電力系統自動化運行狀態監控云平臺研究

魏勇軍+黎煉+張弛+朱海兵

摘 要： 對目前電力自動化設備監控系統的不足之處做了簡要分析，并以云計算技術架構為基礎，提出改進的電力系統自動化監控云平臺，以此來整合分散的二次業務系統資源。通過廣州地區實際工作情況的分析結果表明，該監控云平臺不但保證了電力自動化系統的安全性和穩定性，而且促進了智能電網自動化運維水平的不斷提高。

關鍵詞： 智能電網； 云計算； 電力自動化系統； 監控云平臺； 自動化運維

中圖分類號： TN915.853?34； TP393 文獻標識碼： A 文章編號： 1004?373X（2017）15?0153?06

Abstract： The deficiencies of the current monitoring system of the electric power automation device are analyzed briefly. On the basis of the architecture of the cloud computing technology， the improved automatic monitoring cloud platform of the electric power system is put forward to integrate the scattered resources of the secondary business system. The analysis results of the practical working condition in Guangzhou region show that the monitoring cloud platform can guarantee the security and stability of the electric power automation system， and improve the automatic operation and maintenance level of the smart grid.

Keywords： smart grid； cloud computing； electric power automation system； monitoring cloud platform； automatic operation and maintenance

0 引 言

隨著電力系統的發展，調度自動化系統的技術保障和服務支撐的作用日益顯著。電力系統市場化的發展，使得電力系統自動化程度不斷提高，智能設備在電力系統中的應用越來越多。在電力系統運行過程當中，智能應用設備縱向、橫向聯系緊密，相互制約，關系特別復雜。業務系統的增多給運維帶來了很大壓力，由于傳統監視系統自身的局限性，各監控系統告警信息及運行工況分散于多個監控終端上，無法集中查詢、監視；同時，由于缺乏對系統運行工況指標事前預防性檢查、報警的手段，專責定期檢查、巡視的任務十分繁重，質量不高；應用系統自身缺乏對關鍵數據跳變、不刷新、越限等異常完善的判別手段和策略，嚴重影響了電力自動化系統的運行效果和安全生產[1]。綜合監控系統為推動電網運行管理逐步向自動化、綜合化、集中化、智能化方向發展提供了有力的信息技術保障，因此具有廣闊的應用前景。

針對上述問題，國內許多學者進行了集中監控、管理的研究。除了強調對SCADA數據和通信狀態監測報警的報警研究[1?2]，還有系統重點研究AGC（Automatic Generation Control）單一功能的性能評估[3]，同時有的系統通過手機短信實現了集中告警[4]，以及基于CC2000系統進行告警信息發布[5]。文獻[6]為了提高電網可靠性，提出針對性強的評估方法，為監控平臺提供了理論支撐。隨著電力二次系統安全防護體系的建設，對安全設備的報警和工況信息進行集中評估和監控也成為研究的熱點[7?11]。上述系統針對特定的應用系統和需求開發，功能較為單一，在需要接入多個應用系統、監視需求復雜時難以適應，本文提出基于云計算技術的電力系統自動化運行狀態監控平臺，不僅在線監測狀態數據（時序數據和視頻），還包括設備基本信息、試驗數據、故障信息等，數據量極大，可靠性和實時性要求高。

1 電力系統監控云平臺設計目標

云計算架構主要分為平臺服務、軟件服務、架構服務三層。我國現有電力系統的運行特點在結構上以省級電網為一個獨立單位，通過聯絡線互聯使整個大電網協調運行，各省級電力調度中心擁有并維護所轄電網的詳細參數。電網的擴大和具有更快采集速率的采集裝置的出現，使得未來系統對在線動態分析和控制所要求的計算能力將大大超過當前的實際配置。如果只是增加計算處理資源，則投資成本過大，而且導致系統實時性大大降低。

為了解決上述問題，基于我國電力系統內部廣域網的完整性，可以利用現有的廣域網建立電力系統私有云，結合優化的控制算法，該私有云可以最大限度地整合現有的數據資源和處理器資源，為系統提供超級計算能力，并且云存儲和計算資源的訪問可以完全由電力系統私有控制，而不是由公有的云計算服務提供商控制，從而實現完全的物理隔離，保證數據的安全性。

