大數據處理技術在智能電網中的應用

李亞婷

(國網襄陽供電公司營銷運營中心,湖北 襄陽 441000)

0 引言

早期的電網以發電、輸電、配電以及售電功能為主[1]。但隨著全球人口數量急劇增長,隨之而來的是電力需求的不斷攀升,這不僅導致了電力供應的需求問題,也使得電力供應的可靠性和供應質量的下降。由此,智能電網(Smart Grid,SG)的概念出現在人們的視野里。智能電網的概念可以最早追溯到2000年左右,美國電科院提出Intelli-Grid概念[2]。智能電網被認為是各種新能源、新技術應用到傳統電網中的結果,其具有可靠性、高效性、安全性和可交互性等特點。而隨著各類智能設備、分布式能源(Distributed Energy Resources,DER)、電動汽車、計算機技術和通信技術在智能電網中的應用和快速發展,產生了結構多樣、來源復雜的數據[3],使得智能電網中的數據處理問題成了研究的熱點問題,而大數據技術則恰好是一種能夠對海量數據高效收集、管理和應用的技術[4]。本文首先介紹了智能電網的基本架構,然后對于大數據處理技術在智能電網中的應用進行了詳細的介紹,最后對大數據技術應用的問題和發展方向進行了闡述和探討。

1 智能電網的架構

智能電網是利用信息通信技術(Information and Comunication Technology,ICT)、計算機技術(Computer Technology,CT)等技術來監視、控制從發電、輸電、配電以及用電的全過程,從而實現堅強、智能、可靠的電力網絡。這一過程涉及海量電力信息的采集、存儲和發送。智能電網主要由3個部分構成:電力系統、通信系統和信息系統。合適的智能電網架構能使得智能電網的各項功能高效運轉。

1.1 電力系統

傳統的電力系統架構是基于單向的電流流動來完成發電、輸電、配電到用電的整個過程,而在智能電網中的電力系統則是考慮到電流的雙向流動,更確切地說,在智能電網中能夠實現電流和信息在用戶側和發電側雙向的、高效、安全傳遞。在智能電網中,電力系統網絡特指的是電力系統中的物理層面上系統或是設備,包括但不限于:發電廠(包括新能源發電)、變電站、電力傳輸線、斷路器、各類電機等。該電力系統應具有靈活、可靠、高效等特點。

1.2 通信系統

智能電網需要建立范圍廣且反應靈敏的通信網絡以傳遞基礎電力設備上的傳感信息,從而完成對整個電網的精確調控。鑒于電能具有“即發即用”和不方便存儲的特點,電力系統中的各類儀器儀表所產生的數據,需要迅速且可靠地傳遞,這樣才能夠實時監測和控制電力設備。

在傳統的電力通信網中,各類信息由分散在四處的不同來源匯聚到控制中心。智能電網的通信網絡可以采用分布式架構,也可采用集中式架構。智能測量設備產生的數據將傳輸到數據收集器或者是通信網絡中的某個節點上,通過網絡接口數據采集器可將采集到的電力數據傳輸到集中式或分布式的控制中心。

有線網和無線網在電力通信系統中的應用,可以很好地提高電力供應的可靠性和供電質量,智能電網中并入了多種不同的通信網絡,例如:家庭區域網、建筑區域網以及工業區域網。這些網絡不僅承擔著收集區域內部各個智能用電設施信息的職責,還承擔著向設備發送精準的調控命令的職責,從而完成降低用戶能耗的工作。智能電網中運用了多種通信技術,其通信模型如圖1所示,包含ZigBee、光纖以及電力線通信(Power Line Communication,PLC)等。

圖1 智能電網通信模型

通信系統存在各類通信標準,以規范不同設備或是不同站點之間的通信。例如:變電站與主站之間的通信采用的是IEC61850-90-2協議。此外,TCP/IP、數字用戶線路(Digital Subscriber Line,DSL)也是智能電網通信系統中采用的最廣泛的協議之一。

1.3 信息系統

鑒于電能的特性,對于智能電網而言,在其內部保持各個系統和設備之間的信息同步通信是十分重要的,例如:主站發送的控制合閘命令到斷路器有嚴格的時延控制,否則影響設備的正常工作。智能電網中主要的信息來源有:數據采集與監視控制系統(Supervisory Control And Data Acquisition,SCADA)、客戶信息系統(Customer Information System,CIS)、高級量測體系(Advanced Metering Infrastructure,AMI)。其中,SCADA系統用于采集公共電力設施(發電廠、變電站等)內部設備的相關數據,而AMI多用于采集用戶側信息。

2 大數據處理技術在智能電網中的應用

任何在智能電網中存在體量大、半結構化、結構化和非結構化的信息[5]都能被看作是大數據。大數據在智能電網中的來源主要有兩個部分,電力公司數據源和補充數據源。其又可以分為四大類,分別是:負載數據、設備及電量數據、安全數據和其他數據,如表1所示。

