基于圖數(shù)據(jù)庫的配電網(wǎng)供電范圍分析應用研究

張志浩 孫保華 韓 韜 張玉林 杜紅衛(wèi)

（1.南瑞集團有限公司（國網(wǎng)電力科學研究院有限公司），江蘇 南京 210000；2.國電南瑞科技股份有限公司，江蘇 南京 210000）

0 引言

目前，主流、成熟的電網(wǎng)拓撲分析功能程序是基于關系型數(shù)據(jù)庫的結(jié)構(gòu)化數(shù)據(jù)以及基于內(nèi)存的關系型、層次型或?qū)ο笮偷膶崟r數(shù)據(jù)模型開發(fā)的。隨著配電網(wǎng)智能化的發(fā)展以及低壓用戶側(cè)電網(wǎng)拓撲模型的深入研究，配電網(wǎng)的顆粒度越來越細，設備模型的數(shù)量呈爆炸式增長。原先基于關系型數(shù)據(jù)庫或服務器內(nèi)存的拓撲分析程序在電網(wǎng)模型數(shù)據(jù)量擴大以及電網(wǎng)信息化、智能化推進的過程中，性能已無法滿足大規(guī)模的實時數(shù)據(jù)處理需求。為滿足電力企業(yè)在電力數(shù)據(jù)實時分析高效性、復雜的層次拓撲分析方面的需求，需要尋求新的數(shù)據(jù)模型存儲方式[1]。過去幾年，非關系型數(shù)據(jù)存儲模式的NoSQL數(shù)據(jù)庫在電網(wǎng)信息化應用中越來越被重視，其非關系型數(shù)據(jù)存儲模式可以避免使用SQL的JOIN操作，具有良好水平擴展性特征[2]。其中圖數(shù)據(jù)庫作為近十年來興起的NoSQL數(shù)據(jù)庫，其獨特的節(jié)點和關系數(shù)據(jù)格式與電網(wǎng)拓撲有著天然的結(jié)構(gòu)適應性，它的路徑檢索等算法在電網(wǎng)實時拓撲分析上有著更加廣泛的應用挖掘空間[3]。

本文針對配電網(wǎng)關系型數(shù)據(jù)模型，使用圖數(shù)據(jù)庫Neo4j設計一套配電網(wǎng)拓撲模型創(chuàng)建方法，并基于Neo4j的功能，對供電范圍分析應用在圖數(shù)據(jù)庫中的實現(xiàn)提供思路探討與實踐。

1 圖數(shù)據(jù)庫Neo4j

圖數(shù)據(jù)庫Neo4j在全球有著20萬的開發(fā)人員，具有優(yōu)秀的生態(tài)系統(tǒng)，是業(yè)界領先的圖數(shù)據(jù)庫與最豐富的圖平臺解決方案，其高效的查詢性能以及高可用性、負載均衡和自動容錯的集群技術使得國內(nèi)很多企業(yè)，例如中國電信和華為都選擇使用Neo4j。

1.1 數(shù)據(jù)存儲模式

圖數(shù)據(jù)庫是以圖結(jié)構(gòu)的形式存儲數(shù)據(jù)的數(shù)據(jù)庫，聚焦于數(shù)據(jù)之間的關系數(shù)據(jù)。Neo4j發(fā)明了標簽屬性圖模型，如圖1所示，基本類型包括：

（1）節(jié)點。可以用標簽來區(qū)分節(jié)點，標簽本身有索引功能。

（2）關系。關系用來表示兩個節(jié)點的連接屬性，具有方向性和標簽功能。

（3）屬性。屬性是節(jié)點和關系的鍵值對附屬參數(shù)信息，可以通過建立索引提高檢索效率。

Neo4j的圖查詢語言是Cypher，與關系型數(shù)據(jù)庫的sql語言類似，具有創(chuàng)建、匹配、刪除、修改、關鍵字和函數(shù)等功能[4]。在Neo4j的官方查詢工具里，查詢結(jié)果均是以圖1這種點和邊的元素組成，這種數(shù)據(jù)表現(xiàn)形式對表達節(jié)點與節(jié)點之間的關系具有天然的解釋性，相對于關系型數(shù)據(jù)庫在查詢和分析數(shù)據(jù)的關系結(jié)構(gòu)上有更高的性能，在數(shù)據(jù)模型的設計和異動更新上有更高的靈活性[5]。

圖1 Neo4j標簽屬性圖

1.2 APOC擴展庫

APOC擴展庫（AwesomeProceduresonCypher）是Neo4j實驗室項目之一，是應用最廣泛的擴展庫。APOC庫創(chuàng)建的目的是整合常用函數(shù)，減少開發(fā)人員的重復性開發(fā)。APOC庫包含大量程序和函數(shù)，其中的路徑函數(shù)（path）在電網(wǎng)拓撲分析上有巨大的應用潛力。

