论文部分内容阅读
摘要:大数据为智能电网的发展提供了新的探索路径和应用模块,掌握电力大数据的关键技术对电力行业的可持续发展和坚强智能电网的建立具有重要意义。该文阐述了智能电网大数据的基本概念,分析了国内外智能电网大数据技术研究现状,理清了智能电网应用中的数据类型及数据特征,突出了大数据技术在智能电网发展中的实践意义和现实价值,最后提出了智能电网中大数据的应用场景与技术支撑,为业界学术人士和智能电网建设实践提供一定参考。
关键词:智能电网;大数据;数据分析;数据处理;应用领域
0 引言
智能电网是电力企业进入二十一世纪后,实现稳定与可持续竞争发展的客观需求与必然趋势。智能电网的改造与新建,实现了先进技术,如计算机网络技术、信息通信技术、预警技术、机械控制技术等在电力工程建设中的有效应用,促进了电力系统各部分运行稳定性、可靠性、安全性、高效性、经济性、生态环保性的提升。而随着智能电网建立力度的不断增强,电力系统结构的复杂性提升,相关数据信息呈现出多样化、大规模化发展,从而对职能电网系统数据处理能力提出了更高需求。如何实现处理的科学处理成为电力企业发展智能电网建设关注与研究的重点问题。而大数据技术的应用与推广,为这一问题的处理与改进,提供了思路,指明了方向。鉴于此,有必要智能电网大数据技术类型与特征,明确智能电网大数据技术发展现状与趋势,为智能电网改造与新建中大数据技术的实践应用提供有益参考,促进我国电力事业优化发展。
1 智能电网中大数据的基本概念
1.1 智能电网中的大数据类型
在智能电网运行过程中,所产生与应用的大数据大致可分为“电网运行与设备检测、监测数据”、“电力企业生产运营管理数据”与“电力企业营销数据”三种类型。根据数据内在结构对其进行划分,智能代表的电网中的大数据又分为“结构化数据”与“非结构化数据”两种类型。其中结构化数据主要是指:智能电网中由二维表结构逻辑进行表现与表达的数据,错存储于在关系数据库中,包括电网调度工作中产生与应用的数据、电力系统控制过程中所应用的实时数据等;而非结构化数据主要是指在数据库二维逻辑不便进行具体表现与表达的数据,如视频检测数据[1]。据IDC(Internet Data Center,互联网数据中心)调查显示:现阶段,在电力企业中非结构化数据已经占据总数据的百分之八十左右,数据指数增长达到百分之六十,成为智能电网中数据组织结构中的重要组成部分。
1.2 智能电网中的大数据特征
数据规模大(volume)、数据类型繁多((variety)、数据价值密度低(value)以及数据处理速度快(velocity)是智能电网中大数据所具有的主要特征,被称之为“4V”特征。
数据规模大特征主要体现在:智能电网中的数据级别等到提升,产生与存储的数据量大幅度增多。例如,在智能电网常规采集与监视控制系统(Supervisory Control And Data Acquisition,简称SCADA系统)中,如果配置一万个遥测点,在数据采集与监视过程中,采集的时间间隔为3~4秒,则产生的数据可达到一年1.03TB。
数据类型繁多特征主要体现在:随着电网建设规模的不断拓展、电网种类的不断增多,各类非结构化数据(历史数据、文本数据、图像数据等)、半结构化数据(电力企业人力资源数、工作情况统计表等)以及结构化数据日渐增多,数据要求增多。
数据价值密度低特征主要体现在:数据规模的增多,使有价值的数据所在比重减少。例如,在智能电网输变电设备运行监督与管控中,连续不间断监视所得到的数据,绝大多数数据为无用数据,有价值的数据极少,可能仅为1~2s,用于为智能电网输变电设备运行维护与养修提供数据参考依据。对此,在智能电网中需科学应用大数据挖掘技术进行有价值数据的挖掘,提升数据利用率。
数据处理速度快特征主要体现在:在智能电网中,为实现数据在决策层面中的有效应用,需提升数据处理速度,实现大数据数据的高速整理与分析。与此同时,在进行数据高速处理过程中,应保证数据真实性、准确性,实现数据异常的及时捕捉与处理。
2 智能电网中大数据技术研究现状
