电力系统自动化运行状态监控云平台研究

魏勇军+黎炼+张弛+朱海兵

摘 要： 对目前电力自动化设备监控系统的不足之处做了简要分析，并以云计算技术架构为基础，提出改进的电力系统自动化监控云平台，以此来整合分散的二次业务系统资源。通过广州地区实际工作情况的分析结果表明，该监控云平台不但保证了电力自动化系统的安全性和稳定性，而且促进了智能电网自动化运维水平的不断提高。

关键词： 智能电网； 云计算； 电力自动化系统； 监控云平台； 自动化运维

中图分类号： TN915.853?34； TP393 文献标识码： A 文章编号： 1004?373X（2017）15?0153?06

Abstract： The deficiencies of the current monitoring system of the electric power automation device are analyzed briefly. On the basis of the architecture of the cloud computing technology， the improved automatic monitoring cloud platform of the electric power system is put forward to integrate the scattered resources of the secondary business system. The analysis results of the practical working condition in Guangzhou region show that the monitoring cloud platform can guarantee the security and stability of the electric power automation system， and improve the automatic operation and maintenance level of the smart grid.

Keywords： smart grid； cloud computing； electric power automation system； monitoring cloud platform； automatic operation and maintenance

0 引 言

隨着电力系统的发展，调度自动化系统的技术保障和服务支撑的作用日益显著。电力系统市场化的发展，使得电力系统自动化程度不断提高，智能设备在电力系统中的应用越来越多。在电力系统运行过程当中，智能应用设备纵向、横向联系紧密，相互制约，关系特别复杂。业务系统的增多给运维带来了很大压力，由于传统监视系统自身的局限性，各监控系统告警信息及运行工况分散于多个监控终端上，无法集中查询、监视；同时，由于缺乏对系统运行工况指标事前预防性检查、报警的手段，专责定期检查、巡视的任务十分繁重，质量不高；应用系统自身缺乏对关键数据跳变、不刷新、越限等异常完善的判别手段和策略，严重影响了电力自动化系统的运行效果和安全生产[1]。综合监控系统为推动电网运行管理逐步向自动化、综合化、集中化、智能化方向发展提供了有力的信息技术保障，因此具有广阔的应用前景。

针对上述问题，国内许多学者进行了集中监控、管理的研究。除了强调对SCADA数据和通信状态监测报警的报警研究[1?2]，还有系统重点研究AGC（Automatic Generation Control）单一功能的性能评估[3]，同时有的系统通过手机短信实现了集中告警[4]，以及基于CC2000系统进行告警信息发布[5]。文献[6]为了提高电网可靠性，提出针对性强的评估方法，为监控平台提供了理论支撑。随着电力二次系统安全防护体系的建设，对安全设备的报警和工况信息进行集中评估和监控也成为研究的热点[7?11]。上述系统针对特定的应用系统和需求开发，功能较为单一，在需要接入多个应用系统、监视需求复杂时难以适应，本文提出基于云计算技术的电力系统自动化运行状态监控平台，不仅在线监测状态数据（时序数据和视频），还包括设备基本信息、试验数据、故障信息等，数据量极大，可靠性和实时性要求高。

1 电力系统监控云平台设计目标

云计算架构主要分为平台服务、软件服务、架构服务三层。我国现有电力系统的运行特点在结构上以省级电网为一个独立单位，通过联络线互联使整个大电网协调运行，各省级电力调度中心拥有并维护所辖电网的详细参数。电网的扩大和具有更快采集速率的采集装置的出现，使得未来系统对在线动态分析和控制所要求的计算能力将大大超过当前的实际配置。如果只是增加计算处理资源，则投资成本过大，而且导致系统实时性大大降低。

为了解决上述问题，基于我国电力系统内部广域网的完整性，可以利用现有的广域网建立电力系统私有云，结合优化的控制算法，该私有云可以最大限度地整合现有的数据资源和处理器资源，为系统提供超级计算能力，并且云存储和计算资源的访问可以完全由电力系统私有控制，而不是由公有的云计算服务提供商控制，从而实现完全的物理隔离，保证数据的安全性。

