智能电网灾害监测预警应用的设计与实现

陈行滨，王维兰，张 航，张羽楠，刘锦翔

(1.国网福建省电力有限公司，福建 福州 350000； 2.国网福建省电力有限公司 信息通信分公司，福建 福州 350000；3.国网福建省电力有限公司 莆田供电公司，福建 莆田 351100； 4.国网信通亿力科技有限责任公司，福建 福州 350003)

作为社会公用事业电力在日常生产生活中发挥着重要作用，电力系统的安全则会对社会安全稳定及人民生命财产安全产生较大的影响。不断提高的用电需求促使我国电网规模不断扩大，伴随而来的是电网的复杂性及安全隐患的日益突出。受各种频发的自然灾害及人为因素等的影响，电网安全受到了较大的挑战，时有发生的电力突发事件为电力应急管理能力提出了更高的要求，在电网防灾减灾工作中防灾应急响应机制作用重大，是实现电网灾害监测预警功能以提高应对突发事件能力的基础和关键。

1 需求分析

电网防灾与应急响应过程需多个部门协同响应(包括现场工作人员、调度部门、应急指挥中心等)，具有信息量大、涉及范围广、过程复杂的显著特征，目前针对电网防灾减灾、灾害理论、系统设计方式、管理方法等方面的研究已经取得了一定的进展。电网灾害监测工作的本质属于一个大数据分析与决策问题(具有多源、海量、异构等特点)，涉及到检修、灾害可视化、实时调度、资源统筹指挥等多个方面，相关文献已经对大数据技术在电力行业的应用情况以及相关大数据关键技术进行了深入研究。大数据技术能够为电网灾害监测及应急工作提供强大的技术支撑，电力系统原有的各类信息系统间的差异性较大，传统关系型数据库对灾害信息的集成与共享水平较低，已经难以满足海量异构防灾大数据的管理需求，多部门信息共享与协同工作过程尤其需要一个具备较高实时性及安全性的防灾大数据管理平台，为实现对海量信息数据的分析与智能决策功能提供支撑[1-2]。本文构建的基于Hadoop大数据平台的监测系统设计方案主要面向负责电网调度和应急指挥的用户群体，所涉及到的电力防灾大数据是指通过采用新的处理方式获取高体量、高增长率及多样性的信息资产，从而实现高质量的灾害洞悉、防灾决策和应急优化处理过程，可有效弥补电网防灾工作的不足。

2 智能电网灾害监测预警系统的设计

2.1 电网灾害监测预警系统的功能设计

调度操作与应急管理在电网防灾应急中联系紧密，本文设计监测系统的目标在于为调度操作提供辅助支持(考虑灾害信息)以及将有价值的在线决策支持提供给应急指挥中心，实现实时高效的信息共享功能。

(1)防灾大数据的集成，电网灾害监测系统融合了多种具有多源异构特征的数据信息，包括气象及地质灾害、设备状态、继电保护动作、厂站负荷及告警、应急资源等数据，需监测系统同相关部门间实现信息的共享与协同功能，该系统同现有SCADA/EMS系统间通过CIM、e格式等文件方式实现有效的交互过程，实现数据的存储及检索[3-4]。(2)故障范围的辨识与定位，现阶段尚未实现全面的在线监控功能，导致无法从现有SCADA/EMS系统中直接获取相应的运行状态，进而模糊了故障范围边界导致定位不够精确，通过故障范围的辨识与定位功能对抢修反馈信息进行智能关联与分析实现对电网事故发生点的精准定位，同时提供该事故影响范围的评估结果以供指挥调度环节提供依据。(3)关键环节的评估，主要包括电网的可靠性评估和电网高价值环节评估，识别系统关键组件(指系统可靠性在组件退出运行时的变化量)，对故障设备停运后负荷损失进行计算(根据灾害条件下的负荷分级)，识别电网运行的高价值环节[5-6]。(4)风险评估与预警发布，以运行风险指标为依据对电网运行安全进行评估，当出现高风险的评估结果时发出预警信息。(5)应急资源优化调度，在综合考虑全局因素(预想事故等级、电网薄弱点等)的基础上，通过挖掘与分析系统获取的数据完成相应地点的确定以及应急物资和人力的预置，并对应急物资的储备情况进行定期检查，完成对应急资源的实时优化调度，提高系统响应效率。(6)恢复控制，针对局部电网停电事故综合给出最优恢复策略，在对恢复子系统进行合理划分恢复的基础上完成对相应负荷的重要等级及分布情况、最优恢复路径的确定。(7)调整预定的检修计划与运行方式调整，结合设备时变停运模型和自然灾害的态势及预测情况进行安全校核与调整[7-8]。

