论文部分内容阅读
摘要:对智能电网中的数据来源进行了阐述,简要介绍了应用于智能电网的数据处理、数据计算、数据分析、数据展现技术。在此基础上,提出了大数据技术在智能电网中的几个应用方向,为电力企业今后在智能电网建设中如何应用大数据技术提供了参考。
关键词:大数据;智能电网;数据处理;应用方向
0 引言
随着工业升级以及人民生活水平的不断提高,人们对电力供应的质量与稳定性有着越来越高的要求,传统的电网建设与运行模式将越来越不适应时代发展要求,高度融合了传感、测量、通信等技术的智能电网成为必然的发展趋势。随着各类智能设备在电网中的应用,产生的电力运行数据较之前将高出4个数量级。面对海量的数据,只有有效应用大数据分析技术,才可对其进行分析,并输出有价值的信息,为智能电网的运行与建设提供决策依据。
1 智能电网的数据来源
智能电网的“智能”体现在系统运行状态的可观测和可控制上。“可观测”要求数据必须全面且准确,能反映系统的实时运行状态。为实现这个目标,需要在电网的发电、输电、配电、用电等各环节安装众多的数据采集装置,这些体量庞大的内源性数据是监测电网运行状态的基础信息。
除了来自电网自身的内源性数据,来自气象系统、地理信息系统等的外源性数据也是智能电网建设和运行决策需要的关键信息。随着智能电网自身的发展,与外部的交互会不断加强,外源性数据的占比也会逐步提高。
2 智能电网大数据处理技术
2.1 数据处理
智能电网的数据源众多,产生数据结构不一,难以直接进行分析。数据处理分3步对数据进行处理:首先对数据源的数据进行清洗、重构,以保证数据的质量及可用性;然后对数据进行抽取、集成,提取各数据间的关系;最后采用电力数据统一公共模型将数据存储起来,供后续分析使用。
2.2 数据计算
智能电网数据分布范围广,在电网内部网络和硬件设备等计算资源有限的条件下,需采用分布式计算技术对数据进行处理,具体来说则是需建立电力云计算平台。通过电力云计算平台整合数据资源和硬件资源,为产生的大量数据提供足够的存储空间,同时借助云计算技术提供超级计算能力,从而为实现系统互联和数据共享提供强大的技术支持和技术保障。
2.3 数据分析
数据分析是大数据技术的核心。由于智能电网产生的数据量极大、范围极广,数据的价值密度相对较低。数据分析的目的是根据使用者的需要,采用机器学习、深度神经网络等技术,通过对结构化的数据进行分析、聚类,寻找出数据中有价值的信息,对决策起辅助作用。
2.4 数据展现
通过数据分析从海量的数据中提取出用户关心的信息后,应该将其直观形象地展现给用户。通过可视化技术合理地选择数据的展示方式,能显著提高电力数据的易读性,帮助调度、运维人员更加直观、准确地了解系统当前的运行状态。
除了传统的图表式展现方式,三维展示技术也可结合智能变电站的建设而加以应用。将智能变电站的设备及其相关参数、运行数据进行一体化的三维展示,将是变电运维领域的一大突破。
3 大数据技术在智能电网的应用方向
根据服务对象的不同,电力大数据技术有以下几个应用方向:
3.1 应用于电网运行
电网的稳定运行依赖于发电侧出力与用户侧负荷的平衡,利用大数据技术对电网运行的实时数据进行监控和分析,可及时实现电厂出力及短期负荷的精准预测,实现调度部门的精准调控,保障电网稳定运行。同时,在线路损耗计算、电网异常监测等方面,大数据技术也有应用空间。
3.2 应用于设备评估
本质上,当前在电力企业应用的电力设备状态评估方法是一种事后的评估方法,即根据设备发生缺陷后的表象,评估该缺陷的严重等级,并以此推断设备运行的可靠性。
运用大数据分析技术,融合设备自身参数、设备运行数据、外部影响条件等,可分析出设备在不同运行工况下的可靠性指标及主要影响因素,更加有效地掌握电力设备的运行状态,预判可能存在的风险。基于大数据分析的设备状态实时评估可以对设备运维策略、系统运行方式提供清晰的决策依据。
3.3 应用于用户管理
利用大数据技术,能够对外部的市场需求等信息进行分析,根据客户群体的不同,提炼出对客户群及其需求的分布情况。以此为参考,可根据客户的不同需求提供更加精准的针对性服务,提高电力营销的水平和质量。同时,电力企业可以对自身的数据进行分析,在接入外部市场信息后,通过内外信息比对,可以分析出企业产出与市场需求的匹配程度,以此指导企业的经营,提高企业竞争力。
4 大数据技术应用典型案例
4.1 新能源发电出力预测