针对日趋分散的二次系统、数据、资源，本文提出电力系统自动化监控云平台，作为省级电网的综合监控平台，省级以下所有分散的电力二次系统基于该平台进行统一调度，设计的电力系统监控云平台满足合理、高效、结构清晰的特点，同时具备可维护性、可扩展性、开放性、兼容性，能够为不同的软、硬件厂商提供良好的合作平台。该调度平台具体包括：

（1） 为分散的电力大数据提供统一的存储平台。利用分布式文件系统为省级以下二次系统产生的数据进行统一存储管理，数据包括各二次系统的系统日志、系统服务状态、系统资源、进程状态、任务执行情况、系统产生的报警信息。

（2） 对采集的海量数据进行分类管理。对采集的不同类型的数据进行归档分类，建立专题应用库，例如，对分散的二次系统产生的报警日志建立报警日志应用库，后期方便利用机器学习工具对专题数据进行挖掘分析，提高数据的利用率。

（3） 建立数据分析工具库。随着电力二次系统规模的变大，其产生的电力数据呈指数级增长趋势，为了能从海量的电力数据中挖掘出有用信息，基于电力系统自动化监控平台建立数据分析工具库，利用先进的机器学习工具[12]、数据挖掘工具[13]、人工智能[14]工具对不同的业务数据进行挖掘，为决策层提供决策支持。

（4） 该系统具有开放灵活的体系结构，能够方便子系统及第三方数据接入。

（5） 电力系统自动化监控平台应支持多种数据格式、日志格式，集成多种协议接口，减少其他系统接入时的工作量。

（6） 电力系统自动化监控平台应用先进的可视化技术。该系统主要面向运行维护人员，因此为了突出实用性，该监控平台应用科学先进的可视化技术为运维人员提供全面的技术支撑，以此提高电力系统运行的稳定性。

2 电力系统监控云平台系统结构

电力系统监控云平台采用分布式多层结构，将同类业务模块化，提高系统的并行处理能力，具体的电力系统监控云平台架构如图1所示。

从图1中可以看出，电力系统监控云平台主要分三层架构：采集层、核心层、展示层。采集层的主要功能是接收安管平台、网管平台及自动化系统的相关数据，并将数据转发给核心层相应的服务器进行处理。采集层主要由三个采集器构成，分别是：安管采集器，负责接收安管平台的告警、性能、风险、漏洞和资源信息等相关数据；网管采集器，负责接收网管平台的告警、性能和资源信息等相关数据；自动化系统采集器，负责接收自动化系统，如DF8003的告警、量测和基础业务信息等相关数据。通过统一的信息库对各类实时、历史及分析型数据进行集中存储。核心层的主要功能是分析、处理来自采集层的数据处理请求，该层主要包含如下几点核心功能：核心庫，负责接收、分析各种数据请求，如告警的分析、处理、性能或量测数据的分析、处理，及系统的核心服务，如告警的短信通知服务、数据的定期备份及清理等功能；业务服务，负责处理来自用户界面的各种请求，如告警处理操作、告警显示过滤和告警通知策略等；业务数据加工处理，负责对自动化系统的量测数据进行二次加工处理以满足运维管理需求；数据库（持久层），利用HDFS，HBase存储系统所有相关数据。展示层主要供用户操作查询使用，主要包括业务系统运行状态监视、告警监视、性能监视、资源报表、历史数据查询、实时数据查询等相关功能。系统的设计和建设满足《南方电网电力二次系统安全防护技术规范》、《南方电网一体化电网运行智能系统安全防护基线规范》等相关安全防护的规定和要求，满足安全分区、网络专用、横向隔离、纵向认证的安全防护要求。

