云計算技術在電力調度中的應用

林晨鷺

（福建永福電力設計股份有限公司，福建 福州 350108）

0 引言

隨著電力系統的不斷發展建設，電力數據的來源、規模及種類不斷擴充，調控基礎數據、電網運行數據、一二次設備的監控數據/狀態數據/工況數據、新能源資源數據、自然環境的變化數據等共同構成了電力調控大數據[1]。但目前這些數據獨立存在于上述的各類系統，維護獨立、共享困難，缺少數據的集中管理、綜合分析。

因此，為進一步提升電力調度生產管理水平，有必要整合各專業、各應用系統的數據資源，實現數據資源的協同共享；同時運用云計算的分布式存儲及并行計算技術，對整合的海量數據進行開發及挖掘，并在此基礎上進行新型電力調度應用的研究。

1 基于調控大數據的電力調控云平臺

1.1 平臺總體架構

如圖1所示，參考云計算的典型結構進行電力調控云平臺的分層設計，自下而上劃分為云基礎設施層（IaaS）、云中間管理層（PaaS）及云應用服務層（SaaS）[2]。

（1）云基礎設施層：通過配置集群節點、磁盤陣列、交換機等硬件設備，搭建調控云平臺的底層架構，為調控云平臺中間管理層、應用服務層提供數據存儲及計算和數據傳輸網絡等各類資源。

（2）云中間管理層：基于基礎設施層的硬件及資源基礎，建設實時數據平臺、運行數據平臺、模型數據平臺等。

（3）云應用服務層：利用基礎設施層及中間管理層的數據資源、應用服務，基于調控需求建設應用功能。

電力調控云平臺融合各業務系統的調控數據，包含生產控制數據、管理數據等，基于安全防護的角度考慮，將電力調控云平臺部署于安全Ⅲ區。

1.2 數據采集與同步

1.2.1 實時數據采集

電力調控云平臺實時數據的采集與同步依托于云中間管理層的云實時數據平臺，通過源端EMS（現有電力調度控制系統）前置的在線采集，實現全網實時數據的采集、處理及存儲。云實時數據平臺的功能主要包括數據的采集及處理，為上層應用提供數據服務等[3]。主要如下：

（1）數據采集功能采用消息轉發方式，從源端EMS前置獲取實時數據，進行消息打包；通過調度數據網或綜合數據網調度VPN傳輸至安全Ⅱ區，然后以TCP流方式跨正向隔離裝置，傳輸到安全Ⅲ區云實時數據平臺。

（2）數據處理功能提供數據質量處理、模擬量處理、狀態量處理、計算服務等功能，具備分布式、分調控機構、分區域處理功能。

（3）量測模型管理主要為數據采集提供變化的量測模型，即時采集傳輸變化的數據，通過量測模型管理，實現實時數據云平臺免維護。

1.2.2 模型數據同步

模型數據同步通過云中間管理層的模型數據平臺，實現全網物理模型的源端同步、拼接、存儲、按需發布及共享。按照《電力調度通用數據對象結構化設計》，模型數據主要包含公共數據模型、電力一次設備模型、自動化設備模型、保護設備模型[4]。模型數據平臺同步匯總與管理全網各電壓等級廠站（500 kV、220 kV、110 kV、35 kV）的設備模型和拓撲關系，具體如下：

在全網各地區電力調度控制系統數據同步服務器部署模型同步服務，接收模型的同步事件。

（1）各地區通過總線發送模型更新信息，通過數據傳輸平臺發送導出的全量及增量模型文件到模型同步節點，同時發布模型更新消息。

（2）云平臺返回模型同步結果和校驗報告給地區，若校驗失敗則通知地區整改，校驗成功則將校驗后的模型發布到拼接服務器。

（3）云平臺全網模型拼接程序根據邊界表和廠站、設備名稱匹配，獲取廠站、設備以及電壓等級ID的對應關系，對邊界上的相關設備ID以及熱點鏈接進行替換。拼接完成后，將拼接后的模型通過廣域傳輸發布至云平臺安全Ⅲ區數據同步服務器，并對原有關系庫進行更新，并導出新模型推送云端，通知應用新模型導出成功。

全網圖形數據同步方式與模型數據同步基本一致，其圖形拼接基于模型拼接流程，拼接完成后與模型數據存儲于不同的數據庫。

1.2.3 運行數據采集

基于模型數據平臺所提供的電網全模型，運行數據平臺將EMS、OMS、TMR等各業務系統的電網運行數據進行抽取、匯集、存儲及分析，主要包括量測、電量、告警、事件、計劃、預測、環境等七大類運行數據及相關文檔資料，以支撐調控云平臺的數據分析及挖掘等應用。具體如下：

