對關鍵實測數據和預測數據，基于實際應用進行數據分析和數據挖掘，為發電公司、制造廠商的運營維護、設備檢修提供多種大數據服務和便利，提高了電力系統發電運維水平，提高發電設備質量、產品性能，提升發電行業服務質量，提高整體市場競爭力，為提高設備制造水平及鞏固和開拓新市場有著重要的意義。

2　平臺架構

大數據中心技術架構體現為后臺數據集成、存儲和展現技術架構，分為數據獲取層、存儲組織層、數據分析層、展現層。其中涉及數據采集技術、數據存儲技術、數據分析技術、數據備份與數據安全等多種關鍵技術。結構圖見圖1所示。

3　實測數據挖掘

3.1實測數據入庫

入庫的數據來源包括：①實際數據來源是由風場或者光伏電站實測數據定時回傳到云平臺ftp服務器；②數據來源由現場實施人員收資來的數據。

其中實測數據有，如新能源光伏電站同一斷面同一時刻的光伏組件、逆變器發電數據、氣象數據進行定時（如按分鐘存儲）存儲，存儲數據包括輻照度、環境溫度、組件溫度、風速、風向、I、U、P發電功率、發電效率、發電功率差值等。

3.2數據應用挖掘

圖1　大數據中心技術架構

利用光伏組串實測數據進行分析挖掘，為光伏組串的運營維護提供實際指導，包括損壞告警、浮塵清掃預警等。

發電功率差值計算公式：

式中：P分析串：待分析串的輸出功率值；P參照串：參照串的發電輸出功率值。

參照串選擇：與待分析串為同廠家、同型號、同一屋頂、安裝位置稍遠、投入發電運行的光伏組串。在未遮擋情況下：條件相似；遮擋情況下：與自己相比。采用優選串作為參照量，也可人工指定，手動選。參照串選多個，如挑5串，拿出前3名，做平均值。這5串調選可人為指定，可配置。

分析判據：

式中：Pset1：為整定值，用戶可設置，默認值為PN×10%數據時間窗為1d內發電功率有輸出的時間段內的點，如早8點～晚8點時間段。

發電離散報警判據：

式中：時間點數Nset1設置為3點，則離散點報警。發電異常報警判據：

式中：時間點數Nset1設置為60點/h×0.5h=30點，則發電異常報警。

運維報警判據：

損壞判據：第一天出現發電異常，第二天再出現發電異常事件，且功率＜Pnet2=Pn×10%，判該串損壞。

遮擋判據：第一天出現未發電異常，第二天出現發電異常，第三天未異常，判該串遮擋。

浮塵報警分析判據：

式中：Pset4為整定值，用戶可整定，默認值為PN×5～8%。浮塵報警。

表1　特征列表

通過分析判據及特征列表呈現規律，可實現對光伏組串的遮擋、浮塵、損壞等不同運行工況進行預警或告警，并通知運行維護人員對相應工況進行處理。

4　預測數據挖掘

4.1預測數據入庫

（1）氣象源抓取數據（三種氣象源）：抓取數據源到本地服務器，進行下載、轉換、預測、發送（文件上傳到60服務器）、生成當日電廠所需的氣象文件和功率文件。

（2）標準文件入庫（Hbase）：定時將文件下載到本地服務器后，進行文件解析，輸出，最后存入到Hbase庫中。

（3）抽取Hbase數據到oracle更新最新數據：設置調度當日定時抽取出次日的氣象源數據（1d=96個節點，每15min一個節點。），把最新數據篩選抽取后錄入到Oracle數據庫指定表中，可供智能預測平臺修模數據使用。

4.2智能算法應用

4.2.1設計智能修正模型

（1）啟動程序：寫入開始狀態，更新JAB_STATE；

（2）數據查詢：模型配置、實際功率、天氣預報、場站運行，Data_Select；寫入數據狀態，更新JAB_STATE；

（3）綜合表匯總及分析：ZHB_Analysis寫入數據分析狀態，Update_Status更新狀態；

（4）樣本篩選：Samples_Select寫入樣本分析狀態，更新JAB_STATE。

4.2.2Java調用Matlab總體流程

預測數據應用展示用Java頁面來展示，智能算法用Matlab實現，在智能算法應用時，Java須調用Matlab算法，Java調用Matlab總體流程見圖2所示。

4.2.3預測告警應用

（1）采用智能預測自適應的預測模型包進行預測，解決了傳統模式無法滿足使用需求問題，采用web程序與預測程序分離方式，將預測程序打成一個可運行的jar包，使用批處理腳本執行。

圖2　調用流程圖

（2）短信告警：即短信發送告警短信通知觸發器，每隔1min定時執行一次，持續時間為1d。

（3）郵件告警：郵件發送--丹麥：每天17：30執行，每隔12h執行一次，用來檢查當日氣象源文件未上傳到外商 （丹麥）提供的ftp文件服務器，有異常后便發送異常確實的數據郵件。

5　結論

通過本文設計的新能源發電大數據中心平臺架構，實現了新能源大數據信息平臺管理，提升了信息通信平臺的能力，對信息資源實現共享利用、動態調度，并基于此大數據平臺，提供基于業務的大數據挖掘分析服務，提高設備利用率，降低設備的管理和運營成本，為確保新能源發電系統安全穩定可靠運行提供有效高質服務。

［1］王 璨，馮勤超．基于價值評價的電力用戶分類研究［J］.價值工程，2009（5）：64～66．

［2］王 軼，達新宇．分布式并行數據挖掘計算框架及其算法研究［J］.微電子學與計算機，2006，23（9）：223～225．

［3］沐連順，崔立忠，安 寧．電力系統云計算中心的研究與實踐［J］.電網技術，2011，35（6）：171～175．

吳樹鴻（1977），男，廣東揭西人，工程師，工學學士，主要從事配電網運行工作。

何 炎（1986），女，廣西玉林人，工程師，碩士，主要從事配電網運行工作。

邱桂華（1987），男，江西贛州人，工程師，碩士，主要從事配電網運行工作。

TP311.1

A

2095-2066（2016）11-0240-02

本論文由南方電網有限責任公司“區域配電網綜合能源服務管控技術研究與應用”項目（GDKJ00000042）資助。

2016-3-8