電力調度大數據應用平臺系統技術研究

黃丹

摘 要：目前傳統的智能電網調度控制系統中，不同業務系統之間分散地開發、運行和管理，系統數據存儲結構獨立，帶來數據多源、格式不一致，數據準確性、實時性不強，數據質量不高，缺乏統一的數據規范等問題，影響分析挖掘數據的效率，并且各業務系統的數據無法實時訪問、共享和管理。業務部門獨立對各自數據的質量、需求和應用等問題進行管理及解決，缺少統一數據管理途徑和明晰的協調機制，統計分析需求不能及時、按需獲得數據支持。數據抽取主要依靠技術服務人員進行，無法準確、清晰地把握數據總體情況，效率低下，不能獲得電網全景實時數據，不能滿足調控分中心對電網運行數據統計分析的要求，無法快速得到能夠指導電網穩定運行的決策性信息，實現對電網進行智能的管理和實時的調度。

關鍵詞：大數據;電力調度;數據清洗;數據存儲;大數據平臺

引言

隨著當前電力行業的飛速發展，社會各項經濟活動對于智能化電網提出了越來越高的要求。電力系統的數據處理能力較先前有了顯著的提高，不但數據采樣精度得到了提高，且數據的采集量也有了顯著提高。這些數據對于電力調度實時狀態的預估，以及電網運行的安全性、可靠性與穩定性起到了至關重要的作用。因此，數據的質量顯得十分的重要。由于外部干擾及其他多方面的因素影響，電力系統狀態數據在傳輸過程中無法避免會出現錯誤，這對智能電網進行實時的電力調度狀態預估以及安全穩定運行造成不利的影響。因此需要根據電力系統的實時狀態對電力系統的狀態數據進行有效的檢測與辨識。

1可靠性評價方法

針對復雜電力系統的多指標體系，需要根據指標的重要程度進行賦權，從而對電力系統調度進行評價。在綜合評價的方法中，主要包括主觀賦權和客觀賦權兩種方法。主觀賦權主要依靠經驗決策，分別有專家法、層次法以及評價法，這類評價方法主觀性成分占了多數，更多依賴于專家等人員的工作經驗，因此其評價結果不夠客觀。客觀賦權主要是采用數理統計的方法，將各參數數值化，通過目標優化、概率算法等，得到不同指標參數的差異性和有效信息量，進而確定不同指標的權重，但這種方法又不能綜合考慮指標的應用價值。為了衡量電力調度系統的穩定性，需要綜合考慮其歷史數據，結合大數據技術，對電網調度系統的各項數據進行深入挖掘，獲得電網調度的各項信息，根據數據挖掘結果對系統可靠性進行評估。熵權法來源于信息論，無論理論基礎還是應用前景，都有不錯的參考價值，可被應用于電力調度系統的穩定性評價。熵權并不代表該指標的重要程度，而是對評價指標的變異程度進行區分，只有對整個系統進行綜合，才能有效反映各參數的價值意義。將傳統熵權法進行改進，結合兩種賦權方法的優勢，利用客觀熵權法進行計算，在計算結果中引入主觀賦權法，考慮指標參數的主觀價值。改進熵權法的計算過程如下。

2電力調度大數據應用平臺系統技術研究

2.1數據類型

電力數據的類型可分為兩種，一種是結構化數據，另一種是非結構化數據。結構化數據主要在源端業務系統存儲，數據存儲分為存量數據抽取和增量數據復制，存量數據抽取可以采用達夢ETL、數據復制及數據文件方式從源端業務系統接入。增量數據復制可以通過開發增量捕獲工具，識別源表的增量標識，定期抽取最新時間標識的數據，并將增量數據接入到數據存儲計算組件中。非結構化數據主要是存儲在源端業務系統里的文件、圖像、影音等文件，數據接入分成存量數據抽取以及增量數據復制，存量數據抽取把原系統中的歷史數據通過遷移工具全部復制進數據存儲計算組件內，增量數據復制通過開發集成接口將上傳的文件實時推送到數據存儲計算組件中。

