電力大數據可視化系統開發關鍵技術研究及趨勢

鐘準昆

摘 要：在大數據的時代背景下，電力大數據及其系統面臨前所未有的機遇和挑戰。為使電力大數據能夠更好的滿足資產管理、生產營銷等系統的需求，文章介紹了電力大數據的概念和特征，詳細的闡述并分析了可視化系統開發關鍵技術以及其應用，展望了可視化技術的發展趨勢。

關鍵詞：電力大數據；可視化；可視化系統；關鍵技術；技術研究；趨勢

中圖分類號：TM743 文獻標識碼：A 文章編號：1006-8937（2016）30-0062-02

1 引 言

智能電網技術高度融合了傳統的電力技術和信息、控制、自動化等技術，通過對發送、輸送、配置、使用以及調試、營銷等很多環節收集大量的數據信息，對信息進行分析、挖掘，最終能夠掌握并控制各個環節決策并優化，實現電力企業生產效率的提高、電網運行達到較高的穩定性、滿足電力客戶的用電需求。

智能電網都在不斷進步、規模也逐漸擴大，多種智能電表、信息系統以及傳感器等異構分布式數據源連續的產生大量數據信息，所以被稱作是電力大數據。

電力大數據可以說是電網職能的主要支撐體系，所以在眾多工作內容中，對數據的采集、傳輸、存儲、處理、挖掘是工作的重點內容。

2 電力大數據概念以及特征

電力大數據主要是指智能電網在發電、配電、輸電、營銷以及管理等環節的海量數據。

按照電網企業的主營業務將數據大致可分為電網運行和設備監測數據、電力企業銷售數據、及電力企業管理數據三類。

隨著智能化設備的廣泛應用，大數據的來源包括安裝于家家戶戶的智能電表、數以萬計的發電機、變壓器、開關設備、架空線路、高壓電纜等設備中獲取的高速增長的監測數據，光伏和風電功率預測所需的大量的歷史運行數據、氣象監測數據等。

電力大數據是建設性能穩定、安全可靠、高效運作、節能電網的重要保障。

為了能夠分析電力大數據，使得智能電網的管理水平得到提高，需要建立更加科學的數據智能系統。

電力大數據有很多特征，比如體量大、多類型、速度快等：

①體量大：電力大數據所收集的數據規模可以達到PB數量級別。

②類型多：不僅可以得到傳統的結構化數據，而且還可以在營銷系統、生產管理等方面產生大量的非結構以及半結構數據。

③速度快：電力大數據無論采集還是處理都有著極快的特點。

此外電力大數據可以通過和其他行業的行業數據進行交換實現數據深度挖掘與分析。

3 基于電力大數據的可視化以及在電力系統中的 應用

電力系統工作人員為了能夠使得系統運行穩定、高效、經濟，就必須對每個環節的設備和工作狀態進行隨時的監測。但是，電網內大量設備都互聯，監測設備的連接方式、設備之間的相互影響是一項艱巨的任務，電力系統運行狀態可視化系統可以在其生成的圖像中展示大量信息，方便操作人員準確快速理解，實時監控所有設備狀態，并完成可靠操作，電力系統運行狀態可視化操作系統可以為工作人員的工作帶來很大的便利，是一種高效的方案。

智能電網中數據量最大的應屬于電網運行和設備監測數據。電網運行和設備狀態監測數據主要包括電網運行關鍵指標、電網潮流、試驗數據、設備狀態遙信、缺陷記錄、供電場所視頻監測數據等。提取系統的主參數及配網終端數據，能夠構建一個全景的電網絡信息拓撲圖像，并在圖中采取可視化技術手段將相關豐富信息的集中展示。

在此全景的電網拓撲圖中能夠實現如下幾類問題的在線分析：重要設備健康狀況的在線監測與分析，專線用戶的用電行為特征分析與預測；對電能質量進行在線評價與分析等。

到目前為止，電力系統可視化研究主要包括三個方面，分別是靜態數據的可視化研究、動態數據可視化研究、電力系統元件。

運行狀態可視化技術實現的關鍵是各參數指標的關聯規則，以及各狀態量的關聯度及其權重。目前，各種適用于大數據分析的深度關聯規則有：基于粒計算的關聯規則挖掘算法、基于壓縮矩陣的Apriori算法、基于云計算平臺Hadoop的快速關聯規則增量更新算法（C-FUP）等。

