基于大数据的智能电网运行风险评估系统

陈 坚，唐昌华，陈 龙

（长春工业大学 人文信息学院，吉林 长春 130122）

0 引 言

电力设备运行出现故障严重影响了工业发展，因此需要对设备的状态和风险进行评估。电力设备的风险评估由各项监测数据组成，其中包括带电检测和故障统计的历史数据，对数据进行收集汇总后集中分析，为风险评估提供数据基础。对智能电网运行风险评估的主要目的在于预防电力大范围应用过程中的潜在故障和不安全因素。智能电网的风险评估需要在系统设定的时间内完成数据采集、状态维护以及故障处理等工作，然而由于智能电网设备在运行过程中存在着大量数据，因此需要经过筛选和处理才能满足风险评估的需要。为了弥补现有智能电网运行风险评估系统中评估结果不够准确的现状，将大数据技术应用其中，不仅在技术层面实现了深度融合，而且在实际应用过程中还为减少各项投入做出了贡献，值得进一步深入探讨。

1 风险评估系统硬件设计

1.1 高速交换机设计

高速交换机在智能电网运行风险评估系统设计中有着重要影响作用，由于智能电网信号对外界的电源噪声敏感度较高，需在无干扰的状态下进行，因此在高速交换机中需要安装有效的误差校正装置[1]。高速交换机自身不具备区分电源噪音和有效信息的功能，对监测到的所有信号都进行无差别放大，而应用误差校正装置后，缓冲放大功能得到有效提升，通过将噪声源放大的方式汇聚在输入端口[2]。电流输送是实现高速交换机设计的重要环节，在智能电网运行过程中，电流输送前后产生的数据是对整个智能电网运行风险评估系统设计起到承前启后作用的重要参数，并且在任何情况下的交换机端口都有独立的电网运行数据[3]。电流从高速交换机的一个端口通向另一个端口的混合区段的过程中，智能电网的输出和输入速率是完全相同的，一旦高速交换机的电压调节器开始运行，其噪声源吸收量将保持在一个恒定水平的区间内[4]。

根据风险评估系统在功率和噪声上限等方面的要求，设计高速交换机的电压调节器的系统电压为1.28～1.42 V。因为该系统的电源主要是信号电源，功率较大，对电源噪声不是特别敏感，所以由智能电网的直流电源提供。高速交换机芯片的所需电压为2.0～2.5 V，功率相对较小，对噪声较为敏感，因此必须选择线性开关和LTC1758-23芯片，避免网格开关或专用直流电源。此外，核心模块的CPU MPG8146提供的核心电压为3.17～ 3.2 V，对噪声极其敏感，但由于其电压较高，线性调节器无法承载，因此应选择专用直流电压提供电源。

1.2 运行智能电网变压器

在正常状态下，以不同程度和不同方式影响智能电网变压器运行的因素有很多。由于出厂设置参数不同，变压器运行效果也会出现差异，尤其体现在变压器的内部结构和电压等级方面[5]。为保证运行效果，选取大型油浸式电力变压器作为智能电网的运行对象，原始电压的区间范围始终在1.09～1.34 V，与监测到的实时电压相差不大，实时电源噪声集中在28.8～41.3 mV区间内，噪声容限则保持在103～112 V。根据上述变压器参数和性能运行智能电网变压器，随着运行开始，变压器中的油性物质材料在电和热的环境下析出并凝固成绝缘材料，在温度继续上升的情况下，油性分子不断发生老化和分解，此时就会产生部分活跃度较高的化学分子，经过一系列的对流和扩散运动溶解于油性固体中，因此根据变压器中的油性气体的状态就能够判断出变压器的运行状况[6]。

2 风险评估系统软件设计

2.1 构建大数据技术处理平台

构建大数据技术处理平台是实现对电网运行风险评估系统软件设计的有效途径。根据智能电网运中的数据来源和不同的数据类型，应用大数据技术搭建处理平台，针对电网数据在运行环节和实际应用方面的技术需要，在平台上实施解决方案。智能电网应用中的大数据平台具有数据采集、数据存储以及处理计算的功能，并以此为基础形成大数据技术框架，包含了电力资源分配和电网安全保障等方面的技术应用。目前，电网的各项数据来源主要是以结构化数据为主，如离线测量数据或城市人口规划数据等。应用大数据技术进行数据资源汇总与整合时，通过采集策略和工具接口无缝对接，确保数据的完整性，并按照数据输入、数据提取、数据存储以及数据分析等步骤完成平台构建。

2.2 设计风险系数评估中心

在大数据技术处理平台的基础上设计风险系数评估中心是完成风险系统评估的必要步骤。针对智能电网在运行中可能出现的故障进行预判，并提取出相关故障信息，对比正常状态下的运行数据与故障信息数据，利用大数据技术分析评估智能电网的各项指标。研究智能电网的预警信息，准确获取警告数据源头参数，从而进行实时智能电网的实时监测。在风险系数评估中心设计过程中，由于电力设备的运行风险种类繁杂，预警信息数据库也通常处于无序状态，因此对每项数据进行详尽分析是具有一定技术难度的，而应用数据技术采用归类整合的方式，根据历史风险数据进行风险评估，将数据架构类型的数据定义为同一种类型，从而减少风险评估的难度。此外，通过研究电网的接线方式增加风险预判的准确度，将故障线路划分为独立组和并联组，划分后的线路能最大程度上地避免出现重复故障问题，还能针对不同类型的风险预警将智能电网的配电范围进行分段检测，查找出智能电网整体结构中的负荷薄弱环节，利用智能电网的连通性提高故障隔离的效率，有效隔离风险预警区间。至此，风险评估中心搭建完成，并分别在电网静态稳定和动态运行的状态下通过风险系数评估中心进行风险评估。

3 仿真实验

3.1 实验准备

准备已知参数的智能配电网电力设备，选取的电力设备参数如表1所示。在上述实验环境下，将3种传统风险评估系统与文中智能配电网运行风险评估系统进行实验对比。

3.2 实验结果

基于上述实验准备，设定配电网电力设备参数不变，在4种不同评估系统下，设置额定电压110 V，统计电力设备在不同系统下的风险评估数据的准确性，数值越大准确性越高，实验结果如表2所示。

如表2所示的风险评估准确率的数值结果可知，4种不同的风险评估系统表现出不同的准确率，而文中智能电网风险评估系统的准确率比3种传统风险评估系统高出2.21%～4.75%不等，准确率更高。

4 结 论

经济发展导致电力系统规模不断扩大，用电负荷也在快速增长，电能的持续发展要求对智能电网运行风险进行评估。面对不可控的自然灾害事件，电力系统的稳定性很大程度上遭到破坏，同时技术人员操作失误和电网运行模式调整等人为因素也在时刻考验着智能电网运行的稳定性。许多企业的用电需求较大，也使得智能电网运行的风险在无形中增加，基于此本文对大数据的智能电网运行风险评估进行了系统设计，通过设计评估系统的硬件和软件来实现，从而为智能电网的运行提供了理论与实践基础。

表1 电力设备参考数据

表2 风险评估准确率实验结果