电网调控大数据平台体系架构及关键技术

来源 :电网技术 | 被引量 : 0次 | 上传用户:eaglesword
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
以数字化技术和能源互联网理念为驱动的“数字新基建”对现有调度自动化系统的数字化转型提出新的挑战,该文考虑调控数据存储规模、数据加工复杂度和数据服务多样化的需求,提出电网调控大数据平台的体系架构.在此基础上,研究了多源调控数据集成与融合、异构数据库分层统一存储、调控数据资产管理、大数据算法引擎等关键技术,实现全业务、全场景的电网调控数据汇集、加工和资产管理.该技术方案为调控云智能分析应用提供了存储、数据和算法的有力支撑.
其他文献
为了提高风电功率的预测精度,提出了一种基于最优变分模态分解(optimal variational model decomposition,OVMD)、麻雀算法(sparrow search algorithm,SSA)、深度极限学习机(deep extreme learning machine,DELM)和灰色模型(grey model,GM)的超短期风电功率预测方法.该方法通过OVMD对原始风电功率时间序列进行自适应分解;然后针对各分量建立DELM预测模型并利用SSA算法进行参数寻优,并对各个分量的预
“源-网-荷”协调性评估有不同视角,从电网安全性角度,潮流分布是三者共同作用的结果,也是制约功率平衡能力的主要因素.前期研究表明,当有功路径的功角均衡时,主网静态安全性最好,但路径功角获取不易.实践经验表明,主网的线路有功负载率均衡性与路径功角均衡性一般正相关;当其较均衡时,主网静态安全性较高.故关键是针对时变潮流分布,如何评估可变时间窗内的线路负载率均衡性.研究发现,在构建主网线路的有功负载率时序矩阵并对其进行奇异值分解后,其主导阵蕴含了负载率总体动态均衡的关键信息,而次要阵则包含了不协调线路的负载率时