針對日趨分散的二次系統、數據、資源，本文提出電力系統自動化監控云平臺，作為省級電網的綜合監控平臺，省級以下所有分散的電力二次系統基于該平臺進行統一調度，設計的電力系統監控云平臺滿足合理、高效、結構清晰的特點，同時具備可維護性、可擴展性、開放性、兼容性，能夠為不同的軟、硬件廠商提供良好的合作平臺。該調度平臺具體包括：

（1） 為分散的電力大數據提供統一的存儲平臺。利用分布式文件系統為省級以下二次系統產生的數據進行統一存儲管理，數據包括各二次系統的系統日志、系統服務狀態、系統資源、進程狀態、任務執行情況、系統產生的報警信息。

（2） 對采集的海量數據進行分類管理。對采集的不同類型的數據進行歸檔分類，建立專題應用庫，例如，對分散的二次系統產生的報警日志建立報警日志應用庫，后期方便利用機器學習工具對專題數據進行挖掘分析，提高數據的利用率。

（3） 建立數據分析工具庫。隨著電力二次系統規模的變大，其產生的電力數據呈指數級增長趨勢，為了能從海量的電力數據中挖掘出有用信息，基于電力系統自動化監控平臺建立數據分析工具庫，利用先進的機器學習工具[12]、數據挖掘工具[13]、人工智能[14]工具對不同的業務數據進行挖掘，為決策層提供決策支持。

（4） 該系統具有開放靈活的體系結構，能夠方便子系統及第三方數據接入。

（5） 電力系統自動化監控平臺應支持多種數據格式、日志格式，集成多種協議接口，減少其他系統接入時的工作量。

（6） 電力系統自動化監控平臺應用先進的可視化技術。該系統主要面向運行維護人員，因此為了突出實用性，該監控平臺應用科學先進的可視化技術為運維人員提供全面的技術支撐，以此提高電力系統運行的穩定性。

2 電力系統監控云平臺系統結構

電力系統監控云平臺采用分布式多層結構，將同類業務模塊化，提高系統的并行處理能力，具體的電力系統監控云平臺架構如圖1所示。

從圖1中可以看出，電力系統監控云平臺主要分三層架構：采集層、核心層、展示層。采集層的主要功能是接收安管平臺、網管平臺及自動化系統的相關數據，并將數據轉發給核心層相應的服務器進行處理。采集層主要由三個采集器構成，分別是：安管采集器，負責接收安管平臺的告警、性能、風險、漏洞和資源信息等相關數據；網管采集器，負責接收網管平臺的告警、性能和資源信息等相關數據；自動化系統采集器，負責接收自動化系統，如DF8003的告警、量測和基礎業務信息等相關數據。通過統一的信息庫對各類實時、歷史及分析型數據進行集中存儲。核心層的主要功能是分析、處理來自采集層的數據處理請求，該層主要包含如下幾點核心功能：核心庫，負責接收、分析各種數據請求，如告警的分析、處理、性能或量測數據的分析、處理，及系統的核心服務，如告警的短信通知服務、數據的定期備份及清理等功能；業務服務，負責處理來自用戶界面的各種請求，如告警處理操作、告警顯示過濾和告警通知策略等；業務數據加工處理，負責對自動化系統的量測數據進行二次加工處理以滿足運維管理需求；數據庫（持久層），利用HDFS，HBase存儲系統所有相關數據。展示層主要供用戶操作查詢使用，主要包括業務系統運行狀態監視、告警監視、性能監視、資源報表、歷史數據查詢、實時數據查詢等相關功能。系統的設計和建設滿足《南方電網電力二次系統安全防護技術規范》、《南方電網一體化電網運行智能系統安全防護基線規范》等相關安全防護的規定和要求，滿足安全分區、網絡專用、橫向隔離、縱向認證的安全防護要求。

