大数据平台配电网智能化运维管控平台的设计和应用分析

李颖杰　郑筠　杨光

摘 要：我国是用电大国，在配电管理方面有着丰富的经验，目前已经有多家能源电力公司对配电自动信息化建设进行了非常深入的研究，其中比较成功的公司有：山东鲁能、浙江华云和江西泰豪这几家。这些公司目前已经开发出了相关的运维管控平台，但是这些平台设计时都没有针对用电大数据进行分析利用。以大数据分析为基础，设计一种基于大数据分析平台的智能化运维管控平台。从大数据分析技术对电力行业的影响开始，详细阐述了基于大数据平台的运维管控系统架构，然后依据本架构对整个平台进行了整体的设计。

关键词： 大数据; 智能电网; 用电质量监测

中图分类号： TP 311

文献标志码： A

Abstract： China is a big power consumer country， and has rich experience in distribution management. At present， there are several energy power companies that have conducted an in-depth study on the construction of distribution automation information， among which the relatively successful companies are Shandong Luneng， Zhejiang Huayun and Jiangxi Taihao， etc. At present， these companies have developed relevant operation and maintenance management and control platforms， but these platforms are not designed for the analysis and utilization of big data. This paper designs an intelligent operation and control platform based on big data analysis platform. Starting from the impact of big data analysis technology on the power industry， this paper elaborates the operation and control system architecture based on the big data platform， and then designs the whole platform according to this architecture.

Key words： big data; smart grid; power quality monitoring

0 引言

目前我国各行各业都在进行深入的自动化和信息化改革，我国的电力行业包括国家电网和南方电网也都在配电过程管控的自动化和信息化做了详细研究。在我国很多省份也都自建了配电运维管理平台，这些平台基本实现了对设备运行状态的监管，和对维护故障的业务流程的管理。同时有部分电力公司，像山东鲁能、浙江华云和江西泰豪也分别推出了自己公司研发的管理平台系统，也都实现了信息化的运维管控。但是这些平台设计时都没有针对用电大数据进行分析利用[1]。本文以大数据分析为基础，设计一种基于大数据分析平台的智能化运维管控平台。

1 大数据对电力行业的价值

1.1 重塑电力核心价值

电力行业的核心价值一直都是“以电力生产为中心”[2]。在这种核心价值观的指导下，企业往往只知“埋头苦干”，忽略了市场反馈。使得用电单位很难有效地和电力行业来进行沟通。造成了电力行业成为没有“互动”的行业。而大数据分析正是大量采集终端用户的数据来进行分析，通过数据挖掘分析出市场的真实需求。进而带动企业自身的改革发展，这种正反馈能更好地驱动电力企业的发展。最终改变电力生产为中心，逐步演化成以用户为中心。最终形成双赢的局面。使得电力行业能够更好地服务社会[3]，如图1所示。

1.2 转变电力发展方式

1.2.1 优化管控模式

一般来说，基于大数据的分析能够有效帮助电力行业来优化现有的管理模式。首先，大数据分析能够使电力企业快速发展智能管控，比如，在电力设施的终端安设响应的传感器，对设备的运行状态进行实时监控，并通过海量的数据分析记录，一旦某一处设备运行状态数据发现波动，管理平台就可以根据以往的数据记录分析出该设备有可能出现的故障并且给出相对应的处置方式，这种“态势感知”功能能够提前发现问题，并将设备故障消除在“摇篮状态”[4]。从以往的被动运维向主动运维转化。不仅如此，大数据平台还可以将电力公司内部的生产、销售、管理等信息串联起来，在整个电力的发电、变电、传输、调度、用电环节进行数据共享，利用智能算法来控制电力的生产、调度、配送。大大提高了企业生产和运营效率。在丹麦，VESTAS公司就准备统计地球气候数据，并且将其和自己公司的风力发电机数据融合。根据不同地区的温度、气压、空气的湿度、风向、风速结合自己公司的历史数据，用超级计算机利用数学模型来辅助公司进行风力发电机的选址。这种方式有效降低了考察成本，并且提高了对自然资源的利用率。该公司还计划在未来继续扩容自己的大数据信息采集种类，将森林开发图像，潮汐数据等加入进来，方便公司更清晰的进行选址等方案的决策[5-7]。