随着电力市场的开放性发展以及智能电网的研发与实践,国内外有关研究机构、电力公司、电力工程建设单位等进行了智能电网大数据及其技术应用的研究。例如,AEP(American electric power,美国电力有限公司)有关人员将设备运行过程中产生的数据信息与智能信息進行有效融合,并利用大数据分析软件进行大数据的有效应用,探寻基础设备运行的稳定性与安全性;Lakeland Electric(美国莱克兰电力公司)在智能电网中试图应用大数据技术进行负荷分析,通过分析探寻不同用户群体在电力营销中存在的消费模式,从而为电力企业营销的优化发展提供决策依据,与此同时,通过AMI(Advanced Metering Infrastructure,智慧型电表基础建设)提升电力企业服务水平,实现电力服务成本的科学检查,用以花费最小的成本获取最大的经济效益与社会效益,满足用电用户需求;在国内,国家科技部针对智能电网及其大数据技术应用,在2014年组织开展了3项863项目;江苏省电力公司、北京电力公司等在组织开展智能电网改造与新建工程项目过程中,基于信息化建设要求与目标,积极开展了以大数据技术应用为核心技术克服服务模式研发项目,进行电能营销、分配、管控一体化基础设施建设[2]。
目前,虽然我国智能电网大数据及其技术应用的研究取得了一定成果,但是从整体层面来看,智能电网大数据技术的应用水平相对于电力技术水平而言仍存在较大差距,如研究成果较为粗糙;海量数据基础的形成存在诸多阻碍,制约了大数据技术在智能电网中的优化发展;在现有的数据基础上,大数据技术实践应用存在片面性,大数据利用率低下。对此,需注重先进经验与研究成果的借鉴,注重实践经验的总结、归纳与反思,提升底层数据的规范化管理,从而促进智能电网中大数据技术的应用与发展。 3 智能电网中大数据的应用场景与技术支撑
在智能电网中,大数据的应用贯穿于众多环节,其应用场景涵盖“发、输、变、配、用、调”等多个方面。随着智能电网建设力度的不断提升以及建设进程的日渐加快,大数据技术在智能电网中的应用价值与作用将愈发明显,其重要性与必要性将逐渐加大。基于此,以几个典型案例为例,就智能电网中大数据的应用场景与技术支撑进行了如下分析。
3.1 IBM大数据技术在智能电网新能源接入中的应用
实现电力生产绿色、节能、环保发展已经成为新时期电力企业现代化建设与可持续竞争发展的必然诉求。基于此,新能源在智能电网中的有效接入成为电力企业生产经营管理的新趋势。而随着新能源在智能电网中的接入,传统电力企业生产管理模式已经无法满足实际需求,电力生产管理与电能计量要求得到大幅度提升。基于此,在现有数据源基础上,应用大数据技术,可有效提升电力企业生产管理与电能营销服务质量。
例如,丹麦维斯塔斯风力技术集体,将大数据技术应用到智能电网新能源接入中,用以实现海量数据信息的综合应用,提升电力企业生产质量与效率。即,在超级计算机中进行IBM大数据解决方案的科学部署,实现对大数据(PB量级气象报告、地理空间数据信息、潮汐相位数据信息等)的综合分析,并在此基础上进行风力涡轮机布局的优化,实现智能电网新能源(风能)应用质量与效率的提升[3]。在此过程中,IBM(International Business Machines Corporation,万国商业机器公司)针对电力企业在风电场微观选址中存在的问题,制定基于天气预报高精度数值下风电场微观选址解决方案,用以实现用最小的投资成本获取最大的经济效益。在解决方案制定过程中,通过依托评估指标体系(包括风资源精细化评估、风资源建设经济效益评估、气象灾害风险评估与风场施工标准评估),构建高精度数值天气数据计算模型,实现风电场备选区域与自然气候环境之间的有机集合,用以对风电场备选区域各点间四维风资源分布情况进行综合分析,探寻风资源变化情况,实现风电场风资源情况的准确掌握,保证风力涡轮机布局的准确性与科学性。
3.2 大数据技术在风电机组运行维护检修工作中的应用
在智能电网中,大数据在电力设备运行维护检修工作中具有较强的应用性。以智能电网中风机组电力设备运行维护工作为例,风机组电力设备在实际运行过程中受环境因素(雷雨、冰雪等)影响较大,易出现运行风险,对检修维护工作要求相对较高。基于此,应用大数据技术,如数据识别技术、大数据挖掘技术中的模糊数学算法等,可有效实现电力系统风电机组运行过程中不良数据的准确检测与正确辨识,构建完善、科学的风电机组安全运行综合评估系统,对风电机组潜在故障进行早期预警(图1风电机组潜在故障早期预警图),为工作人员故障检修与设备维护提供依据[4]。