Neo4j的Cypher查詢語言支持按深度查詢路徑和節(jié)點，但未知深度的路徑無法查詢，且路徑深度超過6個節(jié)點以后，查詢效率很低。APOC的路徑函數(shù)可以通過條件選擇，獲取從任意數(shù)量起始節(jié)點開始，到達設定的終止節(jié)點集合的路徑，路徑里包括該路徑上的所有節(jié)點、關系及其屬性值。APOC的路徑函數(shù)還可以限制路徑節(jié)點和關系的標簽，并支持白名單和黑名單功能，能夠進一步控制路徑搜索方向，解決Cypher解決不了的問題。

1.3 圖數(shù)據(jù)科學庫

圖數(shù)據(jù)科學庫（Graph Data Science Library，GDS）使用內(nèi)存圖算法功能實現(xiàn)各種高級應用，包括路徑發(fā)現(xiàn)、重要性分析、社區(qū)檢測、機器學習、相似度分析等。GDS圖算法將圖數(shù)據(jù)庫中內(nèi)容有條件地加載到內(nèi)存中，并在內(nèi)存中完成計算。因此，分析和圖計算不會對現(xiàn)有圖數(shù)據(jù)庫中的數(shù)據(jù)查詢造成影響。由于內(nèi)存圖可靈活自由定義，因此內(nèi)存圖可以根據(jù)圖算法對圖結(jié)構(gòu)的要求靈活定義，獨立于實際數(shù)據(jù)庫模型，對于在線事務和在線分析，實際上實現(xiàn)了一套數(shù)據(jù)兩個或多個模型，分別支持不同的計算和業(yè)務需求，實現(xiàn)了混合計算，實現(xiàn)了對混合業(yè)務的支持。

2 基于Neo4j的配電網(wǎng)拓撲模型構(gòu)建

電力系統(tǒng)模型數(shù)據(jù)遵循CIM/E標準，以關系表的形式描述電力系統(tǒng)內(nèi)的對象。在CIM/E標準下，導電設備通過相同的節(jié)點號形成靜態(tài)連接，通過實際開關狀態(tài)形成動態(tài)連接。圖數(shù)據(jù)庫設計上，以靜態(tài)連接拓撲為主，在靜態(tài)連接拓撲上做動態(tài)連接拓撲構(gòu)建，并遵循以下原則：

（1）最大化提高拓撲搜索效率；

（2）設備之間盡可能減少環(huán)狀連接關系，盡可能使用星型連接關系；

（3）最大化減少節(jié)點的創(chuàng)建；

（4）最大化減少關系的創(chuàng)建；

（5）考慮電氣接線圖通用性。

2.1 靜態(tài)拓撲構(gòu)建

將電力系統(tǒng)模型對象轉(zhuǎn)換為節(jié)點，節(jié)點的標簽為對應對象的設備類型，屬性為對應對象CIM/E中的屬性值。根據(jù)電力系統(tǒng)模型對象的內(nèi)在特性，再次將對象分為導電類設備和容器類設備，并對相應節(jié)點附上對應的標簽。

為減少關系的創(chuàng)建和環(huán)狀連接，需將CIM/E中的節(jié)點號實體化成節(jié)點，電氣設備與節(jié)點號的節(jié)點相連，形成“設備—節(jié)點號—設備”的構(gòu)建形式。

導電類設備節(jié)點的物理連接關系，根據(jù)CIM/E中的節(jié)點號形成靜態(tài)的節(jié)點關系[6-7]。考慮到電力系統(tǒng)圖數(shù)據(jù)庫模型設計原則，此種方式建立起的模型存在大量環(huán)狀連接，圖2為變電站內(nèi)母線與其連接的斷路器結(jié)構(gòu)圖。母線與其相連的斷路器均存在相同節(jié)點號，同理斷路器之間也存在相同節(jié)點號，也須建立圖數(shù)據(jù)庫的連接關系。此種方式建立的圖數(shù)據(jù)庫模型，存在諸多冗余關系的創(chuàng)建和大量環(huán)路的形成，不符合設計原則，也不符合實際物理模型含義。

圖2 站內(nèi)母線與斷路器連接模型構(gòu)建

圖3為從變電站母線到配網(wǎng)單輻射線路模型構(gòu)建示意圖。采用“設備—節(jié)點號—設備”的構(gòu)建形式就不會出現(xiàn)在一個節(jié)點號連接3個及以上設備時，上述設備相互交叉連接的情況，盡可能避免了實際不存在的環(huán)狀連接。

圖3 靜態(tài)單輻射配網(wǎng)線路示例

容器類設備包含電壓等級、區(qū)域、廠站、配網(wǎng)線路、配電環(huán)網(wǎng)柜等，這些設備沒有電氣連接關系，故不建立電氣連接的節(jié)點關系。