表1 智能電網信息類型

電力公司的數據源通常是結構化的數據,該類數據通常來自各種測量設備,例如:SCADA、AMI數據。補充數據成分較復雜,有結構數據、半結構化數據和非結構化數據。補充數據通常來自地理信息系統(Geographic Information System,GIS)、全球定位系統(Global Positioning System,GPS),甚至還有水文數據和氣象數據等。這些數據來自不同的信息源,有著不同的類型和格式,既有傳統的數據庫信息,也有文檔信息、視頻信息甚至是網頁文件。

通過數據分析技術可以將這些具有特定格式的數據轉化成智能電網中的可視化的數據。數據分析技術可分為先進分析法和預測分析法。先進分析法用以提升用戶服務體驗,而預測分析法是基于當前的數據對未來的用電量、損耗等數據做出預測。將大數據中的數據預測技術應用到智能電網中可以有效提升發電環節(尤其是分布式發電環節)的穩定性;降低電網的停電概率。將大數據技術應用在智能電網中的優勢,主要體現在以下4個方面:(1)實現電網的經濟調度;(2)提升電網的穩定性;(3)提升設備的運行效率;(4)提升用電側的客戶滿意度。

大數據的數據分析過程通常分為數據收集、數據清洗、數據存儲、數據挖掘和結果展示。

數據處理是大數據技術在智能電網應用中的核心技術,通過數據處理的過程,能夠有效地將結構化數據、半結構化數據和非結構化數據轉化成供調度、運行人員以及消費者可用的信息。大數據處理在智能電網中的應用主要有3種應用方式:批處理、流處理和迭代處理。

2.1 批處理

批處理是通過完成批處理所需的特定程序將數據收集并分成小的集合的過程。目前,應用最廣泛的方式就是Hadoop mapreduce。該數據處理模型能夠將非常龐大的數據集處理成許多小的數據集,并在所有這些小數據單元上并行計算。Map-Reduce可以用于分析計算用戶的使用情況,因此Map-Reduce是專門為周期性批處理而設計的,但它不適用于頻繁的大型活動數據集重新處理。它不能應用于實時傳感器數據和流數據處理,因此該模型不適合應用于智能電網中需要進行實時分析的場景中,例如需求響應、短期負荷預測等。

2.2 流處理

流處理是一種允許用戶在接收到的數據后的短時間內快速查詢連續數據流和檢測條件的技術。流處理方式通常采用Apache Spark引擎。考慮到流處理方式處理的是各類實時數據,這就對其數據處理的時間提出了很高的要求。采用流處理方式能夠有效地避免了對無用數據進行重新處理的過程,且相較于批處理,流處理方式能夠提供更及時和準確的結果。流處理方式采用Apache Spark引擎,可利用該引擎的動態性能對數據進行分析。

2.3 迭代處理

迭代處理法可以對電網中所有不同類型的數據集進行分析和處理,然后重復該處理過程,并通過使用特定算法來獲得最合適的值。多次、反復的數據處理是迭代處理法的最大特征,而在這種高頻的讀寫(迭代操作)下會極大地增加運算時間,這也是迭代處理方式的最大缺陷。目前,在迭代處理技術中,應用最多的是Apache Spark引擎。

3 大數據技術應用存在的問題

3.1 數據安全問題

考慮到智能電網中的數據有用戶側數據、公共電力設施的各類數據。在數據的傳遞和存儲過程中,用戶數據一旦發生數據泄露,會嚴重影響到用戶的個人隱私。而公共電力設施的相關用電數據泄露更為嚴重,會對國家安全造成損害。在智能電網的通信網絡中,無線通信網由于其接入靈活帶來的信息泄漏風險最高,對于其泄漏風險的控制是日后研究的重點。

3.2 網絡資源問題

隨著智能電網的快速發展和大數據技術的應用,電網中的需要存儲的數據和需要傳輸的數據呈指數級增長。而在我國部分地區,受制于通信網絡資源不足、通信設備老化等客觀因素,無法形成高效、穩定的通信網,這也極大地制約了智能電網在我國部分地區的應用。可以說網絡資源問題亟待解決。

3.3 數據交互問題

由于在智能電網中存在著數量眾多的、類型不盡相同的各類數據,不同數據間的相互轉換、不同軟件和硬件設備之間的標準差異也是當前存在的問題之一。考慮到當前我國各個電網發展的不均衡、不同步,這就導致了不同區域的電網可能采用不同的通信設備,這也為智能電網的統一發展帶來了不便。

4 結語

智能電網的發展離不開大數據、云計算等先進技術的輔助,本文介紹了智能電網的架構,通過對其通信系統、信息系統的介紹,表明大數據技術對于智能電網運行的重要性,并著重介紹了數據處理技術在智能電網中的應用,對大數據應用的熱點問題進行了總結。大數據技術的發展和智能電網的發展息息相關。智能電網為大數據的應用提供了廣闊的空間,而大數據技術為電網的穩定高效運行保駕護航。如何進一步完善相關的標準體系、提升數據的可靠性和準確性是日后研究的重點。