论文部分内容阅读
摘要：随着社会经济的不断发展，电网大数据智能调度逐渐得到了人们的高度重视。电网大数据智能调度的理念主要在于通过获取更多的电能信息对电的生产、传输以及调度等进行优化。分析现在我国电力工业的发展状况发现，智能电网已逐渐成为了电力工业发展的主要方向。
关键词：电网大数据;智能调度;应用场景
1电网大数据智能调度特征
1.1电网大数据的来源
①基础数据。基础数据是描述电力设备固有属性的相关参数。基础数据在电力系统实际运行过程中是不会产生太多变化的，甚至可能根本不会发生变化。分析实际情况发现，近年来随着我国电网规模的不断扩大，横向集成等要求随之出现，需做好基础数据的收集。
②电网实时量测类数据。目前，我国现有的电网实时量测系统包括监控系统SCADA、WAMS系统以及AMI等。监控系统SCADA和WAMS系统在电网中主要负责对电力运行过程中产生的状态数据进行采集，而AMI在电网中主要负责对个人用户数据进行有效采集。
③电网准实时应用类数据。该类数据在电网中主要是由调度自动化系统生成的数据和人工输入的数据组成。该过程中包含的数据类型主要包括预测计划数据、报表数据以及监控预警数据等。
④环境数据。环境数据主要包括气候、地貌以及用地类型等数据信息。虽然在电网以往的发展过程中，这类数据很少被相关人员重视或应用，但在市场经济发展和电力系统经济效益提升的今天，这类数据已被广泛应用于电力系统。
1.2数据特点
①数据量大，实时性强，采集周期短，有毫秒、秒、分钟级。SCADA采集了大量的电压、电流、开关状态等电网稳态数据。常规SCADA系统10000个遥测点，按采样间隔3～4s计算，每年产生1.03TB数据（1.03TB=12字节/帧×0.3帧/s×10000遥测点×86400s/天×365天），目前三华的数据量每日65.3万条，7.58GB;WAMS10000个遥测点，采样率100次/s，按上述公式计算，每年产生495TB的数据。
②数据类型以结构化数据为主，融合部分非结构化数据。实时量测数据、预测计划类数据、基础数据主要是结构化数据，占调度自动化数据的90%以上，一些历史断面数据、日志等以文本形式存储，另外还有告警和监视的语音与视频多媒体数据。
③生产数据分散于各调度中心。调度工作99%在当地进行，电网调度数据来源于生产系统，数据分布在各调度中心，同时闭环控制要求数据传输距离短。
④安全控制等级高（四级安全防护）。调度是电力系统的中枢，对安全要求极高，需要满足四级安全防护体系，因此，电网调度数据安全级别也非常高，获取比较困难。
1.3电网大数据智能调度的应用特点
分析目前我国电网大数据智能调度的发展发现，监视控制已逐渐成为电网调度发展过程中所必须具备的基本功能。由于监视控制一直都是电网调度应用中的核心部分，相关人员需针对监视控制进行重点研究。此外，随着相关人员对电网大数据智能调度应用研究力度的不断加大，电网未来状态预测的重要性也得到了极大提升。电网未来状态的预测包含的内容主要体现为操作票安全校核和安全约束机组组合等。
2电网大数据智能调度应用场景
2.1智能调度大数据应用架构
随着智能电网建设的广泛开展，调度相关系统越来越多，积累的数据也越来越多，使得原有的各大系统关联性越来越强。需要将各类电网内外部及电网实时与业务准实时类大数据进行集成，在智能调度新需求下，形成了新的应用场景。智能调度大数据应用架构如图1所示。
2.2互动负荷大范围的优化调度
根据相关研究调查发现，传统的电网调度控制都是通过对发电机组的进一步调节实现用电平衡，但在风电等间歇性能源中，电网的容量相对平时存在一定程度的扩大，相关人员若只是一味地依靠常规发电机组进行调节，不仅无法将电网的全部调控能力充分发挥，而且不能提高最终的调度效率。为解决传统调度存在的弊端，实现调度效率的有效提升，相关人员需要利用大数据技术对全网负荷信息等内容进行综合性分析，并且需要按照最大范围资源优化配置原则对不同时间尺度的决策进行优化。这样不仅能有效提升电网的动态感知，而且可实现电网的安全运行，达到资源合理配置的目的。
