大數據平臺配電網智能化運維管控平臺的設計和應用分析

李穎杰　鄭筠　楊光

摘 要：我國是用電大國，在配電管理方面有著豐富的經驗，目前已經有多家能源電力公司對配電自動信息化建設進行了非常深入的研究，其中比較成功的公司有：山東魯能、浙江華云和江西泰豪這幾家。這些公司目前已經開發出了相關的運維管控平臺，但是這些平臺設計時都沒有針對用電大數據進行分析利用。以大數據分析為基礎，設計一種基于大數據分析平臺的智能化運維管控平臺。從大數據分析技術對電力行業的影響開始，詳細闡述了基于大數據平臺的運維管控系統架構，然后依據本架構對整個平臺進行了整體的設計。

關鍵詞： 大數據; 智能電網; 用電質量監測

中圖分類號： TP 311

文獻標志碼： A

Abstract： China is a big power consumer country， and has rich experience in distribution management. At present， there are several energy power companies that have conducted an in-depth study on the construction of distribution automation information， among which the relatively successful companies are Shandong Luneng， Zhejiang Huayun and Jiangxi Taihao， etc. At present， these companies have developed relevant operation and maintenance management and control platforms， but these platforms are not designed for the analysis and utilization of big data. This paper designs an intelligent operation and control platform based on big data analysis platform. Starting from the impact of big data analysis technology on the power industry， this paper elaborates the operation and control system architecture based on the big data platform， and then designs the whole platform according to this architecture.

Key words： big data; smart grid; power quality monitoring

0 引言

目前我國各行各業都在進行深入的自動化和信息化改革，我國的電力行業包括國家電網和南方電網也都在配電過程管控的自動化和信息化做了詳細研究。在我國很多省份也都自建了配電運維管理平臺，這些平臺基本實現了對設備運行狀態的監管，和對維護故障的業務流程的管理。同時有部分電力公司，像山東魯能、浙江華云和江西泰豪也分別推出了自己公司研發的管理平臺系統，也都實現了信息化的運維管控。但是這些平臺設計時都沒有針對用電大數據進行分析利用[1]。本文以大數據分析為基礎，設計一種基于大數據分析平臺的智能化運維管控平臺。

1 大數據對電力行業的價值

1.1 重塑電力核心價值

電力行業的核心價值一直都是“以電力生產為中心”[2]。在這種核心價值觀的指導下，企業往往只知“埋頭苦干”，忽略了市場反饋。使得用電單位很難有效地和電力行業來進行溝通。造成了電力行業成為沒有“互動”的行業。而大數據分析正是大量采集終端用戶的數據來進行分析，通過數據挖掘分析出市場的真實需求。進而帶動企業自身的改革發展，這種正反饋能更好地驅動電力企業的發展。最終改變電力生產為中心，逐步演化成以用戶為中心。最終形成雙贏的局面。使得電力行業能夠更好地服務社會[3]，如圖1所示。

1.2 轉變電力發展方式

1.2.1 優化管控模式

一般來說，基于大數據的分析能夠有效幫助電力行業來優化現有的管理模式。首先，大數據分析能夠使電力企業快速發展智能管控，比如，在電力設施的終端安設響應的傳感器，對設備的運行狀態進行實時監控，并通過海量的數據分析記錄，一旦某一處設備運行狀態數據發現波動，管理平臺就可以根據以往的數據記錄分析出該設備有可能出現的故障并且給出相對應的處置方式，這種“態勢感知”功能能夠提前發現問題，并將設備故障消除在“搖籃狀態”[4]。從以往的被動運維向主動運維轉化。不僅如此，大數據平臺還可以將電力公司內部的生產、銷售、管理等信息串聯起來，在整個電力的發電、變電、傳輸、調度、用電環節進行數據共享，利用智能算法來控制電力的生產、調度、配送。大大提高了企業生產和運營效率。在丹麥，VESTAS公司就準備統計地球氣候數據，并且將其和自己公司的風力發電機數據融合。根據不同地區的溫度、氣壓、空氣的濕度、風向、風速結合自己公司的歷史數據，用超級計算機利用數學模型來輔助公司進行風力發電機的選址。這種方式有效降低了考察成本，并且提高了對自然資源的利用率。該公司還計劃在未來繼續擴容自己的大數據信息采集種類，將森林開發圖像，潮汐數據等加入進來，方便公司更清晰的進行選址等方案的決策[5-7]。

