浅谈电力调控运行重要性及优化管理措施

李林宇

摘要：随着经济和电力行业的快速发展，随着人工智能的发展，智能调控的概念逐渐发展并成熟，在此背景下，电网调控应具有自愈、交互、优化、预测、协同和安全等特征。而电网调控是电网中重要一环节，对于电力系统安全稳定运行至关重要。目前，特高压交直流混联系统逐渐形成，人工调度任务烦琐、压力大，而电力调控机器人能够应用面向大电网的实时调控运行人工智能技术，对电网实现实时感知、故障分析、风险评估和立体展示等，还可协助人工调度开展倒闸操作、异常报警、发电计划调整和电力业务信息统计等工作，具有较高的实用价值。

关键词：电网调度;智能调控系统;状态监视;故障分析

引言

近些年我国经济的飞速发展，带动了科学技术的不断进步，信息技术、大数据技术以及人工智能技术被广泛应用于各行各业中，为了提升电网智能调控系统的稳定性，实现我国电网企业的可持续发展，要全面分析其发展现状，制定有针对性性的策略。分析了电网智能调控系统在发展过程中存在的问题，并提出了基于大数据及人工智能背景下电网智能调控系统框架的构建策略。

1管理问题

供电企业在实行新的管理模式之前需要对配网运行管理工作进行分析，而其中主要体现出的问题有很多自动化系统覆盖的都是66kV及以上电网，而对于10kV及以下电网所采取的监控与管理不足。同时，10kV及以下电网不能保证每一处指标考核人员都到现场进行检查，从而基层供电所在进行配电网检修计划的上报时难免会因监管不力，造成指标掺水、执行不到位的问题。另外，由于缺乏科学的监控管理技术手段，各级电力故障抢修小组对电力抢修的反应较慢，在接到客户的电话以后才能获知电力故障信息，这也使得电力抢修工作较为被动。这样就会导致电力抢修的时间延长、效率降低，受影响的范围不断扩大。不仅会造成业务量增多以及资源的浪费，还会在一定程度上影响供电企业的优质服务形象。

2新模式下管理的主要举措

2.1调控一体化下的数据体系结构

从基础数据来源分，调控一体化数据分为实时数据和管理数据。具体来说，调控一体化下，数据体系结构主要由实时运行数据、静态管理数据、综合历史数据和数据逻辑链条4个部分组成。数据与数据之间通过逻辑链条互相支撑，实现将实时动态数据与综合历史数据相结合、实时动态数据与静态管理数据相关联、静态管理数据与综合历史数据相比对的闭环数据结构，实时运行数据需要进行加密的可靠传输，其标准化处理需要借助变电站、换流站监控系统，以文本的方式发送到调度主站。电力系统的异常缺陷数据、日前检修计划数据、移交状态管控数据和日度月报表数据等都属于静态管理数据的范围。历史数据主要包括实时历史数据、监控业务管理类数据、与监控相关的其他系统数据等，主要涵盖设备异常数据、事故数据、设备缺陷数据、变电站移交流程数据、变电站集中监控信息传动数据，以及设备的故障录波图、故障保护动作情况和故障测距等信息的数据提取等内容。数据逻辑链条是指根据数据库的逻辑结构设计概念，选取数据模型相符合的逻辑结构，并利用可拓理论实现实时动态数据与调控历史数据相结合、实时动态数据与同步管理数据相关联、同步管理数据与综合历史数据相比对的多维度数据联动体系结构。

2.2故障检测

快速发展完善的信息物理及通信技术（尤其是广域测量系统WAMS等）在电网信息采集与监控领域中的应用范围不断扩大，电网信息数据的采集流程得以有效简化，有效提高了广域大电网的可控性和可观性，但目前仍然存在数据采集与挖掘应用的适配度较低的问题，阻碍了数据高质量共享与利用及高度集成化电网的实现，电力大数据在时间、空间与目标3个维度间紧密关联，电网智能调控系统实现的关键在于对这些数据信息进行深度挖掘和高效利用。电网智能调控系统涵盖的业务种类和数量会不断增多，进而增加了逻辑层级关系的复杂程度，导致所需采集的状态数据表现出数量多、更新快、关联关系复杂等特点。

2.3多元异构数据的高效融合技术

由于当前电网数据量进一步加大，该技术能够针对不同类型的数据采用不同的处理方式，是基于传统数据处理模式的升级和创新，大大提升了数据处理效率，保障了数据的真实性。海量多源异构数据的高效融合技术之所以能够快速处理海量数据，主要是因为该技术结合了智能响应和趋势智能分析两种模式，能够根据实际情况建立数据库和信息化共享平台，能够对不同类型的数据进行分析。在离线数据方面，该技术能够实现分布式离线分析;在实施数据分析方面，可以进行实时流失计算调度。

2.4应用服务上云

1）统一管理。即指各应用均需要在云应用部署平台进行注册，实现对其运行情况、占用资源、网络环境、数据接口、运行环境等进行统一管理和监控。2）统一数据。即指各应用均需要按照数据平台上云的要求，实现从数据平台提供的接口統一获取数据，并将生成的数据及其数据和“模型-数据”的关联关系统一上云。3）统一界面。改变以往各应用人机界面不统一，使用学习成本高的问题，制定统一的人机界面设计方案，确保上云应用的人机界面易用、美观、高度统一，提升使用体验。4）面向服务。总结提炼各业务应用中的通用功能模块，将其独立成为提供服务的应用，减少业务系统建设中的重复工作，提升应用服务能力，优化应用架构，为构建统一业务应用体系提供支撑。

2.5模式识别技术

模式识别包括语音识别和图像识别。语音识别用于调控机器人与调控人员之间的交互，实现日志自动记录、语音输入、语音自动调图等功能;图像识别用于调控机器人识别调控对象，如高压输电线路隔离开关、换流器等工况位置判断等。模式识别重点是提升模式识别的泛化有效性，确保能准确识别自然语音和设备状态，最终可以为实现3D立体化展示与操控提供重要的技术支持。

结语

随着电网规模及用电需求的不断增加，对智能电网调控系统的自动化水平安全稳定性能提出了更高的要求，大数据及人工智能的大电网智能调控系统框架是时代发展的大势所趋，在建设系统框架的过程中，需要做到实事求是，利用各种关键技术提升电网系统运行的安全性。

参考文献

[1]李金讯，颜清，吴秋佳.基于大数据及人工智能的大电网智能调控系统框架[J].通信电技术，2020，37（03）：5-7.

国网莱州市供电公司，山东烟台 261400