2.2 系统的数据流与逻辑决策

数据流与逻辑决策结构示意图如图1所示。通过非结构化数据星系模型对非结构化数据进行防灾数据建模、实现数据共享，通过数据挖掘与关联对电网防灾能力进行分析。将灾变条件下时变、丰富、形象的信息按组提供给防灾应急指挥中心，为相关部门及工作人员提供数据支撑。评估电网重要组件及高价值环节(以可靠性为量化指标)用于提供不同重要度的指标，为预置应急资源提供参考。系统在风险评估结果达到风险指标上限时会发布预警信息；薄弱环节评估与故障定位功能的应用框架如图2所示[9-10]。

图1 系统的数据流与逻辑决策Fig.1 Data flow and logical decision of the system

图2 薄弱环节评估与故障定位功能的应用框架Fig.2 Application framework of weak link assessment and fault location function

3 基于大数据平台的电网灾害监测预警系统的实现

3.1 防灾大数据关键技术

本文监测预警系统采用Hadoop大数据平台完成数据的存储与管理，作为一种具备高效、高容错率、低成本、高可靠性及拓展性等优势的软件框架，Hadoop平台已集成了FacebookMessages业务，可使各数据服务对安全性、实时性的需求得到有效满足。该系统应用的大数据技术包括：(1)集成管理技术，在由各系统服务器保留各自数据的基础上(形成分布式的数据)，将不同的控制指令发送到各系统，完成执行指令后回传整合后的结果，这是一个并行处理的过程。(2)数据挖掘技术，包括聚类分析、关联规则、特征提取等，通过人工智能技术实现有价值数据信息的挖掘[11-12]。(3)提供了大规模分布式计算解决方案的数据处理技术，通过流处理技术完成灾害大数据的实时处理分析过程，通过具备高效数据读取能力的内存计算技术的使用可有效满足监测系统的在线实时计算需求。(4)数据可视化技术，借助图形化手段实现了数据信息直观清晰的展示功能，灾害监测预警系统主要使用了空间信息、现场图像及实时数据3种数据可视化技术，实现了对电网不同区域状态、现场情况、应急资源分布情况等信息的直观展示[13-14]。

3.2 电网灾害监测预警系统的软件架构计

基础设施层负责为各电力业务子系统提供硬件支撑，作为系统所需数据资源的载体主要由计算机、集群软件、中间件、数据库、虚拟服务器、通信网络等构成；数据源层主要负责提供各类数据信息与电网参数；数据接口层，按照大数据建模理论完成适配器的设计开发(以数据的结构及时限特征为依据)，并对数据进行清洗、转换、处理和存储(根据交互规约及电力行业标准)；大数据平台层，运行于操作系统和物理服务器层间，Hypervisor/VMs位于该层的底部，协调物理设备(位于服务器上)与虚拟机，提供高性能的分布式计算环境[15-16]。防灾大数据采用分布式文件系统(HDFS)作为存储框架、采用分布式计算技术MapReduce作为并行编程模型和计算框架，由Pig(并行计算机编程语言)、Hive(数据仓库工具)、Sqoop(开源数据传递工具)构成的大数据访问框架通过网络层同大数据存储和处理框架相连，对分布式数据集通过Pig对大型半结构化数据集进行访问，通过Hive实现 MapReduce统计功能(使用HQL语句)[17-18]。大数据调度框架主要由Zookeeper(分布式闭锁组建)、基于HDFS的Hbase(非关系型分布式数据库系统)和Flume(日志收集系统)构成，具备良好的底层存储支持能力和计算能力；各类数据发送方通过Flume收集数据，易出错的关键服务由Zookeeper进行封装。以处理SCADA/EMS 中的 CIM 文件为例，先从D5000中获取作为一个基本数据单位 CIM 文件(通过数据适配定周期获取)，然后将CIM 文件划分为含有相应元数据(作为基本单元存储于集群文件系统)的若干块，文件与块保存在服务器集群上以供后续查询检索，针对大规模数据集采用HiveQL 实现查询与分析功能。系统应用层具有防灾调度、应急响应、全景信息可视化功能[19-20]。

4 结语

本文为有效弥补现有电网防灾、减灾、救灾工作中的不足，以防灾调度工作的实际需求为依据，完成了针对智能电网的灾害监测预警系统的构建，分析了包括系统建设、高级应用、系统安全在内的系统建设的重点，所提出的基于电网防灾减灾工作大数据的系统软件架构能够同当前的SCADA/EMS系统形成有效补充，使电力系统各部门同现场的信息集成与共享能力及协同决策能力得以显著提高，确保电网防灾应急工作能够有序高效的开展，为实现高效有序的电网减灾救灾及电力调度工作提供坚实的支撑。