面向电力调度大数据下的智能分析技术

陆超欣

摘 要：智能电网需要具备全景状态数据，针对电网在运行与检修过程中所呈现出的多态数据、海量异构情况，也就是需要对电力调度大数据进行严格分析，在面对错误数据时做好精准定位，这也成为当前人们关注的重点。在电力调度大数据下采用智能分析技术，可以对SCADA量测所发生的错误数据做好精准定位，并且通过实践方式可以对该方法所具备的准确性做出验证，以此为大数据应用提供重要参考。

关键词：电力调度;大数据;智能分析;有效措施

引言

目前来看，随着社会进步飞快与电力行业高速发展，各界对于电网所具备的智能化情况提出更高要求，希望电力系统在采集数据过程中保证精准度，因为数据量增长幅度极快，是否能够拥有精准的数据信息，也决定了电力系统在运行过程中的可靠性与安全性，同时数据质量显得尤为重要。因为通信通道干扰、意外灾害频繁发生等情况，就会导致大电网数据在传输过程中仍然会出现较多的问题，该情况的出现，对于系统安全运行与电网实时计算造成负面影响，因此我们需要从实际情况出发，对其进行精准的辨识与检测。

一、智能电力调度平台

调度系统在工作中最主要的任务就是要保证在极短的时间内对数据信息进行处理，以此可以保证数据安全、经济、稳定运行下去。目前国内电网面临急速扩张的趋势，在电力系统中，调度系统有着最高的数字化程度，但是也面临极大困难。在电网调度大数据下，智能系统的运用，实现了网络化通信功能、细化处理服务、整合与控制功能、自动协调功能，并且为人们提供将自动化与信息化结合在一起的调度平台，主要情况如下图1所示：

在图一中笔者展示出智能调度平台主要结构，通过观察可知，该系统将大数据技术、人工智能等多种先进技术融入其中，利用高端技术可以对电力系统数据与服务进行决策、分析、建模等，并且对于所得到的模型做出优化。从平台最优决策入手可以发现其具备现代性、前瞻性、稳定性、适应性等诸多优点，以此可以保证国内电网朝着绿色、安全方向发展。在图一中所展示的内容就是根据业务实际情况对于系统做出整合，在智能电网调度平台中由两个部分组成，一个是软件应用平台，另一个则是基础服务平台。基础服务平台在运行过程中会为人们提供底层服务支持，包括数据维护、安全管理、数据库建立、总线、管理系统等。软件应用平台包括四个模块，分别是安全应用、计划应用、调度应用、监控应用。每个平台中都会包含数个相关应用。在监控应用平台中会涉及到电力稳定性分析、电力调度决策、电力监控等。利用应用平台可以对电网进行全程的分析与监控，所以监控应用平台被称作智能电网调度技术平台。调度应用平台也包括内部管理、电力运行、电力管理等几个方面。该平台可以对与电网相关信息做出分析与整理，在计划应用平台中也包括项目申报应用与负荷预测应用等。该模块将智能分析作为其中的支撑，协调多个平台功能。安全应用平台在应用中为计划应用平台保驾护航，为其提供安全支撑，同时也提供技术支持。与传统的电网调度平台相比，智能分析技术的应用可以对数据做出精准预测，因此有着更加灵活调度资源与广泛资源控制，为人们提供更加开放平台。

二、大数据核心技术

大数据关键技术通常包括大数据应用与展现、大数据挖掘与分析、大数据管理与储存、大数据提前处理、大数据信息采集等多个方面。大数据采集技术主要是利用社交网络交互数据、传感器数据、RFID射频数据、移动互联网数据等多个方法来获得非结构化、半结构化、结构化的大量数据。在大数据预处理时需要对已经接收到的信息做好清洗、抽取、辨析等多项工作。大数据管理与存储技术就是通过读取与快速存储数据，利用非关系型数据方式来对非结构化、半结构化数据做出管理。大数据挖掘与分析技术则是从模糊的、有噪声的、不完全的、大量的、随机的数据提取一些隐蔽信息，但是这些信息却有着极高的价值。大数据应用与展现也包括数据分析、结果显示、历史数据查看等，以此可以保证复杂化数据信息朝着清晰与透明方向发展，并且采用直观的方式展示数据，最终可以帮助人们理解数据且提高数据所具备的价值。

三、电力调度大数据下的智能分析技术

为了解决在传统方式下采用人工排查方式导致电网量测缺乏较高准确率且工作效率极为低下问题，在这时我们需要将智能分析技术加入其中。根据多项数据可以建立与其对应的潮流转移方程，着重分析出设备量测与网络拓扑变化之间内在联系，考虑到场站状态水平、多端口下功率平衡、节点功率平衡、潮流转移等不同约束条件，随后通过研究得出将错误数组合与不同类型量测同时并立的定位模式[1]。