系统数据总线遵循SOA架构体系，支持多种操作系统平台，数据总线应具备高度可扩展的特性，支持WebService，JMS/CMS，HTTP/SOAP，Socket等协议；系统软件按面向对象设计开发，遵循分层构件化及应用模块化的设计原则。通过软件支撑平台实现应用在异构硬件平台及不同操作系统上的分布式部署。

3 电力系统监控云平台功能结构

3.1 电力系统监控云平台安全监控系统

电力二次系统安全防护分区共有4个分区。安全区Ⅰ为实时控制区；安全区Ⅱ为非控制生产区；安全区Ⅲ为生产管理区；安全区Ⅳ为管理信息区。信息的管理在数据采集层进行统一维护，因此，为了保证部署在电力系统监控云平台上各类监控系统的安全，该平台安全监控系统重点对安全区Ⅰ/Ⅱ/Ⅲ进行管理，架构示意图如图2所示。其中安全Ⅱ区为生产大区数据汇总处理区，负责汇总Ⅰ，Ⅱ区业务系统以及直采厂站的运行数据，并保存入库；安全Ⅲ区为综合应用区，负责Ⅰ，Ⅱ，Ⅲ区运行数据汇总、综合分析、展示以及与上下级运行管控系统纵向互联。省级以上系统宜在各安全区独立部署采集服务器；地级系统可根据实际情况，Ⅰ，Ⅱ区共用采集服务器。

安全Ⅰ/Ⅱ区监控界面的使用场景实时监视自动化系统及基础设施的运行状态，使用人员主要是监控人员。该界面的主要功能包括：

（1） 对自动化系统、基础设施的运行状态，包括告警信息、量测或性能信息、安全、风险、漏洞等数据进行监视及相应的处理。

（2） 管理自动化系统的部分资源信息，如服务器、网络设备、安全设备等主站端的硬件设备，及业务系统、数据库、中间件、风险、漏洞等软件资源信息。

（3） 提供系统的基础管理功能，如系统的基础运行参数管理、权限管理、用户管理和日志管理等基础管理功能。

具体安全Ⅰ/Ⅱ区监控界面功能分布图如图3所示。

安全Ⅲ区管理界面的使用场景是查询、分析自动化系统和基础设施的运行状态数据，以及日常运维管理功能，使用人员主要是领导及相关的管理人员。该界面的主要功能包括：汇总展示自动化系统及基础设施的运行状态；日常运维工作管理主要包括有工作日历管理、排班管理、交接班管理及其他实用化功能等；能查询及分析统计自动化专业相关的资源数据、告警数据和量测或性能数据并输出至报表；能统计出过去某时间段内自动化系统和基础设施的运行情况（可用率）并能形成运行报告；能自动生成日常自动化系统的巡检报表。具体安全Ⅲ区监控界面功能分布图如图4所示。

3.2 电力系统监控平台告警查询系统

告警信息的查询包括系统实时告警信息查询及历史告警信息查询，告警信息至少包括：告警来源、告警类型、告警级别、告警内容、告警发生时间等内容[15]。

当前告警监视画面以列表方式实时展示最新的告警信息，不同级别的告警用不同背景或字体加以区分，当有新来告警时，能以声、光等形式提醒；画面还提供按告警类型、告警级别、告警来源等方式进行过滤筛选，方便监控人员快速浏览，支持将当前告警信息导出至Excel。

一般的电力采集数据均存放于关系型数据库，例如，MySQL，SqlServer，Orcal等，传统的关系型数据库在查询100万条以内的数据量有很好的查询结果。随着电力数据呈指数级增长，传统数据库表中的数据量迅速增长，导致数据库查询效率降低，此时对数据库进行“水平分区”，但分区提高的查询效率有限，并不能满足告警信息实时查询的业务需求，同时，水平分区增加了技术复杂度，增大了数据安全的风险。