3.3大数据技术在智能电网灾难性故障预警中的应用
智能电网组织结构的复杂性决定了电力系统运行过程中易发展灾难性连锁事故。而通常情况下电力系统运行中灾难性故障的形成与系统个别元件的损坏存在密切關联性。基于此,应用大数据技术进行数据分析,可实现智能电网异常数据信息的准确识别与挖掘,实现系统运行故障预警,提升系统运行的稳定与安全。如以电网拓扑数据、地理信息数据、电力系统运行安全数据等为数据基础,形成数据源,依托不良数据存在的可辨识性,利用数据辨识技术,形成基于大数据的电网灾难预警系统(图3大数据技术应用下的电网灾难预警系统框架)实现电网薄弱区域的有效识别,探寻薄弱区域形成原因,为问题处理提供参考依据。
4结论
智能电网的建设与发展为大数据技术在电力事业中的应用提供了数据源,实现大数据技术在智能电网中的有效应用对提升电网运营水平与电力企业服务质量具有积极影响作用。基于此,针对我国智能电网大数据研究与应用存在的不足,应加强智能电网大数据技术发展的研究,并在多方共同参与下,从政策、技术、项目、管理、人才培养等层面进行优化,从而促进具有重要现实意义促成智能电网大数据技术的应用发展。
参考文献:
[1]谢华成,陈向东.面向云存储的非结构化数据存取[J].计算机应用,2012,32(7):1924-1928.
[2]Peijian Wang . D-pro : dynamic data center operations with demand-responsive electricity prices in smart grid[J] . IEEE Transactions on Smart Grid,2012,3(4):1743-1754.
[3]IBM.风电场微观选址.IBM[EB/OL].(2014-08-17).http://www31.ibm.com/solutions/cn/industries/energy/ thankyou/energy_wp.shtml.
[4]吕庭彦,李亚冬,蒋维,等.基于大数据挖掘技术的风电机组安全经济运行状态综合评估系统[C].中国电力企业联合会议.北京:中国电力企业联合会,2013:10.
作者简介:王禾阳,男,1990年,籍贯湖北省黄冈市浠水县,助理工程师。
关键词:智能电网;大数据;数据分析;数据处理;应用领域
0 引言
智能电网是电力企业进入二十一世纪后,实现稳定与可持续竞争发展的客观需求与必然趋势。智能电网的改造与新建,实现了先进技术,如计算机网络技术、信息通信技术、预警技术、机械控制技术等在电力工程建设中的有效应用,促进了电力系统各部分运行稳定性、可靠性、安全性、高效性、经济性、生态环保性的提升。而随着智能电网建立力度的不断增强,电力系统结构的复杂性提升,相关数据信息呈现出多样化、大规模化发展,从而对职能电网系统数据处理能力提出了更高需求。如何实现处理的科学处理成为电力企业发展智能电网建设关注与研究的重点问题。而大数据技术的应用与推广,为这一问题的处理与改进,提供了思路,指明了方向。鉴于此,有必要智能电网大数据技术类型与特征,明确智能电网大数据技术发展现状与趋势,为智能电网改造与新建中大数据技术的实践应用提供有益参考,促进我国电力事业优化发展。
1 智能电网中大数据的基本概念
1.1 智能电网中的大数据类型
在智能电网运行过程中,所产生与应用的大数据大致可分为“电网运行与设备检测、监测数据”、“电力企业生产运营管理数据”与“电力企业营销数据”三种类型。根据数据内在结构对其进行划分,智能代表的电网中的大数据又分为“结构化数据”与“非结构化数据”两种类型。其中结构化数据主要是指:智能电网中由二维表结构逻辑进行表现与表达的数据,错存储于在关系数据库中,包括电网调度工作中产生与应用的数据、电力系统控制过程中所应用的实时数据等;而非结构化数据主要是指在数据库二维逻辑不便进行具体表现与表达的数据,如视频检测数据[1]。据IDC(Internet Data Center,互联网数据中心)调查显示:现阶段,在电力企业中非结构化数据已经占据总数据的百分之八十左右,数据指数增长达到百分之六十,成为智能电网中数据组织结构中的重要组成部分。