4 可視化系統開發的步驟

在開發這個系統的時候使用面向對象機制，定義不同的模塊和插件達到各種功能實現的目的。可以分為七個步驟：

①對資源標識符的格式以及業務系統的對象相關描述進行確定；

②所涉及的圖形里面的業務對象列表進行確定；

③定義SGL開發圖模，當然也包含了圖模所設計的支持狀態組以及狀態值等內容；

④業務信息設置插件的開發；

⑤在圖形里面讀取所有圖件相關的業務信息，并將從業務服務所獲得的數據設置到對應的圖件插件中以及業務對象所關聯的控制功能插件里面；

⑥系統的運行與檢測；

⑦自定義人機界面風格。

5 電力大數據可視化系統的關鍵技術

可視化系統在完成SGL的模塊設計后，可以協同其他模塊及可視化關鍵技術實現各種展示。下面主要詳述電力大數據可視化系統開發的關鍵技術，主要包含云計算技術、區域點密度可視化技術、等高繪制技術、電網潮流和GIS可視化技術、歷史流展示技術等。

5.1 云計算技術

隨著云計算技術的不斷深化發展，云計算的數據存儲、分析、處理等方面的技術和理論研究為大數據技術的發展奠定了堅實的基礎。因為大數據的數據量和分布式的特點，傳統的數據管理技術難以勝任。

云計算的核心思路是分布式文件系統（distributed file system，DFS）和MapReduce技術，DFS有著高容錯性的特點，并且是為部署在價格低廉的硬件上而設計的，而且它為應用程序提供高吞吐量的數據訪問，適合那些有著超大數據集（large data set）的程序。以分布式文件處理技術為基礎，去掉了關系型數據庫的關系型特性，數據存儲被簡化且更加靈活，使PB、ZB級的數據存儲成為可能。

另外，該框架中還包含商業智能應用、傳統的數據倉庫、大數據訪問框架、大數據調度框架、網絡層、操作系統、服務器、備份和恢復、數據管理等模塊。

MapReduce是用來進行并行處理和生成大數據集的并行編程模型。Hadoop包含了MapReduce的開源實現，是引起關注的大數據處理技術之一。Mahout是基于MapReduce的并行數據挖掘項目，對傳統數據挖掘算法，性能大幅提升。

5.2 區域密度可視化技術

區域密度可視化技術是把每一個區域用點密度來展示，這種方法的優勢就是很直觀，目前常用于表示區域用電負荷密度。

點密度圖要求必須生成一定的隨機點，如果隨機點在對應的區域里面輸出這個點，如果不在區域中，還需要再一次生成隨機點然后再進行判斷，持續進行此步驟一直到滿足點數要求。在實現區域負荷密度可視化的時候，實際情況的地理邊界線可以粗略的認為是多個點相互連接而成的不規則的多邊形，所以才通過判斷點在多邊形內還是外的算法實現這一過程。

算法流程：

①首先需要讀取所給的多邊形的區域邊界條件；

②查找這個多變性里面定點的最大、最小坐標數值，以期得到粗略的范圍；

③生產這個粗略范圍的隨機點；

④判斷點在區域內部還是外部；

⑤如果在內部，那么就繼續繪制；

⑥如果在區域外部那么就要再次生成就重復（3）然后繼續操作，否則就退出結束。

5.3 等高線繪制方法

等高線是地面上高程相同的各相鄰點所連接成的封閉曲線垂直投影到平面上的圖形.構造節點運行的等高線不僅能反映節點的運行的當前狀態，還能對節點運行的將來狀態做出預測.等高繪制方法在可視化應用中比較普遍，特點就是有著很強的數據連續性。等高線圖例，如圖1所示。