2.3多时间尺度的负荷特性参数在线辨识
到2020年，国家电网将全面建成“五纵六横”特高压骨干网架。未来区域电网之间相互影响、相互作用进一步增强，在联系日益紧密的同时，也带来了大系统的安全风险防控问题。一个极小的扰动就可能产生“蝴蝶效应”，引发全局性灾难，因此未来电网运行控制迫切需要实时、准确的负荷模型支持。现有的分析方法往往采用估计和经验的方法给定负荷的参数，不精确。SCADA采集了电网运行的稳态数据，WAMS采集了电网运行的动态数据，利用大数据技术对这2类数据进行综合分析，可在线确定负荷动态模型，为实现即测–即辨–实时仿真–在线控制的电网控制运行新框架打下基础。
2.4监控设备全生命周期管理
在智能电网环境下，电气元件的数量和种类在不断增加，所采集的设备状态数据更加全面，数据量也更大，涵盖了设备的台账、运行异常记录信息、缺陷记录、在线监测信息、不良工况信息和家族性缺陷信息，达到PB级。目前根据设备评价导则进行评分，根据评分制定检修策略，但设备在线监测的数据价值远未被挖掘出来。利用大数据技术对这些海量的、分布式的、异构的数据进行综合分析，实现设备状态演变过程实时监视和趋勢分析，从而能够在线掌握电网设备的运行状态，支撑智能电网的状态检修工作，提高电网设备状态评价的及时性和准确性，降低检修成本，在一定程度上提高检修效率，提高电网资产利用效率。
结语：
随着新时代社会经济的不断发展，电网调度的稳定运行逐渐得到了人们的高度重视。为了提高电网运行的可靠性，促使我国电力事业更快发展，相关人员需要加强对电网大数据智能调度及应用场景的研究。
参考文献：
[1]孙柏林."大数据"技术及其在电力行业中的应用[J].电气时代，2013（8）：18–23.
[2]赵云山，刘焕焕.大数据技术在电力行业的应用研究[J].电信科学，2014，30（1）：57–62.
[3]赵琦玮，王昕，王鑫，等.含不同集群电动汽车的微电网优化调度[J].可再生能源，2019，37（3）：379-385.
关键词：电网大数据;智能调度;应用场景
1电网大数据智能调度特征
1.1电网大数据的来源
①基础数据。基础数据是描述电力设备固有属性的相关参数。基础数据在电力系统实际运行过程中是不会产生太多变化的，甚至可能根本不会发生变化。分析实际情况发现，近年来随着我国电网规模的不断扩大，横向集成等要求随之出现，需做好基础数据的收集。
②电网实时量测类数据。目前，我国现有的电网实时量测系统包括监控系统SCADA、WAMS系统以及AMI等。监控系统SCADA和WAMS系统在电网中主要负责对电力运行过程中产生的状态数据进行采集，而AMI在电网中主要负责对个人用户数据进行有效采集。
③电网准实时应用类数据。该类数据在电网中主要是由调度自动化系统生成的数据和人工输入的数据组成。该过程中包含的数据类型主要包括预测计划数据、报表数据以及监控预警数据等。
④环境数据。环境数据主要包括气候、地貌以及用地类型等数据信息。虽然在电网以往的发展过程中，这类数据很少被相关人员重视或应用，但在市场经济发展和电力系统经济效益提升的今天，这类数据已被广泛应用于电力系统。
1.2数据特点
①数据量大，实时性强，采集周期短，有毫秒、秒、分钟级。SCADA采集了大量的电压、电流、开关状态等电网稳态数据。常规SCADA系统10000个遥测点，按采样间隔3～4s计算，每年产生1.03TB数据（1.03TB=12字节/帧×0.3帧/s×10000遥测点×86400s/天×365天），目前三华的数据量每日65.3万条，7.58GB;WAMS10000个遥测点，采样率100次/s，按上述公式计算，每年产生495TB的数据。
②数据类型以结构化数据为主，融合部分非结构化数据。实时量测数据、预测计划类数据、基础数据主要是结构化数据，占调度自动化数据的90%以上，一些历史断面数据、日志等以文本形式存储，另外还有告警和监视的语音与视频多媒体数据。