电力系统监控云平台为了满足告警系统实时性的要求，在数据查询时提出利用NoSQL数据库作为底层数据库管理系统。

HBase是使用最为广泛的NoSQL数据库，它是一个分布式的面向列的开源数据库[16?18]，不同于一般的关系数据库，它是一个适合于非结构化数据存储的数据库，随着电力系统自动化的推广，非结构数据也呈指数级增长趋势。传统数据库是基于行查询设计的，查询时需要全表或全区扫描；HBase是基于列查询设计的，查询时只需扫描指定的列，大大缩短了查询时间，对于亿级数据查询均能实现毫秒查询。HBase表结构如表1所示。

HBase以表的形式存储数据，表由行和列组成。列划分为若干个列族（row family）。在HBase中，row key是用来检索记录的主键，Hbase表中的每个列都归属于某个列族，如表1中，column?family是HBase表中的一个列族，该列族下有两个列，分别为column1和column2。同时，为了保证用户多个版本的数据，HBase表中利用时间戳timestamp显示区别用户的数据版本。因此，在HBase中某一条数据需利用四维约束进行确定：

{row key，column?family，column，timestamp}

利用HBase查询时，数据库查询引擎可以根据以上四维约束过滤掉大部分的数据，同时由于HBase可以根据阈值实现动态分区，极大地提高了查询效率。

电力二次系统告警信息至少包括：告警来源、告警类型、告警级别、告警内容、告警发生时间、告警结束时间等内容。利用HBase表管理告警信息，建立表warning，考虑到告警信息查询一般根据日期分类，因此将日期data作为HBase表row key，warning_information作为column?family，具体告警信息作为column；timestamp在数据写入时由系统自动赋值，此时时间戳为当前系统时间。具体表的字段如下：

row key： data

column?family： warning_information

column：

{

warning_source //告警来源

warning_type //告警类型

warning_level //告警级别

warning_content //告警内容

warning_begintime //告警发生时间

warning_endtime //告警结束时间

}

电力二次系统告警信息HBase表结构如表2所示。

创建表语句如下：

create ′warning′， ′data′， ′warning_information′

在系统应用过程中利用表2能实现毫秒级查询告警信息。

目前该框架已经在南方电网广州地区监控云平台调试中，将SCADA/EMS，TSA，IDP，OMS等系统自动收集的风险数据，周期性地进行风险指标的评估与定级，并初步实现离线预警控制功能。由于该地区易发雷雨、风暴等自然灾害，尽管水力蕴藏丰富，但是季节性水位变化明显，且发电资源相对匮乏，电力均需其他地区供应。结合上述特点，建立南方电网广州地区多维度的电网安全风险管控体系，如图5所示。在目标维度上，建立输电线路停运率与自然环境相关的时变停运模型，并构建以风险评估、预警控制、应急管理为核心的全面风险管理框架；在时间维度上，动态跟踪灾害预报、电厂存煤、水库来水、网络拓扑变更、负荷异常波动等不确定因素对电网安全运行的影响，实现日前（3 d内）、小时前（1 h）、分钟前（15 min）等不断向前滚动修正的电网安全风险管控体系。

实际监控结果表明，在进行系统风险预测时，广州地区电网静态安全风险指标明显偏大，主要包括线路过载风险、母线电压越限风险等，风险预警模块及时发布了橙色风险预警，对应的可视化模块显示最大的风险源为同时进行多个检修现场，次大的风险源为多个设备存在异常情况。此时，离线预警控制模块结合具体风险因素制定了初步的预控策略，减轻了电网自动化调度的压力。在珠江电厂出现主变压器停电时，容易引起其他线路和断面潮流越限等。对于该高风险的检修方式，常采取的措施是加大其他电厂的机组出力，并控制其他断面潮流，调控前后全网静态安全风险指标的变化情况，如表3所示。

表3中，和分别表示风险前后风险值和风险指标的设定上限。可以知道，采取的预控措施大大降低了线路过载风险和母线电压越限风险，对应的风险指标分别降低至原来风险值的75.8%和82.5%，清楚地表明该控制措施对电网减缓风险具有重要意义。此外，该监控系统表明恒运电厂和黄埔电厂等存在多个设备异常情况，且持续时间超过20 d，导致系统设备故障概率增加，系统提示调度员应持续对这些高危设备进行关注，有利于督促生产部门采取相关措施对异常设备进行消缺处理，减小电力系统设备故障率，提高电力系统自动化调度效能。