1.1.2 豐富社會效益

電力大數據的應用不僅僅對電力企業起到幫助作用，這些數據的分析和利用還可以更升入的服務于社會。最明顯的一面，電力大數據就能夠為用戶顯示出詳細的用電圖表。比如可以把每一位用戶展示分時用電做成可視化圖表展示出來，使得用戶深入了解自己用電習慣，同時這樣還能夠是用電數據更透明，讓收費更有依據。同時這些用戶的用電習慣也能夠幫助電力企業對電力調度進行精準調配，在用電高峰到來之前能夠有充分的準備。在另外一個不明顯的一方面，用電數據可以正確反映出一個區域內經濟活躍程度。當前越來越多的經濟活動都離不開電力的供應。那么將這些電力大數據整合成一個區域“電力地圖”就能夠一目了然的反映出該區域的經濟活動活躍度。這一數據可以被地區決策者和投資決策者作為發展和投資的參考資料。美國的加州大學就通過大數據分析，將人口、電力用戶的用電信息、地理等數據進行了整合[8]。制作了一個區域的“電力地圖”。這一地圖能夠實時顯示一個街區的用電信息，并且還關聯了這一街區的人口、人均收入、建筑信息等數據。這些數據都可以作為城市規劃的重要參考[9]。

2 運維管控功能設計

2.1 設備狀態管控

依據電網的實時運轉信息，監控設備的運轉狀態，提前發現系統的隱患[10-11]。對配電工作進行輔助，提高配電設備運行效率。

（1） 缺陷設備管控，依據PMS2.0設備缺陷信息，對配網設備數據進行多角度統計，對設備缺陷進行分析以及缺陷的預警功能。

（2） 根據配電網絡的拓撲，設備運行數據以及業務數據的搜集，達到對各個層級的配電網絡故障跳閘情況、缺相情況、跳閘率等影響正常供電的情況進行詳細的記錄，最終對這些情況實現按照不同原因的多角度分析。幫助找到這些情況的發生原因。最終提高配電效率，降低跳閘率。

（3） 設備的負載狀態管控，這一數據是基于設備的信息記錄和測量數據，對配電網絡各個層級的負載情況進行詳細的記錄，包括負載中的重載、輕載、空載、負載率這些信息，幫助分析出負載端的各種異常狀況的原因，輔助電力企業對配電設備的分配和維護，最終減少設備過載不良情況，提高運維效率。

（4） 設備的實時狀態管控，依據設備的信息記錄，實時工作狀態以及故障記錄，分析該設備的運行狀況以及故障預警，幫助電力單位對設備狀態有一個準確掌握，提高安全系數。

2.2 運維管理管控

通過對配電網網絡的運維檢測，搶修工作，節點監控，業務分析等過程的數據搜集，對運維檢修工時、成本投入、最終成果等數據的分析。配合配電網絡的運行狀況和異常情況記錄，最終形成主動檢修管理[12]。

（1） 停電搶修數據分析，數據以配電網絡搶修數據，生產過程中投訴數據、設備發生故障跳閘數據為參考數據，采用可視化處理加大數據分析，實現對搶修工作的管控和分析。使電力行業企業能夠對及時掌握電網搶修情況，輔助管理層對搶修工作的部署。

（2） 電網檢修分析，數據以電網檢修工作、設備故障信息等數據作為參考，實現針對電網檢修的各個角度數據分析，深度挖掘電網檢修工作中的檢修問題，幫助管理層進行檢修人選安排的部署，提高工作效率[13]。

（3） 帶電作業數據分析，數據以電網帶電作業數據為參考，實現對電網帶電工作的多角度數據分析，挖掘工作中存在的人員和設備問題，提高帶電作業工作效率[14]。

2.3 運檢指標管控

該指標管控主要是針對監管層面，實現了對設備、工程、作業質量等指標的分析。經過數據分析后，提供了上述指標的合格參考數據，分析各校指標走勢，輔助管理層找到薄弱點，根據指標的波動情況實現預警[15]。對供電過程進行監管。

（1） 配網規模指標，該指標通過可視化處理，將線路聯絡率、供電半徑等數據進行可視化分析，及時記錄電網規模指標波動，如果發生超標情況及時預警。幫助管理人員找出短板，對系統進行改進。

（2） 配網運行指標，該指標通過可視化處理，將配電設備的消缺率，故障跳閘率，供電電壓合格率，過載率，低壓率等數據進行可視化分析，及時記錄電網運行的指標波動，如果發生超標情況及時預警。幫助管理人員找出短板，對系統進行改進。

（3） 配網檢修指標，該指標通過可視化處理，將配電網檢修的完成率，平均維修時長等數據進行可視化分析，及時記錄電網檢修指標波動，如果發生超標情況及時預警。幫助管理人員找出短板，對系統進行改進。

（4） 搶修服務指標，該指標通過可視化處理，將配電網中停電報送及時率、派單及時率、到達現場及時率、搶修時長、派單錯誤率等數據進行可視化分析，及時記錄電網搶修服務指標波動，如果發生超標情況及時預警。幫助管理人員找出短板，對系統進行改進。

2.4 相關技術支持利

基于大數據技術實現數據的檢測和分析，其對象是電網的生產、輸送、調度、用電信息采集。維修過程中產生的數據，使用數據挖掘、并行計算與決策樹等技術相結合。最終實現了對電網業務的管控。其中應用到的技術有以下幾點：

