研究電網運行仿真大數據的知識管理和安全預警

黃藝　丁德藍　趙闊

摘 要：電是人們生活和生產中不可或缺的一種能源。隨著經濟的快速發展，人們對電力資源的需求量日益增大，這也對電網運行提出了更高的要求。重點分析了電網運行仿真大數據的知識管理和安全預警的內容，以期為相關工作人員提供必要的幫助。

關鍵詞：電網運行；安全預警；知識管理；仿真大數據

中圖分類號：TM732 文獻標識碼：A DOI：10.15913/j.cnki.kjycx.2016.16.057

在電力系統運行的過程中涉及到了許多數據，它們不只來自實際測量，而且多是通過仿真計算獲得的。例如，在分析電力系統的安全性和穩定性的過程中，在實測情況下，電網是能夠安全、穩定運行的，只有少數電網無法安全、穩定運行。為了獲得足夠多的數據用于分析電網，工作人員需要通過相關實驗判斷電網的運行情況。實驗結果顯示，電網運行成本太高，因此，需要采用仿真的方法分析電網的運行情況，確保電網能夠安全運行。

1 電網知識庫的生成

在電網運行的過程中，會應用到許多知識。其中，知識庫的生產對保證電網運行的安全性有非常重要的作用。知識庫的生成過程如下。

1.1 知識生成

以在線電網的運行狀態為基礎，有針對性地分析在線電網運行的安全性和穩定性，同時，還要明確需要重點對待的關鍵斷面。運用蒙特卡羅法獲得仿真電網運行下的大數據，計算仿真電網關鍵斷面獲得的極限傳輸量，并利用大數挖掘方法獲取計算關鍵斷面容量的準確規則。精細規則和電網關鍵斷面都是電網運行過程中的主要關鍵知識，在電網運行的過程中，可以此為基礎構建安全知識庫。

1.2 知識分層

經過分析發現，不同的電網在具體運行過程中選取的在線運行方式會有所差異，并且所呈現出的關鍵斷面也不同。因此，在分析上，可以將知識分為n個知識層面，每個層面都表示一個拓撲斷面。因為電網的運行方式不同，所以，關鍵面會消失或出現。在具體分析過程中，將關鍵面是否出現作為主要標簽。對于電網運行方式的學習、分類，應當利用支持向量機分層存儲電網安全運行知識。在分析電網運行時，可以合理應用存儲的知識。

1.3 知識類聚

在不同電網的運行方式下，斷面極限傳輸量的計算應當采取不同的形式完成。在對電網進行具體分析過程中，依據電網在運行過程中所選取的方式的差異，每個層面都會被細分成不同的類別，形成不同的規劃準則，完成對關鍵斷面下不同電網安全運行知識的極限存儲，最終實現安全知識的存儲。

2 電網安全運行知識管理

2.1 知識分層模型

電網運行的方式有很多，在電網運行的過程中，斷面的消失與出現會經過一段時間的積累，從大量的電網運行狀態資料中分析相關問題。對于電網運行過程中的某個斷面h，當部分電網處于運行狀態時，在具體的調度過程中，需要高度關注關鍵斷面的情況。由此可見，在分析電網的過程中，需要將大量的電網運行數據作為判斷依據，將是否出現關鍵斷面作為標簽，以此建立判別模型。在分析電網的過程中，通過模型能夠準確分析電網運行時各個斷面是否需要被關注。

電力系統是人工系統的一種，它呈非線性，而在電網運行的過程中，存在的大量數據中都具有較高的非線性。在分析問題的過程中，單純地利用線性分類模型是無法滿足在對精準度的要求的。因此，需要將其與非線性支持向量機有機結合在一起，構成知識分層模型。支持向量機之間是相互獨立的，在匹配和訓練的過程中，可以依據實際情況分布到不同的計算節點上，最終完成分析工作。

2.2 安全知識聚類

在獲取電網運行過程中的關鍵斷面后，在不同的電網運行模型下，斷面極限傳輸容量計算應當采取不同的精細化規則，以確保結果的合理性和科學性。因此，將大量仿真電網運行狀態下的數據作為分析基礎，使同一層面下的知識能夠聚集成不同的類別，從而構成不同類型的斷面規則。

利用聚類分析完成對知識聚類模型的分析。所謂“聚類分析”，就是將數據類型劃分為多個不同的類，同一類自檢對象的相似度比較高，而不同類之間的對象有較大的區別。下面，采取聚層次聚類算法完成對電網運行狀態的聚類，具體步驟如下：①將不同的電網運行作為一類。②將距離靠近的類合并。③類別數達到終止條件后結束處理。在處理過程中，在選擇終止條件時，應當繪制距離與類別數曲線。在具體分析的過程中，應當尋找曲線中的“拐點”處，確保分析結果的合理性。

3 電網運行超前預警

在對電網運行超前預警分析的過程中，為了確保分析結果的準確性，知識發現與知識匹配周期如圖1所示。

在線自動發現方法作為發現電網安全運行的方法之一，通過圖1不難發現，其生成周期T2的時間比較短，通常時間在0.25～1 h之間，匹配時間相對比較多，多以秒為記時單位。由此可見，知識發現周期T2遠遠大于知識匹配周期T1。

電網安全運行知識具有時效性，隨著時間的推移，應用的知識的精準度將會不斷降低，因此，需要通過相關分析確定知識發現或知識匹配的運行狀態知識。但是，由于T2遠遠大于T1，知識匹配方法的時效性則更強。總體來說，知識發現方法不如知識匹配方法優秀。所以，針對電網復雜的運行方式，在短時間內，電網運行會發生劇烈的變化，這一優勢會變得更加明顯。

因此，在電網運行過程中，歷史數據和運行數據要進行“分層-分類”匹配。在處理方面，要從知識庫中選擇最適合電網安全運行的方法，從而準確、快速地完成對電網的預警處理，確保電網運行的安全性和可靠性。

4 結束語

隨著電子信息技術的快速發展，在電力系統運行管理的過程中融入了互聯網技術。經過分析不難發現，在電網運行過程中，知識管理方法速度快、準確性高，并且具有較強的可解釋性，安全預警可以完成對電網運行過程中存在的問題的預警。因此，應當從知識管理和安全預警方面入手，以確保電力系統運行的安全性和高效性。

參考文獻

[1]黃彥浩，于之虹，謝昶，等.電力大數據技術與電力系統仿真計算結合問題研究[J].中國電機工程學報，2015（01）：13-22.

[2]劉道偉，張東霞，孫華東，等.時空大數據環境下的大電網穩定態勢量化評估與自適應防控體系構建[J].中國電機工程學報，2015（02）：268-276.

[3]文云峰，崔建磊，張金江，等.面向調度運行的電網安全風險管理控制系統（一）概念及架構與功能設計[J].電力系統自動化，2013（09）：66-73.

〔編輯：白潔〕