新能源正常并网的一个重要制约因素是出力预测误差较大,以风电为例,根据相关的研究,目前出力预测日前误差约为20%,实时误差约为5%,如此大的误差非常不便于电网调度。针对新能源出力难以精确预测的问题,IBM集团已提出完善的解决方案,在计算模型中加入了地理信息、气象条件、卫星图像、潮汐相位等来源多样、结构复杂的海量数据,以分析结果指导风力涡轮机布局,有效提高风电厂出力的预测精度,同时对发电效率的提升也有所帮助。该方案已在丹麦的Vestas风力技术集团得到应用,实践证明该方案的经济效益可观。
4.2 设备故障预测
主变出现故障导致被迫停运是威胁电网正常运行的重要因素,尤其在用电高峰期,主变停运使区域电网用电紧张程度急剧增加。在提高主变故障的主动发现能力方面,国内已有团队开展了相关研究并取得了成果。变压器油温故障趋势侦测流程如图1所示,首先收集变压器历史数据和实时数据,形成全数据源;其次,开展相关性计算,针对“主变油温故障”的结果,挖掘出与其关联最强的因素;最后,进一步计算每个因素导致结果的概率,并根据专家系统诊断结果进行调整。最终可得出导致主变油温故障的5个要因及其告警阈值。在模型构建完成后,只要当某一因素的计算阈值高于预警系数,系统便会发出告警,提醒运维人员及时干预。
5 结语
大数据技术正不断深入电网领域,在电网运行、设备管理、用户管理等方面起到了重要作用。随着智能电网的建设,继续加深大数据技术与电网的融合,可提高电网运行质量,提高电网设备运维管理的智能化水平,促进我国电力系统发展。
[参考文献]
[1] 曲燕燕,蒋玲芳,林烽.论大数据技术在智能电网中的应用[J].中国新技术新产品,2016(22):14-15.
[2] 王健.智能电网大数据技术在电网资产管理中的应用[J].科技经济市场,2018(5):7-8.
[3] 王伟.智能电网建设中大数据技术的应用研究[J].科技风,2019(7):57.
[4] 冷喜武,陈国平,蒋宇,等.智能电网监控运行大数据应用模型构建方法[J].电力系统自动化,2018(20):115-122.
[5] 孙鸿飞,弓丽栋,张海涛,等.智能电网大数据分析框架及其应用演进研究[J].现代电力,2016,33(6):64-73.
[6] 刘广一,朱文东,陈金祥,等.智能電网大数据的特点、应用场景与分析平台[J].南方电网技术,2016,10(5):102-110.
收稿日期:2020-04-06
作者简介:吴润(1984—),女,广东湛江人,工程师,研究方向:电力大数据。
关键词:大数据;智能电网;数据处理;应用方向
0 引言
随着工业升级以及人民生活水平的不断提高,人们对电力供应的质量与稳定性有着越来越高的要求,传统的电网建设与运行模式将越来越不适应时代发展要求,高度融合了传感、测量、通信等技术的智能电网成为必然的发展趋势。随着各类智能设备在电网中的应用,产生的电力运行数据较之前将高出4个数量级。面对海量的数据,只有有效应用大数据分析技术,才可对其进行分析,并输出有价值的信息,为智能电网的运行与建设提供决策依据。
1 智能电网的数据来源
智能电网的“智能”体现在系统运行状态的可观测和可控制上。“可观测”要求数据必须全面且准确,能反映系统的实时运行状态。为实现这个目标,需要在电网的发电、输电、配电、用电等各环节安装众多的数据采集装置,这些体量庞大的内源性数据是监测电网运行状态的基础信息。
除了来自电网自身的内源性数据,来自气象系统、地理信息系统等的外源性数据也是智能电网建设和运行决策需要的关键信息。随着智能电网自身的发展,与外部的交互会不断加强,外源性数据的占比也会逐步提高。
2 智能电网大数据处理技术
2.1 数据处理
智能电网的数据源众多,产生数据结构不一,难以直接进行分析。数据处理分3步对数据进行处理:首先对数据源的数据进行清洗、重构,以保证数据的质量及可用性;然后对数据进行抽取、集成,提取各数据间的关系;最后采用电力数据统一公共模型将数据存储起来,供后续分析使用。
2.2 数据计算
智能电网数据分布范围广,在电网内部网络和硬件设备等计算资源有限的条件下,需采用分布式计算技术对数据进行处理,具体来说则是需建立电力云计算平台。通过电力云计算平台整合数据资源和硬件资源,为产生的大量数据提供足够的存储空间,同时借助云计算技术提供超级计算能力,从而为实现系统互联和数据共享提供强大的技术支持和技术保障。
2.3 数据分析
数据分析是大数据技术的核心。由于智能电网产生的数据量极大、范围极广,数据的价值密度相对较低。数据分析的目的是根据使用者的需要,采用机器学习、深度神经网络等技术,通过对结构化的数据进行分析、聚类,寻找出数据中有价值的信息,对决策起辅助作用。
