吉林电网调控大数据动态预警平台架构及关键技术

高重晖，吴 希，王玉坤，张国飞，王 俊，金海鑫

(1.国网吉林省电力有限公司，长春 130028；2.国网吉林省电力有限公司检修公司，长春 130022)

目前电网运行主要依靠人工监视，通过智能电网调度技术支持系统(D5000平台)监视断面潮流、母线电压、自动发电控制(automatic generation control，AGC)指令、无功补偿装置出力等电网运行状态信息。面对海量数据，人工监视难免存在死角、漏洞，难以全面满足及时性的要求，且电网运行状态的微小异常不易被察觉，可能造成异常扩大，影响电网安全稳定运行[1]。近年来，随着大数据、人工智能技术的不断发展，为调控大数据分析处理、电网智能调控提供了新的解决思路。文献[2]提出基于分布式并行框架的电网调控实时数据平台体系架构，实现了电网调控实时数据同步汇集与处理。文献[3]构建了发电调度大数据平台架构，实现电力大数据的采集、存储、分析及知识提取等一体化功能。

本文提出了电网调控大数据动态预警平台架构，利用电网运行关键指标构建电网安全运行域，对调控大数据进行全面的实时监测分析，实现电网实时运行状态的自动监视、智能预警，提升对电网运行状态的主动感知能力。

1 大数据动态预警平台建设目标及总体架构

大数据动态预警平台主要基于D5000平台数据，为方便应用布置于安全Ⅲ区，对电网调控大数据进行全面汇集、自动监测、智能预警及告警。根据电网监视业务需求，平台需要具备全覆盖、高时效、分层级及免维护4个特性。

为适应电网调控大数据量多、面广的特点，依据平台建设目标，在充分保证网络与信息安全的前提下，依托成熟的数据平台和通用设计，提出了大数据动态预警平台的多项关键技术，构建了包括数据层、计算层及应用层的平台架构(见图1)。

图1 大数据动态预警平台体系架构

为保证大数据动态预警平台的建设目标，平台采用浏览器/服务器模式架构设计，后台服务器分为数据层和计算层，负责数据的接入、运算。前台服务器为应用层，通过网络浏览器与调控人员进行交互，可视化展示电网预警指标。

数据层负责整个平台的数据汇集与校验，该层与D5000实时数据库对接，横跨生产控制大区与非生产控制大区，通过安全隔离装置进行数据传输，采用网络服务接口、数据库连接等可靠数据交互技术，实现电网运行大数据的实时汇集。

计算层负责数据的校核与运算，利用循环冗余校验算法，过滤数据层无效、错误的数据，以保证数据准确性。根据电网运行状态，从实时运行大数据中提炼出能够反映电网运行状态的核心数据，将采集数据、计算数据与预警指标进行比对，智能判别电网运行状态。

应用层负责监测及预警结果的交互与展示，通过Ajax，Comet等技术将电网运行状态结果以二维图形、图像、图表等形式在客户端进行可视化展示，方便调控人员浏览，并提供信息检索、状态确认、查看详情等交互方式。

2 大数据动态预警平台关键技术

2.1 电网实时运行状态预警体系

以往的电力系统安全预警体系多基于离线分析计算结果，不适用于实时运行监测。本文提出以母线电压、断面潮流、主变压器负载率等作为反映电网运行状态的运行量，构建覆盖潮流情况、AGC、设备运行状态等10大类17项指标的实时运行状态预警体系，具体指标见表1，可以全面、准确地反映电网实时运行情况，分层级评估电网运行风险点。