系統數據總線遵循SOA架構體系，支持多種操作系統平臺，數據總線應具備高度可擴展的特性，支持WebService，JMS/CMS，HTTP/SOAP，Socket等協議；系統軟件按面向對象設計開發，遵循分層構件化及應用模塊化的設計原則。通過軟件支撐平臺實現應用在異構硬件平臺及不同操作系統上的分布式部署。

3 電力系統監控云平臺功能結構

3.1 電力系統監控云平臺安全監控系統

電力二次系統安全防護分區共有4個分區。安全區Ⅰ為實時控制區；安全區Ⅱ為非控制生產區；安全區Ⅲ為生產管理區；安全區Ⅳ為管理信息區。信息的管理在數據采集層進行統一維護，因此，為了保證部署在電力系統監控云平臺上各類監控系統的安全，該平臺安全監控系統重點對安全區Ⅰ/Ⅱ/Ⅲ進行管理，架構示意圖如圖2所示。其中安全Ⅱ區為生產大區數據匯總處理區，負責匯總Ⅰ，Ⅱ區業務系統以及直采廠站的運行數據，并保存入庫；安全Ⅲ區為綜合應用區，負責Ⅰ，Ⅱ，Ⅲ區運行數據匯總、綜合分析、展示以及與上下級運行管控系統縱向互聯。省級以上系統宜在各安全區獨立部署采集服務器；地級系統可根據實際情況，Ⅰ，Ⅱ區共用采集服務器。

安全Ⅰ/Ⅱ區監控界面的使用場景實時監視自動化系統及基礎設施的運行狀態，使用人員主要是監控人員。該界面的主要功能包括：

（1） 對自動化系統、基礎設施的運行狀態，包括告警信息、量測或性能信息、安全、風險、漏洞等數據進行監視及相應的處理。

（2） 管理自動化系統的部分資源信息，如服務器、網絡設備、安全設備等主站端的硬件設備，及業務系統、數據庫、中間件、風險、漏洞等軟件資源信息。

（3） 提供系統的基礎管理功能，如系統的基礎運行參數管理、權限管理、用戶管理和日志管理等基礎管理功能。

具體安全Ⅰ/Ⅱ區監控界面功能分布圖如圖3所示。

安全Ⅲ區管理界面的使用場景是查詢、分析自動化系統和基礎設施的運行狀態數據，以及日常運維管理功能，使用人員主要是領導及相關的管理人員。該界面的主要功能包括：匯總展示自動化系統及基礎設施的運行狀態；日常運維工作管理主要包括有工作日歷管理、排班管理、交接班管理及其他實用化功能等；能查詢及分析統計自動化專業相關的資源數據、告警數據和量測或性能數據并輸出至報表；能統計出過去某時間段內自動化系統和基礎設施的運行情況（可用率）并能形成運行報告；能自動生成日常自動化系統的巡檢報表。具體安全Ⅲ區監控界面功能分布圖如圖4所示。

3.2 電力系統監控平臺告警查詢系統

告警信息的查詢包括系統實時告警信息查詢及歷史告警信息查詢，告警信息至少包括：告警來源、告警類型、告警級別、告警內容、告警發生時間等內容[15]。

當前告警監視畫面以列表方式實時展示最新的告警信息，不同級別的告警用不同背景或字體加以區分，當有新來告警時，能以聲、光等形式提醒；畫面還提供按告警類型、告警級別、告警來源等方式進行過濾篩選，方便監控人員快速瀏覽，支持將當前告警信息導出至Excel。

一般的電力采集數據均存放于關系型數據庫，例如，MySQL，SqlServer，Orcal等，傳統的關系型數據庫在查詢100萬條以內的數據量有很好的查詢結果。隨著電力數據呈指數級增長，傳統數據庫表中的數據量迅速增長，導致數據庫查詢效率降低，此時對數據庫進行“水平分區”，但分區提高的查詢效率有限，并不能滿足告警信息實時查詢的業務需求，同時，水平分區增加了技術復雜度，增大了數據安全的風險。