1.1.2 丰富社会效益

电力大数据的应用不仅仅对电力企业起到帮助作用，这些数据的分析和利用还可以更升入的服务于社会。最明显的一面，电力大数据就能够为用户显示出详细的用电图表。比如可以把每一位用户展示分时用电做成可视化图表展示出来，使得用户深入了解自己用电习惯，同时这样还能够是用电数据更透明，让收费更有依据。同时这些用户的用电习惯也能够帮助电力企业对电力调度进行精准调配，在用电高峰到来之前能够有充分的准备。在另外一个不明顯的一方面，用电数据可以正确反映出一个区域内经济活跃程度。当前越来越多的经济活动都离不开电力的供应。那么将这些电力大数据整合成一个区域“电力地图”就能够一目了然的反映出该区域的经济活动活跃度。这一数据可以被地区决策者和投资决策者作为发展和投资的参考资料。美国的加州大学就通过大数据分析，将人口、电力用户的用电信息、地理等数据进行了整合[8]。制作了一个区域的“电力地图”。这一地图能够实时显示一个街区的用电信息，并且还关联了这一街区的人口、人均收入、建筑信息等数据。这些数据都可以作为城市规划的重要参考[9]。

2 运维管控功能设计

2.1 设备状态管控

依据电网的实时运转信息，监控设备的运转状态，提前发现系统的隐患[10-11]。对配电工作进行辅助，提高配电设备运行效率。

（1） 缺陷设备管控，依据PMS2.0设备缺陷信息，对配网设备数据进行多角度统计，对设备缺陷进行分析以及缺陷的预警功能。

（2） 根据配电网络的拓扑，设备运行数据以及业务数据的搜集，达到对各个层级的配电网络故障跳闸情况、缺相情况、跳闸率等影响正常供电的情况进行详细的记录，最终对这些情况实现按照不同原因的多角度分析。帮助找到这些情况的发生原因。最终提高配电效率，降低跳闸率。

（3） 设备的负载状态管控，这一数据是基于设备的信息记录和测量数据，对配电网络各个层级的负载情况进行详细的记录，包括负载中的重载、轻载、空载、负载率这些信息，帮助分析出负载端的各种异常状况的原因，辅助电力企业对配电设备的分配和维护，最终减少设备过载不良情况，提高运维效率。

（4） 设备的实时状态管控，依据设备的信息记录，实时工作状态以及故障记录，分析该设备的运行状况以及故障预警，帮助电力单位对设备状态有一个准确掌握，提高安全系数。

2.2 运维管理管控

通过对配电网网络的运维检测，抢修工作，节点监控，业务分析等过程的数据搜集，对运维检修工时、成本投入、最终成果等数据的分析。配合配电网络的运行状况和异常情况记录，最终形成主动检修管理[12]。

（1） 停電抢修数据分析，数据以配电网络抢修数据，生产过程中投诉数据、设备发生故障跳闸数据为参考数据，采用可视化处理加大数据分析，实现对抢修工作的管控和分析。使电力行业企业能够对及时掌握电网抢修情况，辅助管理层对抢修工作的部署。

（2） 电网检修分析，数据以电网检修工作、设备故障信息等数据作为参考，实现针对电网检修的各个角度数据分析，深度挖掘电网检修工作中的检修问题，帮助管理层进行检修人选安排的部署，提高工作效率[13]。

（3） 带电作业数据分析，数据以电网带电作业数据为参考，实现对电网带电工作的多角度数据分析，挖掘工作中存在的人员和设备问题，提高带电作业工作效率[14]。

2.3 运检指标管控

该指标管控主要是针对监管层面，实现了对设备、工程、作业质量等指标的分析。经过数据分析后，提供了上述指标的合格参考数据，分析各校指标走势，辅助管理层找到薄弱点，根据指标的波动情况实现预警[15]。对供电过程进行监管。

（1） 配网规模指标，该指标通过可视化处理，将线路联络率、供电半径等数据进行可视化分析，及时记录电网规模指标波动，如果发生超标情况及时预警。帮助管理人员找出短板，对系统进行改进。

（2） 配网运行指标，该指标通过可视化处理，将配电设备的消缺率，故障跳闸率，供电电压合格率，过载率，低压率等数据进行可视化分析，及时记录电网运行的指标波动，如果发生超标情况及时预警。帮助管理人员找出短板，对系统进行改进。

（3） 配网检修指标，该指标通过可视化处理，将配电网检修的完成率，平均维修时长等数据进行可视化分析，及时记录电网检修指标波动，如果发生超标情况及时预警。帮助管理人员找出短板，对系统进行改进。

（4） 抢修服务指标，该指标通过可视化处理，将配电网中停电报送及时率、派单及时率、到达现场及时率、抢修时长、派单错误率等数据进行可视化分析，及时记录电网抢修服务指标波动，如果发生超标情况及时预警。帮助管理人员找出短板，对系统进行改进。

2.4 相关技术支持利

基于大数据技术实现数据的检测和分析，其对象是电网的生产、输送、调度、用电信息采集。维修过程中产生的数据，使用数据挖掘、并行计算与决策树等技术相结合。最终实现了对电网业务的管控。其中应用到的技术有以下几点：