表1 预警体系指标分类

2.2 实时数据汇集与处理

为保证D5000平台采集数据质量及计算数据准确性，前期对D5000平台内模型数据进行全面筛查和维护，确保图模一致、参数正确。

为满足平台对监视全覆盖、高时效的计算要求，采用定时批量计算与流式计算相结合的实时数据计算技术。在电网正常运行时段，采用定时批量计算，根据不同监视业务的实际需要，设定不同的计算周期，合理利用计算资源；在电网突发异常情况时，采用流式计算，弥补批量计算在实时性上的不足，将在单一计算节点进行处理的运行大数据分散到多个计算节点，再将多个计算节点的计算数据整合为完整的数据计算结果，通过并行处理的方式提高计算速度，提高全网异常信息监测频次。通过两种计算方式的高效结合，可以将从接收原始报文到完成数据计算的时间控制在1 s以内，既可以满足大数据动态预警平台对于实时计算的需求，又可以有效降低平台对于全局计算资源的消耗。

2.3 大规模实时数据服务

大数据动态预警平台汇集全网实时调控大数据，需要构建实时数据的服务体系，以实现对各类型电网运行设备的统一监测预警。采用从D5000平台前置机直接转发站端原始报文到大数据动态预警平台的数据传输技术，将数据延迟控制到最低，数据实时性提升显著。由于D5000平台数据附带时标信息，平台可以实现时标数据的处理与存储，并通过时标数据统一服务为信息查询业务提供同一时间断面的历史数据。所采用的电网和采集点表模型同步、厂站和潮流图形获取、站端实时报文转发等各项技术, 均考虑自动闭环实现，有效减免人工维护量，避免可能造成的数据错误，实现平台免维护的目标。

3 应用成效

该电网调控大数据动态预警平台于2020年在吉林省调度上线应用，220 kV及以上的电网实时数据、直调电厂运行数据已全部接入，开发电压、AGC、断面潮流及负载率监视等10个功能模块，涵盖17项监视指标及历史潮流断面查询、告警信息检索功能，根据业务需求最短的以5 s为时间间隔进行数据判别，基于安全域判别结果生成分级预警信息。

以电压监视为例，以往调度员在D5000平台中需要在不同界面分别监视母线实时电压及电压波动率，界面不友好，数据易读性较差，如果发现电压数据异常还要点击进入对应变电站界面，确认数据是否死量，全网电压巡视一次至少需要3 min。监测平台将电压越限及波动率监视纳入同一模块，以5 s为间隔对全网母线实时电压及波动率进行判别，自动预警、告警。调度员可以根据预警信息进行提前处置，极大地降低了调度员的工作强度，提高了监视的准确性。

吉林电网中新能源场站容量大、数量多、分布广，其无功补偿装置运行情况对电网电压有较大影响，强化新能源场站无功补偿装置运行管理是保证电网电压稳定的重要基础。D5000平台中，调度员需要进入每个场站查看无功补偿装置运行状态，调阅历史曲线查看无功出力情况，再人工判断装置运行是否满足系统要求，缺乏简单、有效的监视手段，造成无功补偿装置的实时运行管理较为松散。根据以往工作经验，新能源场站无功补偿装置主要存在故障停运、无功出力不跟踪电压调节、无功出力跳变3种异常情况。针对这3种情况，在大数据动态预警平台中开发了量测不刷新、遥测跳变两个模块，实现无功补偿装置运行状态实时监视。表2为该平台上线运行后电网设备运行水平提升情况。

表2 电网设备运行水平提升情况 次/月

由表2可以看出，平台投入运行后，电网电压波动情况及新能源厂站设备故障率明显降低，电网运行可靠性大大增强。在调管设备规模扩大、检修计划数量增加的情况下，吉林省调度中心调度员平均岗位承载力系数较去年下降8%，有效降低了调度员的工作强度。

4 结束语

通过电网调控大数据动态预警平台的应用，真正实现电网运行由“人工监视”向“自动监视、智能告警”转变，电网控制由“事后处理”向“动态预警、预判处置”转变，将调控运行人员从机械的运行监视工作中解放出来，专注于电网运行状态调整和异常处置，提高工作效率，减轻工作负担和工作压力，提升调控运行的智能化水平。

下一步，将深入探索人工智能学习引擎应用，综合神经网络、知识图谱等人工智能算法，采用“知识+数据”训练学习方法，模拟调度员思维决策，为电网运行态势分析、智能辅助决策提供决策支撑。