（1）量測數據：從實時數據平臺的實時數據庫中抽取，若抽取失敗，則從關系數據庫中補召歷史量測數據。

（2）電量數據：由OMS系統中的OMS調度報表、關系數據庫中的量測歷史數據、TMR系統的采集數據中抽取電網、發電廠等容器或設備的電量數據，建立源端系統和模型數據平臺通用數據對象標準結構之間表、字段屬性的轉換關系[5]。

（3）告警數據：直接從關系數據庫中抽取歷史告警數據，若抽取失敗則發起數據補召。

（4）事件數據：從OMS系統數據庫中抽取月度停電計劃、停電事件、設備故障等事件數據，并對需要進行調控云ID映射轉換的數據進行關聯轉換。

（5）計劃數據：從電力調度控制系統安全Ⅱ區的發電計劃模塊中抽取日前、日內計劃等，將計劃數據打包為CIME文件后通過小郵件方式發送至安全Ⅲ區的小郵件服務器，并進行CIME文件解析及ID映射轉換。

（6）預測數據：從電力調度控制系統安全Ⅱ區的負荷預測模塊中抽取短期、超短期預測等，將預測數據打包為CIME文件后通過小郵件方式發送至安全Ⅲ區的小郵件服務器，并進行CIME文件解析及ID映射轉換。

（7）環境數據：環境數據從外部業務系統的數據庫中抽取，并進行ID映射轉換后保存。

1.3 調控大數據整合及存儲

針對上述平臺采集與同步的各類數據，如調控中心/變電站的基礎數據、電網穩態/動態/暫態運行數據、電網調度/變電設備的監控數據、變電設備的健康狀態數據、電氣設備運行工況數據、新能源（水、風、光）資源數據、火電煙氣排放數據、自然環境（氣象、雷電）變化數據等，電力調控云平臺采用傳統關系數據庫與分布式數據庫混合使用的存儲架構實現整合與存儲。

1.3.1 分布式存儲

分布式數據存儲的硬件架構區別于傳統的集中式存儲架構。分布式存儲的硬件采用虛擬化服務器集群，將數據分布存儲于多臺存儲集群服務器內。集群內的服務器提供數據塊交叉冗余存儲，實現數據的高可靠性、可用性，并實現數據的高速存取。

1.3.2 調控大數據整合

利用非結構化數據與結構化數據的相互轉化支撐大數據的實時獲取，主要利用流數據總線、數據轉換器、Hive數據庫。

（1）流數據總線實現對海量流數據的匯集與處理，支持對流數據采集與加工后分發至各數據訂閱端。流數據總線為調控云平臺的系統日志等流數據的監聽與采集提供技術支撐。

（2）數據轉換器實現對不同結構數據進行相互轉換，如MySQL和關系數據庫之間的轉換。由于調控大數據融合了不同業務系統的數據，源數據在不同的系統中采用不同的數據結構進行存儲，匯集后需要統一數據結構。

（3）Hive數據庫支持對大數據的查詢功能，可建立結構化的數據表與非結構化的數據文件之間的映射，實現在Hadoop非結構化存儲中存儲結構化數據。

2 電力調控云平臺應用探索

2.1 調控大數據分析指標體系[6]

利用傳統數據挖掘方式并進行補充和延伸，通過梳理統計現有的指標體系，基于融合的海量數據建立適用于融合數據的指標分析體系。

2.1.1 梳理統計現有指標

應用數據倉庫的主題域、主題的數據處理概念，對各業務系統（EMS、OMS、PMS等）的運行、管理相關各類指標進行整理，并結合各個科室、各個專業的實際考核指標，匯總形成跨各系統、各專業的綜合指標，并進一步形成指標樹。

2.1.2 建立全新的指標評價體系

對各個運行管理指標的數據來源及統計周期、指標的計算原則進行分析，按照時間、電壓等級等各個維度建立綜合各專業、各系統的指標評價體系。

2.2 檢修全流程管控

目前，電網檢修全流程需經過多個業務系統，如智能防誤操作票系統、PMS系統、OMS系統等，業務人員在進行全流程操作時需跳轉各個系統；且各業務系統之間的數據等未進行融合，如操作票、檢修工作單、調度指令票等未相互關聯，無法對檢修全流程進行閉環管理。本文基于電力調控云平臺融合各業務系統的海量數據，探索檢修全流程閉環管控應用的建設。