繪制過程如下：

①首先需要構造三角網格；

②內插數據等值點；

③搜索并追蹤等值點；

④曲線擬合，填充色塊兒。

5.4 電網潮流和GIS可視化技術

利用箭頭方向、箭頭大小表示線路潮流方向和大小，在原有的電網單線圖，依據潮流大小用箭頭和數值直觀反映線路上的功率值。利用GIS可視化把電網的可視化和地理信息系統結合起來，基于已有的GIS系統三維地理信息系統的可視化研究，運用包圍盒算法、求交算法等三維場景拾取算法，包含物體三維展示、虛擬現實等技術提供一個可視化的三維地理信息系統，為輸配電網管理者提供一個縮微化模型，從而為輸配電網的管理、基建、維修、擴建和決策等提供地理信息。

5.5 歷史流展示技術

歷史流展示技術體現在對電網歷史數據的管理與展示上。在電力系統中，深層次的應用分析往往以歷史數據為基礎。對生產現場的實時監測數據、電網的規劃數據和負荷預測數據，通過歷史流展示技術，可以繪制出數據的發展趨勢并預測出未來的數據走勢；通過歷史流回放展示技術，可以模擬歷史重大事件發生、演變，挖掘歷史事件潛在的知識與規律。

6 電力行業可視化智能系統未來趨勢分析

電力行業可視化是基于大數據分析挖掘理念和可視化展現技術手段，未來“智能系統”將繼續在線檢測、視頻監控、應急指揮、智能查詢等展示模式功能上持續擴展完善，同時可視化展示電網及相關設施總體運行情況，突出顯示異常信息；實現智能電網場景、設備的三維虛擬仿真等；實現電網運行仿真功能，為互動體驗、方式預想及事件重演提供支持。

6.1 應急指揮模式

基于WebGis，快速調用調度各子系統實時、歷史數據，以大數據挖掘分析為手段，實現電力應急狀態下從現場狀況捕獲、應急處置方案形成到快速響應、現場時效處置、資源的協助和調動一體化的應急指揮可視化平臺，納入VAS的數據通過本模式任意切換。

6.2 運行監控模式

不但對運行各設備運行參數以及終端用電量參數等經過系統ETL模塊進行處理的數據進行檢測，結合高分GIS，以多種圖表、多維度、多方式的展示出來，而且對非電網而影響到電網運行的實時信息進行監測，包括氣象信息、衛星云圖、雷電檢測等功能，并提供系統告警、影響范圍和程度分析及輔助應急處理功能，支持系統分級分類梳理展示。

6.3 快速仿真和建模

有針對性的開發和應用快速仿真模型，市場售電數據、法律法規、風險分析和控制都應被納入系統模型并量化系統的安全性和可靠性，提供快于實時的超前仿真，該功能首先利用高性能量測和通信系統得到拓撲、潮流、電壓、頻率、設備實時模型等信息，然后據此進行狀態估計和在線分析，最后確定當前系統及設備運行狀態的安全性、穩定性、可靠性。

6.4 自定義模式

自定義模式滿足各類綜合疊加性或各類非標準場景模式下的展示需求，根據實際要求，自定義數據源、顯示方式、顯示位置等內容，采用拖拽操作，簡單易用，同時支持應急指揮的快速響應與故障隱患的排除處理。

7 結 語

基于電力大數據的可視化技術近年來雖然不斷取得新的成果，但是將數據繪制成高精度、高分辨率圖片的業務模型、智能算法和交互式圖形處理工具開發的研究還有很長的路要走，與此同時許多應用不能夠得到全方位的支持。所以在以后的研究中更應該致力于數據圖形展示、挖掘等綜合應用，實現數據多樣、精細、全面發展。

參考文獻：

[1] 王棟.大數據可視化技術在電網企業的應用[J].江蘇電機工程，2014，06：

82-84.

[2] 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.

[3] 宮宇，呂金壯.大數據挖掘分析在電力設備狀態評估中的應用[J].南方 電網技術，2014，06：74-77.

[4] 王強，李俊杰，陳小軍，等.大數據分析平臺建設與應用綜述[J].集成技

術，2016，02：2-18.

[5] 宋亞奇，周國亮，朱永利.智能電網大數據處理現狀與挑戰[J].電網技術，

2013，37（4）：927-935.

[6] 中國電機工程學會.中國電力大數據發展白皮書[R].2013.

[7] 胡牧，李勇，孔震，等.數據拓撲挖掘方法及其在電網數據處理分析中的 應用[J].電力系統自動化.2013，37（3）：83-86.