（1） 存储管理：本次设计采用了HADOOP架构的分布式存储，同时服务器提供大量的数据读写操作。

（2） 数据计算：应用了成熟的引擎组成了电网数据支撑服务，为后续的数据分析提供了前期准备条件。

（3） 数据挖掘：主要是应用了相关分析，回归分析和决策树数据挖掘技术对搜集到的数据进行分析和建模。给后续的数据多维度分析提供保障。

3 基于大数据的电能质量实时监测系统设计

3.1 系统概述

大数据电能质量实时监测系统由监测终端、通信系统、上位机、软件部分构成。

（1） 监测终端通过处理分析实时采集电网各节点电流电压数据，实现系统故障定位。并将数据通过通信系统传输至上位机做进一步处理数据。

（2） 通信系统主要完成监测系统和上位机之间数据及信息的传输。

（3） 上位机通过分析监测系统数据传输数据，实现每个节点电能质量实时监测。系统出现短路时，上位机通过分析节点电压降幅信息，实现故障定位。此外上位机有良好的人机交互界面，实现人机交互。

（4） 软件部分主要实现各个系统数据传输、分析、定位、警报功能的技术支持。

3.2 硬件设计

大数据电能质量实时监测系统硬件由监测终端硬件及上位机硬件等组成。监测终端主要配置采集分析各监测节点电流电压数据，是该系统硬件重要组成部分。监测终端主要包括互感器、信号调理电路、数据采集卡、工控机等部件。互感器采集信号经信号调理电路降噪、降幅、线性修正处理后，数据采集卡（内插式PXI）将数据转换成可处理信号，工控机做最后的数据处理，完成检测及故障定位功能。此外，上位机人机交互平台显示器显示监测数据，实现打印报告等功能。该系统监测终端原理图，如图2所示。

3.3 软件设计

电能质量监测与故障

定位系统主要由数据采集及数据处理两部分组成。系统整体软件设计，如图3所示。

4 总结

本文通过阐述大数据影响电力行业变革，进而设计构建了相应的大数据配电网智能化运维管控平台。该平台实现了运行管控、问题分析、过程监督、绩效评估整个流程的闭环管理，形成了一套状态、管理、指标管控的运检业务管控模式。最后基于大数据配电网智能化运维管控平台总体设计了电能质量实时管理系统。

参考文献

[1] 陈树勇，宋书芳，李兰欣，等.智能电网技术综述[J].电网技术，2009，33（8）：1-7.

[2] 罗红.WAMS广域通信业务的有效性建模与分析[J].电力系统自动化，2016，27（18）：44-48.

[3] 杜贵和，王正风.智能电网调度一体化设计与研究[J].电力系统保护与控制，2010，38（15）：127-131.

[4] 陈实，许勇，王正风，等.电网实时动态监测技术与研究[M].北京：中国电力出版社，2015.

[5] 戴东阳.电网实时动态监测技术研究[D].保定：华北电力大学，2014.

[6] 韩松，何利铨，邱国跃.WAMS研究、建设与应用的新进展[J].电测与仪表，2011，48（4）：1-8.

[7] 郭昕.电网实时动态监测系统构成[J].电网技术，20016，27（9）：47-50.

[8] 唐维平.智能变电站同步相量测量装置设计与实现[D].北京：北京交通大学，2011.

[9] 王正风.无功功率与电力系统运行[M].北京：中国电力出版社，2015.

[10] 王正风，黄太贵，吴迪，等.广域测量技术在电力系统中的应用[J].华东电力，2017，35（5）：32-36.

[11] Uluski R W. The Role of Advanced Distribution Automation in the Smart Grid[C]. IEEE Power and Energy Society General Meeting， 25-29， July， 2014：1-5.

[12] M H Bollen， J Zhong， F Zavoda， et al. Power Quality Aspects of Smart Grids[C]. International Conference on Renewable Energies and Power Quality （ICREPQ10）， Granada Spain， March， 2015：1-6.

[13] F Beidou， W G Morsi， C Diduch， et al. Smart Grid： Challenges， Research Directions and Possible Solutions[C]. 2nd IEEE International Symposium on Power Electronics For Distributed Generation Systems， HeFei， China，June， 2017：670-673.

[14] C W Potter， A Archambault， K Westrick. Building a Smarter Smart Grid through Better Renewable Energy Information[C]. IEEE/PES Power Systems Conference and Exposition， 2009. PSCE09， Seattle， USA，2016：1627-1632.

[15] 劉天琪.现代电力系统分析理论与方法[M].北京：中国电力出版社，2017.

（收稿日期： 2019.08.26）