大数据背景下智能电网动态电力监控研究＊

王媛，李军祥，程远诗，邢莉

（上海理工大学，上海 200093）

大数据背景下智能电网动态电力监控研究＊

王媛，李军祥，程远诗，邢莉

（上海理工大学，上海 200093）

本文针对我国电力使用过度集中造成的电力不稳定，供电压力骤增以及电力闲置造成电力浪费等主要问题，通过研究在大数据这一背景下如何有效实行智能电网动态电力监控，如何运用同步相量测量单元、高级计量架构等关键技术方法优化配用电网系统并提升电力供应的质量和可靠性，通过利用实时反馈的用电量及价格，控制消费者的用电量，将用电量控制在一个稳定的范围内，有效提高电网终端用电效率，平滑电网负荷曲线，降低电网负荷压力及电能损耗。

智能电网；大数据；同步相量测量单元；高级计量架构

1 引言

大数据是指对规模巨大、来源复杂的数据进行高速捕捉发现和处理分析，用合理有效的方法提取数据中的价值的技术体系。智能电网作为大数据应用的重要领域之一，以其先进的设备技术、先进的控制方法以及先进的决策支持系统技术，实现电网的安全可靠、经济高效的目标，满足当代用户对电能质量的各方面需求。

智能电网大数据研究方法与电力系统传统的基于数据计算分析的方法相比，在解决问题的方法和研究过程方面都有很大不同：传统数字化电网侧重于监测系统稳态运行情况，大约提供4s刷新一次的稳态数据，通常基于抽样数据根据辅助决策进行人工控制。而大数据方法则采用尽可能多的数据进行分析处理，具备信息及时处理能力，运用多种通信介质实现双向集成的通信，快速准确地获取系统运行信息，即时传送电网的动态数据，从而获得消费者用电实时数据。

2 我国电网发展现状

近年来，随着经济增长的速度越来越快，电力消费的水平也越来越高，我国经济增长与电力消费之间的关系越来越受到广泛关注。随着用电量的大幅度上升，电力能否正常供应则成为至关重要的问题。

针对我国电力供应的现状问题，电力公司采用峰谷分时电价进行调控以解决电力使用不均衡的状况。

然而从近年来电力消耗的情况来看，仅使用削峰填谷措施进行调控显然不能满足我国电力高能耗的现状，目前电力能源的消耗依旧呈现高峰低谷的态势。基于传统削峰填谷的模式在大数据背景下动态监控电力，使电力公司在能够动态监控电力使用状况的同时，可以实时将电力使用状况和电价等数据准确地反馈给用电方，以便用电方根据情况调整自己的用电行为，确保电力能源的稳定使用，缓解电力公司的供电压力。

3 发展智能电网关键技术

3.1 电力大数据的集成与分析处理技术

电力系统是极为复杂的系统之一，它具有遍布范围广，从不停止地实时运行，发电用电能量实时平衡等特点。所以电力系统产生的数据是典型的大数据，完全符合大数据数量庞大、增长速度快、类型多且复杂的特征。因此，如何整合处理大数据是智能电网发展过程中一个重要的挑战。

与传统数字化电网相比，智能电网通过整合处理大量的实时动态数据来体现自身的智能化。处理电力大数据第一步就是对大数据的集成整理，在海量的大数据里为确保数据的可靠性对数据进行过滤清洗，从中提取出实体和关系，经过关联和聚合之后采用统一的结构来存储这些数据。NoSQL数据库技术是储存大数据的重要技术之一，它采用分布式数据储存方式，对处理数据的限制极少，简化了储存过程，使它具有了极高的灵活性和扩展性，解决了大数据的存储难题。对于电力大数据的分析技术，是传统数据挖掘技术在大数据时代的新发展。传统的数据挖掘技术只适用于处理小样本数据，无法对电力大数据进行确切的分析。在海量多态电力大数据背景下，可以并行传统的数据挖掘方法，例如基于MapReduce的机器学习与知识挖掘。