2.2.1 數據接入及管理

（1）與EMS系統的數據對接：由EMS系統接入調度指令票，解析操作任務、操作設備及操作指令信息等，建立EMS系統設備ID與云平臺設備ID的映射轉換，并進行調度指令票存儲。

（2）與智能防誤操作票系統的數據對接：由智能防誤操作票系統接入順控操作票及監控操作票，解析操作任務、設備初末狀態、操作設備信息等，完成智能操作票系統設備ID與云平臺設備ID的映射轉換，并進行順控操作票及監控操作票存儲。

（3）與OMS系統的數據對接：由OMS系統接入檢修申請單及檢修申請流程信息，完成OMS系統設備ID與云平臺設備ID的映射轉換，建立檢修申請單與調度指令票的相互關聯并存儲相關數據。

（4）與PMS系統的數據對接：由PMS系統接入倒閘操作票及檢修工作單，數據接入采用CIME文件或服務調用方式，完成PMS系統設備ID與云平臺設備ID的映射轉換，并進行倒閘操作票及檢修工作單數據存儲。

2.2.2 全流程閉環管控

基于接入的檢修全流程相關表單及信息，分析各表單及流程間的相互約束關系，建立電網操作及檢修全流程管控模型。可劃分為以下兩個流程管控模型。

（1）電網操作流程管控模型：梳理電網操作從寫調度指令票到監控操作回令等各關鍵環節的操作流程及流程業務數據，建立電網操作流程管控模型。

（2）檢修業務流程管控模型：梳理從檢修申請開工到檢修工作終結等各個關鍵環節的檢修流程及業務數據，建立檢修業務流程管控模型。

在上述兩個管控模型的基礎上，分析電網操作及檢修全業務流程狀態，實現關鍵流程閉鎖。

2.3 檢修計劃智能編排及校核

電網檢修計劃的編排及執行對于電網的安全穩定運行極其重要，本文基于電力調控云平臺對檢修計劃的智能輔助編排及校核應用進行建設探索。

2.3.1 多時態電網模型

為支撐中長期檢修計劃的智能編排，需要首先構建多時態的電網模型。根據電網規劃對未來數月或一年的電網規劃模型進行建模，并按照時間將模型劃分為實時在投模型、近期準備投運模型、遠期規劃模型和歷史退運模型。

上述各時態電網模型的時間屬性將隨著電網的建設、設備投運、參數的更新等即時發生滾動變化，圖2展示了這一變化過程，遠期規劃模型逐步轉變為近期準備投運模型，近期準備投運模型變成實時在投模型，同時新的規劃模型也逐步完成建模。檢修計劃的編制可基于多時態的電網模型獲取未來時間斷面的全網模型或特定范圍的定制模型。

2.3.2 檢修計劃編排與分析

（1）檢修計劃輔助編排。基于多時態電網模型的建立，可通過對年度檢修計劃的分析，自動生成月度檢修計劃及日前檢修計劃等，一方面可節約檢修計劃編排的時間，另一方面可規避檢修計劃調整和設備臨時停電帶來的風險。

（2）檢修計劃校核。根據調度的檢修計劃校核規則制訂檢修計劃的校核策略，如工期約束、不可同停約束、重復停電約束、保供電時期不可停電約束等。在檢修計劃編排后可根據以上規則進行編排校核。

（3）安全計算校核。如圖3所示，安全計算校核的設計思路如下：多時態電網模型與日前/中長期檢修計劃進行數據整合后，進行安全校核計算。安全校核計算主要包括潮流計算、靜態安全分析，計算后將安全校核計算結果返回至檢修計劃輔助編排。

1）基態潮流計算：根據給定的電網結構、參數和發電機、負荷等元件的運行條件，確定未來電網基態交流潮流分布，包括發電機有功/無功出力、線路功率、變壓器負載、母線電壓等。

2）靜態安全分析：判斷在出現預想事故后系統是否會發生過負荷或電壓越限。安全校核應具備N-1故障分析功能，對電網全部主設備（包括線路、主變、母線、機組）包括故障集進行N-1開斷掃描，判斷故障后系統是否滿足短時過負荷能力。線路、變壓器、發電機、直流線的掃描按設備斷開進行；開關N-1可選擇掃描開關檢修、出串的3/2接線、母聯（分段）開關斷開等開關跳開會引起特殊拓撲變化的情況，母線N-1僅掃描母線檢修單母運行的情況。

3 結語

隨著電力系統的不斷發展，調控數據的多樣性、復雜性不斷提升，本文基于融合大數據提出了電力調控云平臺的建設思路以及基于云計算技術的海量融合調控大數據的存儲及整合方案，并對電力調控云平臺的應用功能進行了建設探索。