電力系統監控云平臺為了滿足告警系統實時性的要求，在數據查詢時提出利用NoSQL數據庫作為底層數據庫管理系統。

HBase是使用最為廣泛的NoSQL數據庫，它是一個分布式的面向列的開源數據庫[16?18]，不同于一般的關系數據庫，它是一個適合于非結構化數據存儲的數據庫，隨著電力系統自動化的推廣，非結構數據也呈指數級增長趨勢。傳統數據庫是基于行查詢設計的，查詢時需要全表或全區掃描；HBase是基于列查詢設計的，查詢時只需掃描指定的列，大大縮短了查詢時間，對于億級數據查詢均能實現毫秒查詢。HBase表結構如表1所示。

HBase以表的形式存儲數據，表由行和列組成。列劃分為若干個列族（row family）。在HBase中，row key是用來檢索記錄的主鍵，Hbase表中的每個列都歸屬于某個列族，如表1中，column?family是HBase表中的一個列族，該列族下有兩個列，分別為column1和column2。同時，為了保證用戶多個版本的數據，HBase表中利用時間戳timestamp顯示區別用戶的數據版本。因此，在HBase中某一條數據需利用四維約束進行確定：

{row key，column?family，column，timestamp}

利用HBase查詢時，數據庫查詢引擎可以根據以上四維約束過濾掉大部分的數據，同時由于HBase可以根據閾值實現動態分區，極大地提高了查詢效率。

電力二次系統告警信息至少包括：告警來源、告警類型、告警級別、告警內容、告警發生時間、告警結束時間等內容。利用HBase表管理告警信息，建立表warning，考慮到告警信息查詢一般根據日期分類，因此將日期data作為HBase表row key，warning_information作為column?family，具體告警信息作為column；timestamp在數據寫入時由系統自動賦值，此時時間戳為當前系統時間。具體表的字段如下：

row key： data

column?family： warning_information

column：

{

warning_source //告警來源

warning_type //告警類型

warning_level //告警級別

warning_content //告警內容

warning_begintime //告警發生時間

warning_endtime //告警結束時間

}

電力二次系統告警信息HBase表結構如表2所示。

創建表語句如下：

create ′warning′， ′data′， ′warning_information′

在系統應用過程中利用表2能實現毫秒級查詢告警信息。

目前該框架已經在南方電網廣州地區監控云平臺調試中，將SCADA/EMS，TSA，IDP，OMS等系統自動收集的風險數據，周期性地進行風險指標的評估與定級，并初步實現離線預警控制功能。由于該地區易發雷雨、風暴等自然災害，盡管水力蘊藏豐富，但是季節性水位變化明顯，且發電資源相對匱乏，電力均需其他地區供應。結合上述特點，建立南方電網廣州地區多維度的電網安全風險管控體系，如圖5所示。在目標維度上，建立輸電線路停運率與自然環境相關的時變停運模型，并構建以風險評估、預警控制、應急管理為核心的全面風險管理框架；在時間維度上，動態跟蹤災害預報、電廠存煤、水庫來水、網絡拓撲變更、負荷異常波動等不確定因素對電網安全運行的影響，實現日前（3 d內）、小時前（1 h）、分鐘前（15 min）等不斷向前滾動修正的電網安全風險管控體系。

實際監控結果表明，在進行系統風險預測時，廣州地區電網靜態安全風險指標明顯偏大，主要包括線路過載風險、母線電壓越限風險等，風險預警模塊及時發布了橙色風險預警，對應的可視化模塊顯示最大的風險源為同時進行多個檢修現場，次大的風險源為多個設備存在異常情況。此時，離線預警控制模塊結合具體風險因素制定了初步的預控策略，減輕了電網自動化調度的壓力。在珠江電廠出現主變壓器停電時，容易引起其他線路和斷面潮流越限等。對于該高風險的檢修方式，常采取的措施是加大其他電廠的機組出力，并控制其他斷面潮流，調控前后全網靜態安全風險指標的變化情況，如表3所示。