2.2 動態(tài)拓撲構(gòu)建

動態(tài)拓撲的圖數(shù)據(jù)庫模型設計，保留現(xiàn)有節(jié)點與關系的元素，在此基礎上疊加新標簽類型的關系，即在現(xiàn)有靜態(tài)拓撲圖上，創(chuàng)建一種與靜態(tài)物理連接標簽不同的、代表動態(tài)拓撲連接的具有新標簽的關系。動態(tài)拓撲關系構(gòu)建邏輯為：

（1）引入電力系統(tǒng)實時開關遙信狀態(tài)。

（2）默認在所有靜態(tài)拓撲連接關系上建立動態(tài)拓撲連接關系。

（3）監(jiān)聽并解析開關實時遙信狀態(tài)。根據(jù)開關類設備的分合狀態(tài)，將處于分狀態(tài)的開關設備節(jié)點與其靜態(tài)拓撲連接的節(jié)點號節(jié)點的動態(tài)拓撲連接刪除，將處于合狀態(tài)的開關設備節(jié)點，創(chuàng)建與其靜態(tài)拓撲連接的節(jié)點號節(jié)點的動態(tài)拓撲連接。

此種創(chuàng)建方式的好處在于可以在一張圖上疊加靜態(tài)和動態(tài)拓撲的連接狀態(tài)，減少了模型節(jié)點的創(chuàng)建，可以在一張圖上疊加不同規(guī)則的電氣島連通性分析，如圖4所示。

圖4 動態(tài)單輻射配網(wǎng)線路示例

3 基于Neo4j的供電范圍分析應用

本節(jié)基于Neo4j圖數(shù)據(jù)庫的配電網(wǎng)拓撲模型，提出動態(tài)拓撲下的供電路徑檢索方法，并提出兩個使用場景下的應用。

3.1 配網(wǎng)動態(tài)拓撲連通子圖及案例分析

根據(jù)電網(wǎng)實際物理連接和開關的分合位置，可以將配網(wǎng)部分的線路劃分成若干個連通子圖。用連通子圖劃分配網(wǎng)電力設備，有助于分析在不同運行方式下停電影響的用戶負荷數(shù)量。實現(xiàn)策略是使用GDS圖科學的連通性分析計算方法，具體實現(xiàn)步驟如下：

（1）配網(wǎng)標簽初始化。將所有配網(wǎng)導電設備節(jié)點和節(jié)點號節(jié)點賦予配網(wǎng)標簽。

（2）內(nèi)存子圖提取。使用GDS圖投影功能，根據(jù)配網(wǎng)標簽和動態(tài)拓撲連接關系創(chuàng)建投影到內(nèi)存子圖。

（3）連通分量計算。使用GDS圖弱連通分量計算，使每個節(jié)點獲得其對應的連通分量id，并從內(nèi)存圖反寫圖庫。

本文使用東部沿海某省的主網(wǎng)變電站模型數(shù)據(jù)及其某市的配網(wǎng)模型數(shù)據(jù)，按照第2節(jié)的拓撲模型構(gòu)建方法構(gòu)建圖數(shù)據(jù)庫模型數(shù)據(jù)。其中，共創(chuàng)建了3304130個節(jié)點和4 980 330條關系，涉及變電站9 853個、母線27 712個、配網(wǎng)線路5 092個、配網(wǎng)變壓器63 723個。圖數(shù)據(jù)庫的運行環(huán)境如表1所示。

表1 運行環(huán)境

案例分析如下：

將某市的所有配網(wǎng)導電設備節(jié)點及其節(jié)點號節(jié)點賦予“DMS”標簽，定義動態(tài)拓撲連接關系類型名為“POWER_CONNECT”，并以此創(chuàng)建內(nèi)存圖，cypher執(zhí)行語句示例如下，執(zhí)行結(jié)果如表2所示。

表2 內(nèi)存圖創(chuàng)建

CALL gds.graph.project(#{graphName},'DMS','POWER_CONNECT',{validateRelationships:false})YIELD nodeCount,relationshipCount,projectMillis;

使用GDS的WCC算法計算內(nèi)存圖的弱連通分量，并在圖庫的節(jié)點上新建屬性“dms_dync_component_id”，反寫連通分量id至此屬性中，cypher執(zhí)行語句示例如下，執(zhí)行結(jié)果如表3所示。

表3 連通分量計算

CALL gds.wcc.write(#{graphName},{writeProperty:"dms_dync_component_id",concurrency:16,writeConcurrency:16})YIELD nodePropertiesWritten,componentCount,computeMillis,writeMillis;