3.2 同步相量测量单元(PMU)获取实时数据

通常电网的稳定按性质可分为三类：功角稳定、电压稳定和频率稳定。而最直接的判断方式就是功角稳定，其中发电机端母线电压相量及发电机功角（发电机功率角）状况是系统运行的主要状态变量，是监视整个电网是否稳定运行的主要判断依据，而为了将相量测量系统子站测量到的实时数据传送到主站，以供分析、监测等功能，同步相量测量单元（PMU）就成为了进行同步相量的测量和输出以及进行动态记录的重要装置，也是智能电网实现在线监控与实时调度的重要测量部件。大数据背景下，可以利用PMU构建电力系统实时动态监测系统。该技术通过实时测量发动机功角信息以准确记录电网扰动和失稳轨迹等重要数据，同时捕捉电网的低频振荡，即基于PMU进行高速实时通信（每秒可高达100 Hz数据）以便较快地获取系统运行信息，即时传送电网的动态数据，从而获得消费者用电的实时数据。

3.3 高级计量架构(AMI)实现信息双向流通

AMI由智能电表、通信系统和电表数据管理系统组成，是智能电网的基础设施。它使用智能电表通过多种通信设备，按照需求或已设定的方式测量、收集并分析用户的用电数据。用户可以根据电价变化来选择用电时间，从而使用户从单一被动的电力消费者变为电网运行控制的积极参与者。如表1所示，AMI不同于传统的AMR (Automatic Meter Reading，自动读表) 技术，它是AMR 的新发展。

表1 AMR和AMI的区别

在智能电网中，通过PMU技术得到准确的消费者用电实时数据后，利用AMI(高级计量架构)在消费者和电力公司之间建立一种自动双向流通架构，为电力公司提供实时的能耗数据，为用户提供实时电价和用电信息，并且允许用户在使用时，以价格为基础，对电量使用做出明智的选择。在AMI架构下，将用电信息及根据用电量所设置的电价实时反馈给消费者，而对于消费者来说，电力消费成为和手机话费一样可以选择性的消费，用户可以选择不同的时段来选择用电，并可以随时查询到高峰和低谷时段的电价，配合智能化电器定时操作或远程控制，从而避免用电量持续走高或下降的情况。根据英国BERR (Department of Business，Enterprise and Regula-tory Reform)的研究报告，应用AMI系统的电力用户，每表每年可获益： 节约电能2.8%、低高峰负荷2.8%、减少分时电费5%； 转移高峰负荷收益1.44镑、减少碳排放收益1镑。

4 以上海工业用电为例进行分析

现阶段，我国工业输变电网系统负荷大、分布广，用电高峰期和低谷期分布时段非常明显。因此在用电高峰和低谷时段电压波动很大，会在很大程度上浪费电能，不但增加了电耗，也影响到用电设备的使用寿命和用电安全。

以上海市某区非夏季某天工商业用户的用电模拟数据为例，将实行分时定价与采用PMU和AMI进行实时定价控制进行模拟对比，见图1和图2所示。

从根据模拟工业用电量数据得出的图1信息可以看出，基于辅助决策进行人工控制的传统数字化电网侧重于监测系统的稳态运行情况，当电量持续走高时无法及时用合理有效的方法手段使之趋于正常范围（拟定10-80 kw）内，电量会持续走高并可能超过电网所能承受的正常范围。在控制方法上，传统数字化电网采用削峰填谷的控制方法，即在电量超过电网所能负荷的正常范围（拟定10-80 kw）之后，采用提高电价的方式令用电方减少用电量从而达到电量回到正常范围内波动，反之亦然。经分析得出：传统数字化电网采用削峰填谷的控制方法，在电量超过规定范围后采取提高电价的方式调控电力使用，既有滞后性又有暂时性的弊端，并未有效解决用电量不均和波动范围大等问题。

基于大数据的智能电网具有动态电力监控、实时反馈信息的功能，从图2中看出，当用电集中时，传感器将测量出的用电集中这一信息反馈给供电方，供电方利用智能电网的预测、分析、诊断等功能，实时对电价作出调整。用户利用AMI系统的信息双向流通性得到电价提高这一信息从而降低自己的用电量，减轻用电高峰期的用电压力。同样，当电力开始呈现低谷趋势时，供电方做出降低电价的调整，从而激励用户提高用电量，从而使电力的使用达到稳定的态势。