1.2 智能电网中的大数据特征
数据规模大(volume)、数据类型繁多((variety)、数据价值密度低(value)以及数据处理速度快(velocity)是智能电网中大数据所具有的主要特征,被称之为“4V”特征。
数据规模大特征主要体现在:智能电网中的数据级别等到提升,产生与存储的数据量大幅度增多。例如,在智能电网常规采集与监视控制系统(Supervisory Control And Data Acquisition,简称SCADA系统)中,如果配置一万个遥测点,在数据采集与监视过程中,采集的时间间隔为3~4秒,则产生的数据可达到一年1.03TB。
数据类型繁多特征主要体现在:随着电网建设规模的不断拓展、电网种类的不断增多,各类非结构化数据(历史数据、文本数据、图像数据等)、半结构化数据(电力企业人力资源数、工作情况统计表等)以及结构化数据日渐增多,数据要求增多。
数据价值密度低特征主要体现在:数据规模的增多,使有价值的数据所在比重减少。例如,在智能电网输变电设备运行监督与管控中,连续不间断监视所得到的数据,绝大多数数据为无用数据,有价值的数据极少,可能仅为1~2s,用于为智能电网输变电设备运行维护与养修提供数据参考依据。对此,在智能电网中需科学应用大数据挖掘技术进行有价值数据的挖掘,提升数据利用率。
数据处理速度快特征主要体现在:在智能电网中,为实现数据在决策层面中的有效应用,需提升数据处理速度,实现大数据数据的高速整理与分析。与此同时,在进行数据高速处理过程中,应保证数据真实性、准确性,实现数据异常的及时捕捉与处理。
2 智能电网中大数据技术研究现状
随着电力市场的开放性发展以及智能电网的研发与实践,国内外有关研究机构、电力公司、电力工程建设单位等进行了智能电网大数据及其技术应用的研究。例如,AEP(American electric power,美国电力有限公司)有关人员将设备运行过程中产生的数据信息与智能信息進行有效融合,并利用大数据分析软件进行大数据的有效应用,探寻基础设备运行的稳定性与安全性;Lakeland Electric(美国莱克兰电力公司)在智能电网中试图应用大数据技术进行负荷分析,通过分析探寻不同用户群体在电力营销中存在的消费模式,从而为电力企业营销的优化发展提供决策依据,与此同时,通过AMI(Advanced Metering Infrastructure,智慧型电表基础建设)提升电力企业服务水平,实现电力服务成本的科学检查,用以花费最小的成本获取最大的经济效益与社会效益,满足用电用户需求;在国内,国家科技部针对智能电网及其大数据技术应用,在2014年组织开展了3项863项目;江苏省电力公司、北京电力公司等在组织开展智能电网改造与新建工程项目过程中,基于信息化建设要求与目标,积极开展了以大数据技术应用为核心技术克服服务模式研发项目,进行电能营销、分配、管控一体化基础设施建设[2]。
目前,虽然我国智能电网大数据及其技术应用的研究取得了一定成果,但是从整体层面来看,智能电网大数据技术的应用水平相对于电力技术水平而言仍存在较大差距,如研究成果较为粗糙;海量数据基础的形成存在诸多阻碍,制约了大数据技术在智能电网中的优化发展;在现有的数据基础上,大数据技术实践应用存在片面性,大数据利用率低下。对此,需注重先进经验与研究成果的借鉴,注重实践经验的总结、归纳与反思,提升底层数据的规范化管理,从而促进智能电网中大数据技术的应用与发展。 3 智能电网中大数据的应用场景与技术支撑
在智能电网中,大数据的应用贯穿于众多环节,其应用场景涵盖“发、输、变、配、用、调”等多个方面。随着智能电网建设力度的不断提升以及建设进程的日渐加快,大数据技术在智能电网中的应用价值与作用将愈发明显,其重要性与必要性将逐渐加大。基于此,以几个典型案例为例,就智能电网中大数据的应用场景与技术支撑进行了如下分析。
3.1 IBM大数据技术在智能电网新能源接入中的应用
实现电力生产绿色、节能、环保发展已经成为新时期电力企业现代化建设与可持续竞争发展的必然诉求。基于此,新能源在智能电网中的有效接入成为电力企业生产经营管理的新趋势。而随着新能源在智能电网中的接入,传统电力企业生产管理模式已经无法满足实际需求,电力生产管理与电能计量要求得到大幅度提升。基于此,在现有数据源基础上,应用大数据技术,可有效提升电力企业生产管理与电能营销服务质量。