利用GDS的連通分量計算方法可以快速劃分和更新動態(tài)拓撲連通子圖。動態(tài)拓撲連通子圖的意義在于可以快速區(qū)分多個導電設備是否屬于同一電氣島，為拓撲網(wǎng)絡快速分析和某個特定設備是否入網(wǎng)的判斷速度更快，從而整體提高拓撲計算效率。

3.2 配網(wǎng)設備供電下游及案例分析

當一個配網(wǎng)開關跳閘后，調(diào)度人員和供電服務指揮人員關注的是開關影響的下游停電范圍造成的影響，所以對停電范圍的快速、準確定位是非常重要的。利用Neo4j的路徑搜索進行雙向檢測可以快速定位開關下游方向和開關下游范圍。

基于Neo4j的配網(wǎng)設備供電下游分析策略如下：（1）獲取導電設備兩端節(jié)點號節(jié)點。

（2）分別查詢兩端節(jié)點號到主網(wǎng)母線設備的動態(tài)路徑是否存在，若都存在，則為環(huán)網(wǎng)狀態(tài)的設備，該設備沒有下游；若都不存在，則該設備為孤島狀態(tài)，沒有上游；若其中一個節(jié)點號能找到主網(wǎng)母線設備，則另一個節(jié)點為下游側(cè)的節(jié)點號。

（3）根據(jù)下游的節(jié)點號，使用APOC.PATH路徑檢索函數(shù)，搜尋下游所有動態(tài)連通的設備。

案例分析如下：

隨機選取某市一條配網(wǎng)線路，該線路共含有1 111個電氣設備和1 075個節(jié)點號節(jié)點。選取目標配網(wǎng)開關設備A，通過如下cypher語句獲取開關兩端節(jié)點號節(jié)點，計算耗時15 ms。

match (:DMS_CB_DEVICE{id:#{devId}})-[:CONNECT_WITH]-(n)return n;

使用電源點路徑探索方法，對每一個上述節(jié)點號，往非選中配網(wǎng)開關方向搜索母線設備，使用的cypher語句如下，區(qū)分上下游節(jié)點號，計算耗時578 ms。

call apoc.path.spanningTree(#{ndId},{relationship Filter:'POWER_CONNECT',blacklistNodes:[#{devId}],endNodes:#{busId},limit:1})YIELD path RETURN length(path);

找到下游側(cè)節(jié)點號后，使用供電范圍探索方法，往非選中配網(wǎng)開關方向搜索全部設備，使用的cypher語句如下，計算耗時256 ms。

call apoc.path.spanningTree(#{ndId},{relationship Filter:'POWER_CONNECT',blacklistNodes:[#{devId}]})YIELD path RETURN path;

實際應用查詢效果展示圖如圖5所示。

圖5 供電下游查詢示例

使用傳統(tǒng)基于內(nèi)存的拓撲分析方法對相同配網(wǎng)設備A進行供電下游分析，與基于圖數(shù)據(jù)庫的供電下游分析做對比，執(zhí)行時間結(jié)果如表4所示。

表4 拓撲分析耗時

從表4對比可以看出，基于圖數(shù)據(jù)庫的分析方法對供電下游分析的效率有明顯提升。雖然從時間提升的絕對值上看，約0.6 s的提升不是很明顯，但本文的數(shù)據(jù)建模暫未考慮配網(wǎng)變壓器下游低壓用戶側(cè)的數(shù)據(jù)模型信息。在后續(xù)系統(tǒng)建設中將低壓側(cè)拓撲模型并入主配網(wǎng)拓撲模型后，模型設備數(shù)量又將呈幾何式增長。此時傳統(tǒng)分析方法的計算效率將大大降低，而Neo4j支持集群式部署方式，使其能夠支撐千億、萬億以上數(shù)據(jù)節(jié)點的數(shù)據(jù)庫建模，并且在此基礎上仍能保證12 ms的查詢效率。使用Neo4j的圖數(shù)據(jù)庫的電網(wǎng)拓撲供電下游分析將在未來擁有更好的應用場景。

4 結(jié)語

圖數(shù)據(jù)庫的數(shù)據(jù)可視化功能能夠更為直觀地表達電力系統(tǒng)的拓撲結(jié)構(gòu)，其查詢模式與電網(wǎng)拓撲應用有著天然的適配性。基于圖數(shù)據(jù)庫的電網(wǎng)資源模型分析是未來電網(wǎng)信息化的研究方向，本文提出了基于圖數(shù)據(jù)庫Neo4j的配電網(wǎng)拓撲模型構(gòu)建方法，并在此基礎上提出了基于Neo4j的供電范圍分析的方法應用。基于某省主配網(wǎng)模型的實際測試表明，本文的圖數(shù)據(jù)庫建模和供電范圍分析方法能夠明顯提升分析效率，在電力系統(tǒng)的分析領域有著廣闊的應用前景。