基于大數據背景的電力調度數據智能估計技術研究

原野， 田園， 黃祖源， 保富， 閔侯

(1.云南電網有限責任公司信息中心，云南 昆明 650500； 2.云南云電同方科技有限公司，云南 昆明 650500)

0 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[1]。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[2]。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[3]。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[4]。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[5]。

1 錯誤數據檢測與辨識

目前對于錯誤數據進行檢測與辨識的主要是基于狀態估計策略實現。基于獨立存在的單一數據切面的狀態估計對于多個存在關聯關系的錯誤數據的辨識大概率會出現殘差污染和殘差淹沒，從而導致錯誤數據的誤檢和漏檢。基于電力調度大數據背景的數據挖掘技術，其狀態智能估計技術能夠實現對錯誤數據的快速自主定位，完全能夠達到當前電力調度所需的在線實時性要求[6]。

國內國際上對于從多種方向對電力系統大數據進行了深入的研究。電力系統大數據技術的研究重點主要涉及到如下幾個方面，即大數據的傳輸、大數據的存儲以及大數據的分布式計算技術等。為了解決傳統方式的錯誤數據檢測與辨識精度及效率較低的問題，借助于信息技術。本文的研究重點是基于電力調度大數據及轉移潮流策略的電力調度智能估計技術[7]。該技術以連續的切面數據為出發點，以此構建潮流轉移數學模型，對電力系統拓撲結構發生的變化與設備量測變化之間的關聯關系進行深入研究，分析的邊界條件主要包括轉移潮流條件、節點功率平衡條件和變電站狀態估計等；對多種類型的量測和錯誤數據的組合同時出現時，錯誤數據的精準定位進行深入分析；對適用于多切面歷史數據下基于數據挖掘技術的量測數據辨識模型進行搭建方法及錯誤數據的辨識策略的研究。

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[8]。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[9]。

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[10]。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。

(1)

T(t-1)定義為：

T(t-1)=YL[A(t-1)]TX(t-1)

(2)

式中：YL為電路的拓撲結構矩陣表達式;A(t-1)為t-1時刻電路的電流矩陣表達式;X(t-1)為t-1時刻電路的阻抗矩陣表達式。假定基態情況下電力網絡拓撲明確并且網絡拓撲正確，則T(t-1)是確定量。

(3)

T(t)定義為：

T(t)=YL(A(t))TX(t)

(4)

式中：A(t)為t時刻電路的電流矩陣表達式;X(t)為t時刻電路的阻抗矩陣表達式。

式(3)減去式(1)，可以得到：

(5)

3 電力調度智能估計原理

(1) 采用智能狀態估計技術對基態數據切面和當前時刻數據切面實現對轉移潮流分布情況的分析，首先對當前時刻數據切面質量不滿足要求的幾個區域進行準確的定位。

(2) 對進行準確定位的幾個區域依次進行母線功率平衡分析。

(3) 倘若對某區域的狀態進行分析，得出母線功率處于平衡狀態的結論后，則跳過該區域對下個區域進行母線功率平衡分析。如果得到母線處于不平衡狀態的信息，則進一步深入分析每個元件的功率平衡狀態，具體包括線路變壓器的功率平衡性分析、線路首尾段的功率平衡性分析、雙回線路的功率差異性分析以及主變壓器的有功功率平衡性分析等。

(4) 對變壓器的分接頭狀態進行檢查，確認具體的類型以及所配置的檔位是否正確。

(5) 假設全部設備均處于功率平衡狀態，區域內的多個數據遙測點均無異常，則對母線側斷路器的合閘狀態進行檢查。對并聯實現無功補償功能的電容器和電抗器的投切狀態進行檢查，并檢查相關隔離開關和斷路器的遙信位置變化情況。

4 實證分析

選取某地區的電力系統為例，研究基于電力大數據技術的狀態智能估計技術，區域電力系統的接線如圖1所示。

圖1 某地區電力系統拓撲簡圖

某時段內對該地區的電力系統實時狀態進行有效監控，發現該時段內的兩個時刻系統監測到電力系統出現異常情況，算法自主對異常狀態進行實時分析，得到結果如下。

1)時刻1電力系統異常狀態分析

時刻1時，A區域的系統狀態評估指標由100%(滿值)下降到89%，系統定位A區域的500 kV母線處于不平衡狀態，不平衡功率達到了384 MW。基于此對該母線線路變壓器的功率平衡狀態進行分析，發現A區域的2號主變壓器三組繞組不平衡功率達到了380 MW，由此將問題定位到錯誤量測。將此時刻高壓側有功功率值與歷史記錄數據進行比對，參考實時系統繞組曲線差值為380 MW左右，有效地對問題定位進行了驗證。A區域的歷史數據與當前切面數據對比結果如表1所示。

表1 A區域500 kV母線潮流分布情況對比

母線功率處于不平衡狀態，一般情況下是由于線路變壓器處于不平衡狀態引起的。對線路變壓器平衡狀態進行深入分析即可實現具體問題的有效定位。變壓器繞組功率平衡狀態分析如表2所示。

表2 變壓器繞組功率平衡

2) 時刻2電力系統異常狀態分析

時刻2時，B區域的系統狀態評估指標由100%(滿值)下降到72%，系統對母線線路變壓器進行功率平衡分析均沒有發現存在功率不平衡現象，表明此時的遙測數據不存在問題。此時對該區域的電力系統的拓撲結構進行分析，如圖2所示。

圖2 B區域電力系統拓撲結構

由該區域的電力系統拓撲分析可知，該區域1號機組在拓撲結構上是一個電力孤島。深入對多個斷路器的遙信變位情況進行分析，發現編號為801的斷路器遙信信號存在異常，出現遙信變位。問題時刻的切面801號斷路器遙信信號處于分斷狀態，導致1號機組及該區域的3A出線端計算潮流計算值為零，與實際的潮流分布情況存在巨大差異，從而定位出是斷路器的遙信信號存在變位現象。基于大數據的多個斷路器的遙信信號，如表3所示。

表3 B區域斷路器遙信信號

通過上述實例分析，基于大數據背景的電力調度數據智能估計技術能夠實時、高效、精準地定位電力系統運行過程中的遙信和遙測狀態跳變，為電力系統技術人員提供了便捷高效的解決方案。

5 結束語

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。