（一）转移潮流算法

在电力调度中可以将大数据分成三种类型，主要包括下述几种：一是电力企业管理过程中的各项数据，二是电力企业在营销中产生的数据，包括用户情况、售电量、电价交易等，三是设备检查与电网运行各项数据信息。在电网运行与监测设备过程中，利用SCADA数据可以作为其中重要指标，数据质量也能对运行监视与电网实时计算起到至关重要作用，所以在这个状态下针对SCAD数据深入分析，有着极高价值。SCADA数据会根据一定的频率不断更新，因为时间间断会展现出的数据差，在这时就能直接反映出网络变化信息，也就是可以及时的为人们提供网络拓扑变化与功率变化所带来的转移潮流，其中也包括错误量测。因此就要求必须对上个时刻估算情况，直接反映网络的实际状态，保证数据错误与拓扑错误得到辨识。在具体应用过程中，需要工作人员保证在进行维护后，所获得状态可以满足相关要求。所以可以反映出网络实况的状态 [2]。

（二）状态估计智能分析原理

一是根据状态估计对数据断面、基态断面进行转移潮流分析，在这时必须先定位出数据断面質量相差的多个厂站。二是对于每个厂站逐个的进行母线功率平衡情况分析。三是对于目前平衡的厂站，可以直接跳过，随后进入到下个厂站做出分析。如果母线功率存在不平衡情况，则需要不断检查元件中一些有用功率的平衡问题，包括主变压器有功功率平衡、双回线路功率差值、线路首末功率平衡、线路变压器功率平衡等。四是分别的检查变压器档位、分接头类型是否正确。五是如果所有的设备功率都处于平衡状态，同时厂内中的每个遥测点都是正常的，那么就需要检查隔离开关遥信变位、并联电容电抗器相关断路器、母线断路器分离情况[3]。

状态估计智能分析流程如下图2所示：

在今年的五月下旬，某日十点到十一点的时候，某地区电力企业对某电网实际情况进行实时监测，在十点十一分与十点三十六分别的发现监测到的数据出现异常，随后该程序会对异常情况进行自动分析。在十点十一分的时候，A站状态指标从原来的百分之百下降到百分之八十九，500KV母线不平衡情况是384MW，对于该情况进行仔细分析后可知，A站中的二号变压器三侧绕组不平衡情况为380MW，随后找到错误量測[4]。将历史大数据与高压侧有功功率进行对比可以发现，可以对的问题做好精准定位，A站的当前断面数据与历史数据进行对比后结果如下表1所示：

母线功率不平衡情况主要是因为线路变压器存在不平衡，随后需要对线路变压器平衡情况做出进一步分析，可以找到发生问题根源。变压器绕组功率平衡详情见表2：

在十点三十六分时系统也提醒出现异常情况，某电厂状态指标从原来的百分之百下降到百分之七十二，系统对于母线线路变压器功率平衡进行分析后并没有发现异常，这就说明该电厂的遥测数据处于正常状态，需要采用拓扑分析方法，具体如下图3所示：

对拓扑进行分析后可以看出，在电厂一号机的拓扑处于孤岛状态，因此需要对断路器遥感情况做出详细分析，以此发现断路器801发生遥信变位，这就导致一号机与电厂3A出现计算最终数据为零，通过数据分析可得到各个短路遥信情况。

利用该实例可知，在电力调度大数据下采用智能分析技术，可以及时掌握遥信状态跳变、准确且实时的定位电网运行遥信，为工作人员解决问题提供便利手段。

四、结束语

综上所述，在面向电力调度大数据下，采用智能分析方法，可以对电网SCADA数据进行实时分析，从根本角度解决人工在核实测量过程中出现高成本、低效率问题，并且为人们参与自动化调试提供必要工具，从实践中可知，该方法可以帮助自动化工作人员快速的发现与解决故障，并且提供SCADA错误测量定位情况。

参考文献：

[1]句荣滨，王巍，孙畅岑，关潇濛，王志宏.基于电力调度大数据的状态估计智能分析技术[J].东北电力技术，2020，41（03）：1-4.

[2]吴奔. 基于流计算的调度数据网监测平台的研究与实现[D].中国科学院大学（中国科学院沈阳计算技术研究所），2018.

[3]薛飞.电网安全稳定特性分析的调度运行大数据挖掘技术研究[J].宁夏电力，2019（01）：2.

[4]吴劲松，李舒涛，赵德宁，李光泰，张学昶.第一届中国电力行业数据中心高峰论坛会议综述[J].南方能源建设，2018，5（S1）：267-274.