2.4 数据展现
通过数据分析从海量的数据中提取出用户关心的信息后,应该将其直观形象地展现给用户。通过可视化技术合理地选择数据的展示方式,能显著提高电力数据的易读性,帮助调度、运维人员更加直观、准确地了解系统当前的运行状态。
除了传统的图表式展现方式,三维展示技术也可结合智能变电站的建设而加以应用。将智能变电站的设备及其相关参数、运行数据进行一体化的三维展示,将是变电运维领域的一大突破。
3 大数据技术在智能电网的应用方向
根据服务对象的不同,电力大数据技术有以下几个应用方向:
3.1 应用于电网运行
电网的稳定运行依赖于发电侧出力与用户侧负荷的平衡,利用大数据技术对电网运行的实时数据进行监控和分析,可及时实现电厂出力及短期负荷的精准预测,实现调度部门的精准调控,保障电网稳定运行。同时,在线路损耗计算、电网异常监测等方面,大数据技术也有应用空间。
3.2 应用于设备评估
本质上,当前在电力企业应用的电力设备状态评估方法是一种事后的评估方法,即根据设备发生缺陷后的表象,评估该缺陷的严重等级,并以此推断设备运行的可靠性。
运用大数据分析技术,融合设备自身参数、设备运行数据、外部影响条件等,可分析出设备在不同运行工况下的可靠性指标及主要影响因素,更加有效地掌握电力设备的运行状态,预判可能存在的风险。基于大数据分析的设备状态实时评估可以对设备运维策略、系统运行方式提供清晰的决策依据。
3.3 应用于用户管理
利用大数据技术,能够对外部的市场需求等信息进行分析,根据客户群体的不同,提炼出对客户群及其需求的分布情况。以此为参考,可根据客户的不同需求提供更加精准的针对性服务,提高电力营销的水平和质量。同时,电力企业可以对自身的数据进行分析,在接入外部市场信息后,通过内外信息比对,可以分析出企业产出与市场需求的匹配程度,以此指导企业的经营,提高企业竞争力。
4 大数据技术应用典型案例
4.1 新能源发电出力预测
新能源正常并网的一个重要制约因素是出力预测误差较大,以风电为例,根据相关的研究,目前出力预测日前误差约为20%,实时误差约为5%,如此大的误差非常不便于电网调度。针对新能源出力难以精确预测的问题,IBM集团已提出完善的解决方案,在计算模型中加入了地理信息、气象条件、卫星图像、潮汐相位等来源多样、结构复杂的海量数据,以分析结果指导风力涡轮机布局,有效提高风电厂出力的预测精度,同时对发电效率的提升也有所帮助。该方案已在丹麦的Vestas风力技术集团得到应用,实践证明该方案的经济效益可观。
4.2 设备故障预测
主变出现故障导致被迫停运是威胁电网正常运行的重要因素,尤其在用电高峰期,主变停运使区域电网用电紧张程度急剧增加。在提高主变故障的主动发现能力方面,国内已有团队开展了相关研究并取得了成果。变压器油温故障趋势侦测流程如图1所示,首先收集变压器历史数据和实时数据,形成全数据源;其次,开展相关性计算,针对“主变油温故障”的结果,挖掘出与其关联最强的因素;最后,进一步计算每个因素导致结果的概率,并根据专家系统诊断结果进行调整。最终可得出导致主变油温故障的5个要因及其告警阈值。在模型构建完成后,只要当某一因素的计算阈值高于预警系数,系统便会发出告警,提醒运维人员及时干预。
5 结语
大数据技术正不断深入电网领域,在电网运行、设备管理、用户管理等方面起到了重要作用。随着智能电网的建设,继续加深大数据技术与电网的融合,可提高电网运行质量,提高电网设备运维管理的智能化水平,促进我国电力系统发展。
[参考文献]
[1] 曲燕燕,蒋玲芳,林烽.论大数据技术在智能电网中的应用[J].中国新技术新产品,2016(22):14-15.
[2] 王健.智能电网大数据技术在电网资产管理中的应用[J].科技经济市场,2018(5):7-8.
[3] 王伟.智能电网建设中大数据技术的应用研究[J].科技风,2019(7):57.
[4] 冷喜武,陈国平,蒋宇,等.智能电网监控运行大数据应用模型构建方法[J].电力系统自动化,2018(20):115-122.
[5] 孙鸿飞,弓丽栋,张海涛,等.智能电网大数据分析框架及其应用演进研究[J].现代电力,2016,33(6):64-73.
[6] 刘广一,朱文东,陈金祥,等.智能電网大数据的特点、应用场景与分析平台[J].南方电网技术,2016,10(5):102-110.
收稿日期:2020-04-06
作者简介:吴润(1984—),女,广东湛江人,工程师,研究方向:电力大数据。