2.2轉移潮流策略

電力系統的大數據大致可以分為以下三種類型：首先是電力系統運行的狀態數據以及各種測量設備檢測到的數據;其次是電力企業的營銷數據，如工業電價、民用電價、商業電價、售電量和用電客戶信息等;最后是電力企業的內部管理數據。SCADA系統是智能化電網的重要組成部分，SCADA數據是電力系統運行和設備檢測的關鍵指標，它的數據質量對電力系統的實時數據運算和電力系統運行狀態的監控起著十分重要的作用。因此采用電力調度智能估計技術對于SCADA數據進行實時在線分析具有很重要的意義。SCADA數據會依據特定的規律實時刷新，時間軸上相鄰的兩個時刻的切面數據的差值能夠有效反映出這個時間段之內電力系統網絡狀態發生變化的信息，即能夠反映出注入功率的變化情況和電力系統網絡拓撲結構發生重構所引發的支路轉移潮流分布，這些信息中也包含了錯誤量測信息。這就對前一時刻電力系統狀態估計結果的精確性提出了更高的要求，即在進行前一時刻電力系統狀態估計的時候，電力系統拓撲結構的錯誤和其他數據的錯誤已經能夠被正確地辨識出來，在實際運用過程中，經過專業技術人員維護過的狀態估計基本上能夠滿足要求。能夠基本上反映電力系統實際運行狀態的狀態估計被稱為基態，其與當前時刻切面數據進行比較就能夠得出轉移潮流的分布情況。

2.3存量和增量數據的同步協同

跨集群數據同步：基于插件的設計方法，可支持不同集群間的數據同步。全量同步：分為表全量同步和庫全量同步，表全量同步每次讀取表中全量數據并寫入，庫全量同步策略是把庫中所有表進行數據同步。增量同步：分為新增、覆蓋和更新3種策略，新增策略主要通過在目的端新建分區或者追寫數據實現，覆蓋和更新策略在同步配置時選擇唯一鍵，根據唯一鍵對比同步中的數據和目的端數據，結合增量策略來判斷數據是覆蓋還是更新。

2.4數據整合

對接入的多源數據進行有效整合，以實現數據模型統一，保證數據有效性、可用性和準確性，然后經過抽取、轉換和裝載，合并到一個企業級的數據倉庫里，從而得到企業數據的一個全局視圖，在此基礎上利用合適的查詢和分析工具、數據挖掘工具等對其進行分析和處理，最后將分析結果呈獻給用戶，為用戶的決策過程提供數據支持。實現統一數據模型，平臺接入多源信息后，將采用滿足D5000標準的電力數據模型，對異構數據進行重新統一建模，實現平臺數據模型的統一，根本上解決組織數據分散重復、口徑不一致、共享困難造成的信息孤島等問題，從而真正意義上實現了統一數據標準，提升平臺支撐能力，同時支持用戶利用公式定義模型，根據實際業務需求自定義模型。

結語

基于大數據背景及潮流轉移策略的電力調度數據智能估計技術，能夠有效實現對電力系統SCADA數據的實時錯誤辨識，從根本上解決了先前手工核驗量測數據處理數據量大、處理效率低和人力成本高的問題，為電力技術人員提供了簡單實用的工具。經實例驗證，該策略能夠實現對電網遙信、遙測狀態跳變的有效辨識和精準定位，便于電力技術人員發現解決實時問題，大大提高了SCADA的錯誤數據量測檢查能力。

參考文獻

[1]申建建，曹瑞，蘇承國，等.水火風光多源發電調度系統大數據平臺架構及關鍵技＼術[J].中國電機工程學報，2019，12（14）：23-28.

[2]李端超，王松，黃太貴，等.基于大數據平臺的電網線損與竊電預警分析關鍵技術[J].電力系統保護與控制，2018，11（2）：13-17.

[3]葉康，冷喜武，肖飛，等.基于大數據標簽技術的電網監控智能分析方法[J].電測與儀表，2018，13（11）：18-22.

[4]鄭茂然，余江，陳宏山，等.基于大數據的輸電線路故障預警模型設計[J].南方電網技術，2017，18（4）：11-16.

[5]馬云龍，梅崢，郭子明，等.電力調度系統廣域分布式代理關鍵技術[J].電力系統及其自動化學報，2018，11（9）：12-17.