图1 实行分时电价控制用电量走势

图2 实行实时电价控制用电量走势

图2的结果是根据模拟静态用电数据所得的理想状态，现实中电力系统是典型的动态过程，如图2的理想稳定状态难以完全达到，但根据文献[9]可以得知，PMU相量算法在计算动态相量时会出现平均化效应，实验中可以通过将时标打在时间窗中部减少平均化效应带来的误差，若全部利用PMU动态测试系统（即可以将所有测试中的时间标打在时间窗中部的测试系统）对用电情况进行监控，测量精度会大幅提高，则所得出的测试结果将与图2极其接近。所以，虽不能在动态过程中将用电量控制在绝对稳定的某一具体范围，但相比实行分时电价出现的滞后性、暂时性为电力系统带来的损耗压力，实行实时动态电力监控，可以通过进一步控制实时电力时标记录的位置，提高测量结果的精度，提供双向信息流通渠道，能有效提高用电效率，使电力系统更为稳定。

5 结束语

通过本文分析，在大数据这一背景下实行有效的动态电力监控智能电网监管模式是非常必要的。通过对比传统智能电网监控与新型实时动态电力监控智能电网发现：传统电网监控所运用的削峰填谷的方法是出现问题并解决问题，而实时监控更有助于通过实时数据反馈，将用户用电量控制在一个合理的范围内，而减少超出预期的过高或过低的用电量，从而均衡各个时段的用电压力。

[1] 陈淘， 刘利兵. 大数据技术在智能电网中应用[J]. 物联网技术， 2016(4)：54-57.

[2] 宋亚奇， 周国亮， 朱永利. 智能电网大数据处理技术现状与挑战[J]. 电网技术， 2013，37(4)：927-935.

[3] R. Bayindir， I. Colak， G. Fulli， et al. Smart grid technologies and applications[J]. Renewable &sustainable energy reviews. 2016，66(8)：499-516.

[4] 程颖， 李德盛. 基于大数据的电力信息技术发展探讨[J]. 科学时代， 2014，24：429-431.

[5] 彭小圣， 邓迪元， 程时杰， 等. 面向智能电网应用的电力大数据关键技术[J]. 中国电机工程报， 2015，35(3)：503-511.

[6] K.Shim. Algorithms for big data analysis[J]. Proceedings of the VLDB Endowment， 2012，5(12)：2016-2017.

[7] 莫荣辉. 电力系统同步相量测量单元(PMU)应用和维护[J]. 电子测试， 2013，24：108-110.

[8] A. Ahmad. A smart grid security architecture for wireless advanced metering infrastructure (AMI)[J]. International Journal of Information Security and Privacy， 2016，10(2)：1-10.

[9] 毕天姝， 刘灏， 杨奇逊. PMU算法动态性能及其测试系统[J].电力系统自动化， 2014，38(1)：62-67.

[10] 章鹿华， 王思彤， 易忠林， 等. 高级计量架构(AMI)对智能电网下供用电关系的影响[J]. 电测与仪表， 2011，48：33-36.

[11] 路保辉， 马永红. 智能电网AMI 通信系统及其数据安全策略研究[J]. 电网技术， 2013，37(8)： 2244-2249.

[12] 于娜， 于乐征， 朱景明. 峰谷分时电价下过程工业用户的用电响应模型[J]. 东北电力大学学报， 2014，34(4)：17-21.

Study on dynamic power monitoring of smart grid in the era of big data

WANG Yuan, LI Jun-xiang, CHENG Yuan-shi, XING Li
(University of Shanghai for Science and Technology, Shanghai 200093, China)

This paper descirbes the problems caused by excessive concentration of power such as instability of power invironment, the power supply pressure surge, idle power waste and so on in China.Based on given backround, in the paper we analyze how to use big data to practice dynamic power monitoring of smart grid, how to use the method of phase measurement unit (PMU), adcanced metering infrastructure(AMI)and other key techonologies to optimize power system and improve the power supply quality and reliability. Besides, we also disscusse using real timefedback power consumption and price to control the power consumption in a stable range, which brings the advantages of improving the efficiency of power network terminal, smoothing power load curve and reducing the load pressure and power loss effectively.

smart grid; big data; phasor measurement unit; advanced metering infrastructure

TN99

A

1008-5599（2017）11-0049-04

2017-02-27

国家自然科学基金项目(编号. 71572113，71432007，71532015， 71202065)，上海市高峰高原学科项目(No. XTKX2012， S1201YLXK)，上海市大学生创新项目 (No. SH2016064， XJ2016088， XJ2016092)。