智能电网海量信息数据检测关键技术分析

张洁敏, 方志坚, 倪文书

(国网福建省电力有限公司 信息通信分公司， 福建 福州 350001)

0 引言

随着电网规模的不断扩大及电力系统的不断升级改造，电网的信息化与智能化程度越来越高，电力数据量及种类呈现几何级数倍增的趋势，促使电网发展进入了大数据时代，而海量的杂乱无章的数据堆里蕴含着丰富的价值，如何高效准确的将有用信息从中收集整理出来是目前电力系统建设急需解决的问题。在对不断增加的电网数据进行处理时，现有的技术手段势必会超过电网所能处理、利用的范围，使得处理和分析电力数据的难度加大，在应用处理智能电网大数据时，数据的实时存储、高效处理、有效融合及可视化方面成为深入研究的重点，本文主要研究了智能电网海量信息数据检测关键技术。

1 现状分析

不断发展完善的智能电网体系使电网各环节的数据不断增加(包括发电、输电、变电、配电、用电、调度等)，尤其是随着云计算平台、计算机通信及网络等技术在智能电网中的广泛应用，促使大数据在电网各专业领域广泛应用，对电网数据(具有海量、多源、异构、复杂、冗余、增长速度快的特点)的管理提出了更高的要求，智能电表需对电网海量信息数据进行采集和监控。融合智能电网内外部的数据成为应用和发挥电网大数据价值的基础，目前大数据管理的重点在于实现基于深层次检测的电网海量多元异构数据的有效管理，而深层次检测以采集、存储及异常检测为主，资源的管理、优化配置和调度成为规模不断扩大的电网管理的核心，运行和管理海量数据则扩大了电网调度控制系统的监控范围。电网海量数据检测技术成为研究重点，电网信息数据包括电量、电压、功率和功耗等，这些海量数据结构的高效可靠发展需基于对数据的计算、分析及访问结果[1]。

2 智能电网海量信息数据框架

针对智能电网海量信息数据的相关检测技术研究已经取得了一定的进展，例如基于数据驱动的深层次检测技术，在完成电网在线数据采集的基础上，完成对其分布情况及判别值的分析和计算(以所选取的固定特征数据集为依据)，然后根据判别值的权重完成数据的调节控制过程，在此基础上实现电网数据的深层次检测功能，但该检测方法使得检测效率及可靠性有待提高；基于电力扰动方法的深层次检测技术，在对电压、电流数据进行检测的基础上完成对电能质量扰动的分析及对扰动数据的测试，实现深层次检测功能，但该方法的误报率较高，检测效率及准确率有待提升。为进一步完善检测功能本文在现有研究基础上提出了基于调控云的数据检测方法。智能电网海量数据的实时采集与存储离不开数据库管理系统，云计算下的调度系统(涵盖变电站、传输通道、发电厂及辅助设备)能够对电网海量数据进行监控，负责提供运行信息、控制方式。通过将远动设备安装到变电站和发电厂完成电力系统信息(设备运行参数、继电保护等)的采集和传送，进而实现对智能电网的控制和监测，通过调度自动化完成数据分析及结果显示，工作人员据此采取相应的调节和控制命令[2]。

根据电网海量数据的特征(如实时性、无序性和易失性等)，对海量数据的处理过程(包括采集、接入、计算和存储)采用调控云技术完成。智能电网海量数据检测框架,如图1所示。

图1 智能电网海量数据检测框架

先通过采集系统对数据源进行监听和汇总，数据的缓冲系统接收到汇总的数据后对其速率进行协调控制，主要环节为：(1)先完成海量数据的采集，通过使用智能电表及传感器完成海量数据的流通和采集，通过安装安装智能电表能够有效满足海量数据的实时采集和传输需求，智能电表的数据监听功能需具备较高的实时性、可靠性；(2)海量数据的接入，由于数据的采集和处理速度存在不一致的问题，为保证数据的完整，需在确保延迟性较低的情况下先缓冲处理海量数据，从而使海量数据的流通速度得到有效的控制和优化；(3)海量数据的流通计算，主要负责解决海量数据的速率问题以满足实时性要求，电网中数据的速率会随着数据的动态变化而变化，流通计算的数据仅可使用一次，需确保数据的调节控制具备一定的伸缩性，在时间等因素的影响种类较多的电网数据易出现顺序错乱的情况，通过分析数据流通计算的结果为负载均衡和故障恢复功能的实现提供支撑；(4)海量数据的存储，针对智能电网中的不同业务需求(包括异常检测、用电行为、负荷预测等)采用不同方式存储数据处理结果，根据数据的流通和传输及数据分析结果实现深层次检测功能[3]。

3 智能电网海量数据检测技术

3.1 数据数学模型的构建

对电网数据节点基于电网数据的流通和传输以及电网的导纳和阻抗，通过潮流计算方法的使用完成电压同电流间关系的分析过程，然后将电流与功率间的关系以电网的有功和无功注入为依据完成分析和计算，据此实现电网海量数据非线性方程的获取，再结合智能电网潮流坐标的计算结果完成电网数据的数学模型的构建。智能电网具备动态、非线性、高维的特点，且持续变化过度的时间短且复杂程度较高，为避免增加数学模型的复杂度，本文的数学模型采用了潮流计算方法(即电网中的电气计算)，对智能电网的运行状态主要以运行参数和电网结构为依据完成求解过程[5]。假设，电网数据节点的网络包含n个，分析数据节点的电压和电流关系，U和I分别表示电压和电流，导纳和阻抗分别有Y和Z表示，式(1)、式(2)。