表3中，和分別表示風險前后風險值和風險指標的設定上限。可以知道，采取的預控措施大大降低了線路過載風險和母線電壓越限風險，對應的風險指標分別降低至原來風險值的75.8%和82.5%，清楚地表明該控制措施對電網減緩風險具有重要意義。此外，該監控系統表明恒運電廠和黃埔電廠等存在多個設備異常情況，且持續時間超過20 d，導致系統設備故障概率增加，系統提示調度員應持續對這些高危設備進行關注，有利于督促生產部門采取相關措施對異常設備進行消缺處理，減小電力系統設備故障率，提高電力系統自動化調度效能。

4 結 語

本文針對目前電力系統自動化監控系統分散導致的數據、資源分散，提出電力系統自動化運行狀態監控云平臺，對分散的電力二次系統資源進行整合，將其產生的電力數據、日志、告警信息利用電力系統自動化運行狀態監控云平臺進行統一管理，該系統利用多層分布式架構，采用HBase數據庫管理告警信息，實現告警信息毫秒級查詢。將采集的模型數據和運行狀態數據利用數據分析模塊進行處理，最后將分析結果及時推送至監視模塊，從而全面監視電力自動化系統的運行狀態，減輕電力自動化系統運行維護人員的工作壓力。今后應在系統報警規則定義、關聯分析方面展開深入研究。

參考文獻

[1] 陳超，張順仕，尚守衛，等.大數據背景下電力行業數據應用研究[J].現代電子技術，2013，36（24）：8?11.

[2] 陳磊，黃在朝.基于物聯網的輸電線路狀態監測技術在智能電網中的應用研究[J].現代電子技術，2012，35（21）：7?9.

[3] 蔡瓊，丁帥.軟件服務化背景下的云服務可信評估研究[J].計算機應用研究，2015，32（4）：967?971.

[4] 姚諸香，何群，郭玉金.利用電信手機短信實現自動化系統綜合監控[J].電網技術，2003（6）：71?72.

[5] 楊寧，馬煜.東北網調自動化綜合監控系統的建設[J].東北電力技術，2005（1）：49?52.

[6] 周海平，蔡紹洪.含能量耗散和容量擴充的電網級聯故障模型[J].計算機應用研究，2011，28（4）：1396?1399.

[7] 劉健，林濤，趙江河，等.面向供電可靠性的配電自動化系統規劃研究[J].電力系統保護與控制，2014（11）：52?60.

[8] 秦紅霞，譚志海，葛亮，等.智能配電網自愈控制系統技術研究與設計[J].電力系統保護與控制，2014（22）：134?139.

[9] CELEITA D， RAMOS G， PENAFIEL N， et al. Implementation of an educational real?time platform for relaying automation on smart grids [J]. Electric power systems research， 2016， 130（1）： 156?166.

[10] ZIOGOU C， IPSAKIS D， ELMASIDES C， et al. Automation infrastructure and operation control strategy in a stand?alone power system based on renewable energy sources [J]. Journal of power sources， 2011， 196（22）： 9488?9499.

[11] NI Zhen， TANG Yufei， SUI Xianchao， et al. An adaptive neuro?control approach for multi?machine power systems [J]. Electrical power and energy systems and energy systems， 2016， 75： 108?116.

[12] 陳善學，楊政，朱江，等.一種基于累加PSO?SVW的網絡安全態勢預測模型[J].計算機應用研究，2015，32（6）：1778?1781.

[13] 牛詠梅.基于粗糙集的海量數據挖掘算法研究[J].現代電子技術，2016，39（7）：115?119.

[14] 單冬紅，郭靜博，趙偉艇.Hadoop集群作業調度算法優化技術研究[J].現代電子技術，2016，39（6）：25?29.

[15] 王德文，孫志偉.電力用戶側大數據分析與并行負荷預測[J].中國電機工程學報，2015（3）：527?537.

[16] 劉應波，王鋒，季凱帆，等.基于NoSQL的FITS文件頭元數據存儲和查詢研究[J].計算機應用研究，2015，32（2）：461?465.

[17] 王林彬，黎建輝，沈志宏.基于NoSQL的RBF數據存儲與查詢技術綜述[J].計算機應用研究，2015，32（2）：1281?1286.

[18] 孟祥萍，周來，王暉，等.HBase在智能電網異構數據同步中的應用[J].電力系統保護與控制，2015（24）：122?128.