例如,丹麦维斯塔斯风力技术集体,将大数据技术应用到智能电网新能源接入中,用以实现海量数据信息的综合应用,提升电力企业生产质量与效率。即,在超级计算机中进行IBM大数据解决方案的科学部署,实现对大数据(PB量级气象报告、地理空间数据信息、潮汐相位数据信息等)的综合分析,并在此基础上进行风力涡轮机布局的优化,实现智能电网新能源(风能)应用质量与效率的提升[3]。在此过程中,IBM(International Business Machines Corporation,万国商业机器公司)针对电力企业在风电场微观选址中存在的问题,制定基于天气预报高精度数值下风电场微观选址解决方案,用以实现用最小的投资成本获取最大的经济效益。在解决方案制定过程中,通过依托评估指标体系(包括风资源精细化评估、风资源建设经济效益评估、气象灾害风险评估与风场施工标准评估),构建高精度数值天气数据计算模型,实现风电场备选区域与自然气候环境之间的有机集合,用以对风电场备选区域各点间四维风资源分布情况进行综合分析,探寻风资源变化情况,实现风电场风资源情况的准确掌握,保证风力涡轮机布局的准确性与科学性。
3.2 大数据技术在风电机组运行维护检修工作中的应用
在智能电网中,大数据在电力设备运行维护检修工作中具有较强的应用性。以智能电网中风机组电力设备运行维护工作为例,风机组电力设备在实际运行过程中受环境因素(雷雨、冰雪等)影响较大,易出现运行风险,对检修维护工作要求相对较高。基于此,应用大数据技术,如数据识别技术、大数据挖掘技术中的模糊数学算法等,可有效实现电力系统风电机组运行过程中不良数据的准确检测与正确辨识,构建完善、科学的风电机组安全运行综合评估系统,对风电机组潜在故障进行早期预警(图1风电机组潜在故障早期预警图),为工作人员故障检修与设备维护提供依据[4]。
3.3大数据技术在智能电网灾难性故障预警中的应用
智能电网组织结构的复杂性决定了电力系统运行过程中易发展灾难性连锁事故。而通常情况下电力系统运行中灾难性故障的形成与系统个别元件的损坏存在密切關联性。基于此,应用大数据技术进行数据分析,可实现智能电网异常数据信息的准确识别与挖掘,实现系统运行故障预警,提升系统运行的稳定与安全。如以电网拓扑数据、地理信息数据、电力系统运行安全数据等为数据基础,形成数据源,依托不良数据存在的可辨识性,利用数据辨识技术,形成基于大数据的电网灾难预警系统(图3大数据技术应用下的电网灾难预警系统框架)实现电网薄弱区域的有效识别,探寻薄弱区域形成原因,为问题处理提供参考依据。
4结论
智能电网的建设与发展为大数据技术在电力事业中的应用提供了数据源,实现大数据技术在智能电网中的有效应用对提升电网运营水平与电力企业服务质量具有积极影响作用。基于此,针对我国智能电网大数据研究与应用存在的不足,应加强智能电网大数据技术发展的研究,并在多方共同参与下,从政策、技术、项目、管理、人才培养等层面进行优化,从而促进具有重要现实意义促成智能电网大数据技术的应用发展。
参考文献:
[1]谢华成,陈向东.面向云存储的非结构化数据存取[J].计算机应用,2012,32(7):1924-1928.
[2]Peijian Wang . D-pro : dynamic data center operations with demand-responsive electricity prices in smart grid[J] . IEEE Transactions on Smart Grid,2012,3(4):1743-1754.
[3]IBM.风电场微观选址.IBM[EB/OL].(2014-08-17).http://www31.ibm.com/solutions/cn/industries/energy/ thankyou/energy_wp.shtml.
[4]吕庭彦,李亚冬,蒋维,等.基于大数据挖掘技术的风电机组安全经济运行状态综合评估系统[C].中国电力企业联合会议.北京:中国电力企业联合会,2013:10.
作者简介:王禾阳,男,1990年,籍贯湖北省黄冈市浠水县,助理工程师。