I=YU

(1)

U=ZI

(2)

假设，智能电网数据节点由此表示，数据节点的导纳矩阵及阻抗矩阵分别由Yij和Zij表示，将上式展开,如式(3)、式(4)(i=1，2，3，…，n)。

(3)

(4)

实际电网数据节点的注入量为节点的功率(而非数据节点的电流)，因此需分析电流与功率间的关系，假设，电网数据的有功注入由P表示，电网数据的无功注入由Q表示[4]，如式(5)—式(7)。

(5)

(6)

(7)

上述非线性方程即为潮流计算的基本方程(以数据节点的电压为变量)，可知非线性方程主要受到数据节点功率的影响，可针对海量数据通过数值计算方法事物使用完成迭代求解。电网中各数据节点运行状态的确定需基于数据的流通、传输以及4个运行变量(即电压相角θ,U,P,Q)，先指定其中的2 个变量作为已知量，剩下两个变量当作待求变量，在此基础上进行潮流计算。复数电压的变量的表达式[5],如式(8)、式(9)。

Ui=ei+fi

(8)

Yij=Gij+Bij

(9)

电网数据潮流方程的坐标表达式,如式(10)、式(11)。

(10)

(11)

在上述计算和分析的基础上，实现最终智能电网海量数据数学模型的获取，如式(12)。

I′=(Pi+Qi+Ui)×n

(12)

分析上述数学模型可知模型的复杂程度会随着数据节点数的增加而增大，该模型能够计算出电网故障的问题，在清理电网故障的同时对数据出现的异常情况进行总结，据此完成对海量数据传输性能的评估和诊断[6]。

3.2 电网海量数据深层次检测的实现过程

在数学建模的基础上完成数据的三角函数的计算(根据电网信号的角频率和运行时间)以及对应的余弦和正弦系数的确定，并据此获取数据中的分量系数，智能电网数据信号则以运行时间及其坐标系为依据计算获取，最终实现基于调控云的数据深层次检测功能。假设，电网信号的角频率由ω表示，电网的电压信号(对应周期T的信号)由vs(t)表示，数据运行时间由t表示，对于运行时间的正弦基函数由sin(n′ωt)表示，运行时间的余弦基函数由cos(n′ωt)表示，分解得到数据的三角函数表达式[7],如式(13)。

(13)

根据在一个周期内vs(t)的函数值即可计算获取电网数据中由a1和b1表示的分量系数，如式(14)。

vs1(t)=a1cosωt+b1sinωt

(14)

ω=2π/T

(15)

t=τ+t0-T0

对智能电网海量数据通过计算数据的三角函数及运行时间实现深层次检测过程，如式(16)。

T′=vs(t)+t·τ

(16)

4 实验测试及结果分析

通过实验对基于调控云的智能电网海量信息数据检测方法的有效性进行测试，考虑到智能电网的性能易受到海量运行数据的影响，需进行协调控制，具体使用6台PC机(采用Windows操作系统，CPU内存为4GB)完成了实验环境的搭建，数据的编码使用java程序进行设计，实验需检测的智能电网数据为200个，检测次数为8次。电网海量数据的检测效率的测试结果,如表1所示。

本文检测方法对智能电网实验数据(200个)的第1、2次检测时未被检测出的数据个数为10个，第3次检测时未被检测出的数据个数为9个，第 4、5、6、7次未被检测出的数据个数分别为 8个、5个、5个和2个，第8次检测时的200个数据均被检测出来。文献[3]方法第1次和第2次检测时未被检测出的数据个数分别为50个、48个，最后两次检测时未被检测出的数据个数分别为40个、38个。文献[4]方法结束检测时同样有较多未被检测出来的数据。实验结果表明本文电网数据检测方法的检测效率。对数据深层次检测准确率的测试结果,如图2、图3所示。

表1 智能电网海量数据检测结果

图2 本文方法的深层次检测结果

图3 文献[4]方法的深层次检测结果

本文方法的数据检测误报率在数据量为200 bit时为20%、400 bit时为40%、600 bit～1 400 bit保持在20%～40%之间；文献[4]方法中的的数据检测误报率在同样数据量下为60%～90%，对应的检测正确率较低。证明本文方法具有较高的准确率，能够有效满足对电网海量数据的深层次检测需求[9]。

5 总结

本文对智能电网海量信息数据的检测方法进行了研究，通过使用基于调控云的检测技术实现了对数据的深层次检测功能，在对数据的三角函数进行计算时结合运用电网信号的角频率和运行时间完成，在此基础上实现电网数据中分量系数的获取，电网数据信号根据运行时间及其坐标系进行计算，最终实现基于调控云的数据深层次检测过程。利用检测次数、数据量和误报率测试本文检测方法的效率及准确率，对200～1 400 bit数据量的实验检测结果表明该方法具备较好的电网海量数据检测功能以及较高的检测正确率，有利于智能电网调度控制水平的提升，为观察、分析电网的阶段特性提供依据。