（1） 存儲管理：本次設計采用了HADOOP架構的分布式存儲，同時服務器提供大量的數據讀寫操作。

（2） 數據計算：應用了成熟的引擎組成了電網數據支撐服務，為后續的數據分析提供了前期準備條件。

（3） 數據挖掘：主要是應用了相關分析，回歸分析和決策樹數據挖掘技術對搜集到的數據進行分析和建模。給后續的數據多維度分析提供保障。

3 基于大數據的電能質量實時監測系統設計

3.1 系統概述

大數據電能質量實時監測系統由監測終端、通信系統、上位機、軟件部分構成。

（1） 監測終端通過處理分析實時采集電網各節點電流電壓數據，實現系統故障定位。并將數據通過通信系統傳輸至上位機做進一步處理數據。

（2） 通信系統主要完成監測系統和上位機之間數據及信息的傳輸。

（3） 上位機通過分析監測系統數據傳輸數據，實現每個節點電能質量實時監測。系統出現短路時，上位機通過分析節點電壓降幅信息，實現故障定位。此外上位機有良好的人機交互界面，實現人機交互。

（4） 軟件部分主要實現各個系統數據傳輸、分析、定位、警報功能的技術支持。

3.2 硬件設計

大數據電能質量實時監測系統硬件由監測終端硬件及上位機硬件等組成。監測終端主要配置采集分析各監測節點電流電壓數據，是該系統硬件重要組成部分。監測終端主要包括互感器、信號調理電路、數據采集卡、工控機等部件。互感器采集信號經信號調理電路降噪、降幅、線性修正處理后，數據采集卡（內插式PXI）將數據轉換成可處理信號，工控機做最后的數據處理，完成檢測及故障定位功能。此外，上位機人機交互平臺顯示器顯示監測數據，實現打印報告等功能。該系統監測終端原理圖，如圖2所示。

3.3 軟件設計

電能質量監測與故障

定位系統主要由數據采集及數據處理兩部分組成。系統整體軟件設計，如圖3所示。

4 總結

本文通過闡述大數據影響電力行業變革，進而設計構建了相應的大數據配電網智能化運維管控平臺。該平臺實現了運行管控、問題分析、過程監督、績效評估整個流程的閉環管理，形成了一套狀態、管理、指標管控的運檢業務管控模式。最后基于大數據配電網智能化運維管控平臺總體設計了電能質量實時管理系統。

參考文獻

[1] 陳樹勇，宋書芳，李蘭欣，等.智能電網技術綜述[J].電網技術，2009，33（8）：1-7.

[2] 羅紅.WAMS廣域通信業務的有效性建模與分析[J].電力系統自動化，2016，27（18）：44-48.

[3] 杜貴和，王正風.智能電網調度一體化設計與研究[J].電力系統保護與控制，2010，38（15）：127-131.

[4] 陳實，許勇，王正風，等.電網實時動態監測技術與研究[M].北京：中國電力出版社，2015.

[5] 戴東陽.電網實時動態監測技術研究[D].保定：華北電力大學，2014.

[6] 韓松，何利銓，邱國躍.WAMS研究、建設與應用的新進展[J].電測與儀表，2011，48（4）：1-8.

[7] 郭昕.電網實時動態監測系統構成[J].電網技術，20016，27（9）：47-50.

[8] 唐維平.智能變電站同步相量測量裝置設計與實現[D].北京：北京交通大學，2011.

[9] 王正風.無功功率與電力系統運行[M].北京：中國電力出版社，2015.

[10] 王正風，黃太貴，吳迪，等.廣域測量技術在電力系統中的應用[J].華東電力，2017，35（5）：32-36.

[11] Uluski R W. The Role of Advanced Distribution Automation in the Smart Grid[C]. IEEE Power and Energy Society General Meeting， 25-29， July， 2014：1-5.

[12] M H Bollen， J Zhong， F Zavoda， et al. Power Quality Aspects of Smart Grids[C]. International Conference on Renewable Energies and Power Quality （ICREPQ10）， Granada Spain， March， 2015：1-6.

[13] F Beidou， W G Morsi， C Diduch， et al. Smart Grid： Challenges， Research Directions and Possible Solutions[C]. 2nd IEEE International Symposium on Power Electronics For Distributed Generation Systems， HeFei， China，June， 2017：670-673.

[14] C W Potter， A Archambault， K Westrick. Building a Smarter Smart Grid through Better Renewable Energy Information[C]. IEEE/PES Power Systems Conference and Exposition， 2009. PSCE09， Seattle， USA，2016：1627-1632.

[15] 劉天琪.現代電力系統分析理論與方法[M].北京：中國電力出版社，2017.

（收稿日期： 2019.08.26）