4 结 语

本文针对目前电力系统自动化监控系统分散导致的数据、资源分散，提出电力系统自动化运行状态监控云平台，对分散的电力二次系统资源进行整合，将其产生的电力数据、日志、告警信息利用电力系统自动化运行状态监控云平台进行统一管理，该系统利用多层分布式架构，采用HBase数据库管理告警信息，实现告警信息毫秒级查询。将采集的模型数据和运行状态数据利用数据分析模块进行处理，最后将分析结果及时推送至监视模块，从而全面监视电力自动化系统的运行状态，减轻电力自動化系统运行维护人员的工作压力。今后应在系统报警规则定义、关联分析方面展开深入研究。

参考文献

[1] 陈超，张顺仕，尚守卫，等.大数据背景下电力行业数据应用研究[J].现代电子技术，2013，36（24）：8?11.

[2] 陈磊，黄在朝.基于物联网的输电线路状态监测技术在智能电网中的应用研究[J].现代电子技术，2012，35（21）：7?9.

[3] 蔡琼，丁帅.软件服务化背景下的云服务可信评估研究[J].计算机应用研究，2015，32（4）：967?971.

[4] 姚诸香，何群，郭玉金.利用电信手机短信实现自动化系统综合监控[J].电网技术，2003（6）：71?72.

[5] 杨宁，马煜.东北网调自动化综合监控系统的建设[J].东北电力技术，2005（1）：49?52.

[6] 周海平，蔡绍洪.含能量耗散和容量扩充的电网级联故障模型[J].计算机应用研究，2011，28（4）：1396?1399.

[7] 刘健，林涛，赵江河，等.面向供电可靠性的配电自动化系统规划研究[J].电力系统保护与控制，2014（11）：52?60.

[8] 秦红霞，谭志海，葛亮，等.智能配电网自愈控制系统技术研究与设计[J].电力系统保护与控制，2014（22）：134?139.

[9] CELEITA D， RAMOS G， PENAFIEL N， et al. Implementation of an educational real?time platform for relaying automation on smart grids [J]. Electric power systems research， 2016， 130（1）： 156?166.

[10] ZIOGOU C， IPSAKIS D， ELMASIDES C， et al. Automation infrastructure and operation control strategy in a stand?alone power system based on renewable energy sources [J]. Journal of power sources， 2011， 196（22）： 9488?9499.

[11] NI Zhen， TANG Yufei， SUI Xianchao， et al. An adaptive neuro?control approach for multi?machine power systems [J]. Electrical power and energy systems and energy systems， 2016， 75： 108?116.

[12] 陈善学，杨政，朱江，等.一种基于累加PSO?SVW的网络安全态势预测模型[J].计算机应用研究，2015，32（6）：1778?1781.

[13] 牛咏梅.基于粗糙集的海量数据挖掘算法研究[J].现代电子技术，2016，39（7）：115?119.

[14] 单冬红，郭靜博，赵伟艇.Hadoop集群作业调度算法优化技术研究[J].现代电子技术，2016，39（6）：25?29.

[15] 王德文，孙志伟.电力用户侧大数据分析与并行负荷预测[J].中国电机工程学报，2015（3）：527?537.

[16] 刘应波，王锋，季凯帆，等.基于NoSQL的FITS文件头元数据存储和查询研究[J].计算机应用研究，2015，32（2）：461?465.

[17] 王林彬，黎建辉，沈志宏.基于NoSQL的RBF数据存储与查询技术综述[J].计算机应用研究，2015，32（2）：1281?1286.

[18] 孟祥萍，周来，王晖，等.HBase在智能电网异构数据同步中的应用[J].电力系统保护与控制，2015（24）：122?128.