③生产数据分散于各调度中心。调度工作99%在当地进行，电网调度数据来源于生产系统，数据分布在各调度中心，同时闭环控制要求数据传输距离短。
④安全控制等级高（四级安全防护）。调度是电力系统的中枢，对安全要求极高，需要满足四级安全防护体系，因此，电网调度数据安全级别也非常高，获取比较困难。
1.3电网大数据智能调度的应用特点
分析目前我国电网大数据智能调度的发展发现，监视控制已逐渐成为电网调度发展过程中所必须具备的基本功能。由于监视控制一直都是电网调度应用中的核心部分，相关人员需针对监视控制进行重点研究。此外，随着相关人员对电网大数据智能调度应用研究力度的不断加大，电网未来状态预测的重要性也得到了极大提升。电网未来状态的预测包含的内容主要体现为操作票安全校核和安全约束机组组合等。
2电网大数据智能调度应用场景
2.1智能调度大数据应用架构
随着智能电网建设的广泛开展，调度相关系统越来越多，积累的数据也越来越多，使得原有的各大系统关联性越来越强。需要将各类电网内外部及电网实时与业务准实时类大数据进行集成，在智能调度新需求下，形成了新的应用场景。智能调度大数据应用架构如图1所示。
2.2互动负荷大范围的优化调度
根据相关研究调查发现，传统的电网调度控制都是通过对发电机组的进一步调节实现用电平衡，但在风电等间歇性能源中，电网的容量相对平时存在一定程度的扩大，相关人员若只是一味地依靠常规发电机组进行调节，不仅无法将电网的全部调控能力充分发挥，而且不能提高最终的调度效率。为解决传统调度存在的弊端，实现调度效率的有效提升，相关人员需要利用大数据技术对全网负荷信息等内容进行综合性分析，并且需要按照最大范围资源优化配置原则对不同时间尺度的决策进行优化。这样不仅能有效提升电网的动态感知，而且可实现电网的安全运行，达到资源合理配置的目的。
2.3多时间尺度的负荷特性参数在线辨识
到2020年，国家电网将全面建成“五纵六横”特高压骨干网架。未来区域电网之间相互影响、相互作用进一步增强，在联系日益紧密的同时，也带来了大系统的安全风险防控问题。一个极小的扰动就可能产生“蝴蝶效应”，引发全局性灾难，因此未来电网运行控制迫切需要实时、准确的负荷模型支持。现有的分析方法往往采用估计和经验的方法给定负荷的参数，不精确。SCADA采集了电网运行的稳态数据，WAMS采集了电网运行的动态数据，利用大数据技术对这2类数据进行综合分析，可在线确定负荷动态模型，为实现即测–即辨–实时仿真–在线控制的电网控制运行新框架打下基础。
2.4监控设备全生命周期管理
在智能电网环境下，电气元件的数量和种类在不断增加，所采集的设备状态数据更加全面，数据量也更大，涵盖了设备的台账、运行异常记录信息、缺陷记录、在线监测信息、不良工况信息和家族性缺陷信息，达到PB级。目前根据设备评价导则进行评分，根据评分制定检修策略，但设备在线监测的数据价值远未被挖掘出来。利用大数据技术对这些海量的、分布式的、异构的数据进行综合分析，实现设备状态演变过程实时监视和趋勢分析，从而能够在线掌握电网设备的运行状态，支撑智能电网的状态检修工作，提高电网设备状态评价的及时性和准确性，降低检修成本，在一定程度上提高检修效率，提高电网资产利用效率。
结语：
随着新时代社会经济的不断发展，电网调度的稳定运行逐渐得到了人们的高度重视。为了提高电网运行的可靠性，促使我国电力事业更快发展，相关人员需要加强对电网大数据智能调度及应用场景的研究。
参考文献：
[1]孙柏林."大数据"技术及其在电力行业中的应用[J].电气时代，2013（8）：18–23.
[2]赵云山，刘焕焕.大数据技术在电力行业的应用研究[J].电信科学，2014，30（1）：57–62.
[3]赵琦玮，王昕，王鑫，等.含不同集群电动汽车的微电网优化调度[J].可再生能源，2019，37（3）：379-385.