基于数据融合架构的可再生能源运行监测系统

2024-03-25李永福刘志宏

机械与电子 2024年3期

戴健,黄飞,王谦,李永福,印华,刘志宏

(1.国网重庆市电力公司电力科学研究院,重庆 401123;2.国网重庆市电力公司,重庆 400015)

0 引言

在能源行业日益追求可持续发展的背景下,可再生能源作为清洁、环保的能源形式,正逐渐成为能源体系的重要组成部分。然而,可再生能源的波动性、不确定性以及与传统能源系统的集成等问题,给其运行和管理带来了新的挑战[1]。随着大数据技术的深入应用,通过整合多源数据,结合先进的信息技术和数据分析方法,能够为能源运营商和系统管理者提供全面的能源监测、预测和优化策略,从而实现电力系统的高效运行和可持续发展。

目前针对新能源运行监测,文献[2]提出了基于数据平台的新能源运行调度分析系统;文献[3]提出了新型电力系统态势感知技术;文献[4]分析了计及可靠性的风光互补发电系统容量优化配比;文献[5]分析了基于改进蝴蝶算法的冷热电联供微网日前优化调度;文献[6]分析了考虑风电消纳的电-热综合能源系统经济运行;文献[7]提出了适用于可再生能源系统的电压运行监控措施。

分析上述研究内容,新能源调度运行数据平台在实践中存在不足,主要体现在数据集成过程复杂、实时性要求难以满足、数据准确性和可靠性较难保证、不确定性建模不足、可视化和用户体验不够等。

为解决上述问题,提出了基于多源数据融合的新能源运行数据分析系统。

1 新能源调度运行分析

1.1 新能源运行数据特征

新能源机组在电力系统调度运行中的数据特征包括以下几个方面:

a.波动性。新能源机组,如风力发电和光伏发电,受天气因素影响较大,导致其出力具有明显的波动性。这使得电力系统需要实时调整其他发电机组的输出以应对这种波动,以保持电网的平衡。

b.不确定性。天气预报的准确性可能影响新能源机组的发电量预测。由于天气变化无法完全预测,新能源实际出力可能与预期值不一致,这种不确定性需要在电力系统调度中得到考虑。

c.季节性。风力和太阳能等新能源的发电量可能因季节变化而有所不同。如在某些地区,冬季风力较弱,夏季阳光更充足,从而导致发电量的季节性变化。

d.间断性。风力和光伏发电在特定条件下可能会中断,如夜间或风力过弱时。这种间断性要求电力系统在这些时段内依赖其他发电方式来满足电力需求。

e.响应速度。新能源机组通常具有较快的响应速度,能够在短时间内调整发电量。这对于电力系统的频率稳定至关重要,但也需要与其他发电机组协调以避免过度调整。

f.电压和频率。新能源机组的连接可能影响电网的电压和频率稳定性。在大规模引入新能源时,需要控制这些参数,以确保供电的稳定性和质量[8]。

g.功率因数。新能源机组的功率因数与传统发电机组不同,对电力系统的无功功率平衡产生影响,需要采取措施来调整功率因数。

h.市场影响。新能源的引入影响电力市场的价格和竞争格局。供求关系的变化导致市场价格波动,需要电力系统调度做出相应调整。

i.电网规划。引入新能源机组需要调整电网规划,以适应分布式发电和能源存储等技术的整合,以及确保电网的可靠性和稳定性。

j.数据采集和监控。为有效管理新能源机组,需要建立数据采集和监控系统,实时监测其发电量、状态和运行情况,以便进行及时调整和维护。

这些数据特征的综合考虑和合理管理,对于电力系统调度运行中的新能源机组具有重要意义,可以确保电力供应的可靠性、稳定性和经济性[9-10]。

1.2 数据融合流程

数据融合流程具体如下所述。

a.数据抽取。数据抽取是对新能源运行数据抽取的过程。抽取的数据主要包括分布式机组在网络中的节点位置、装机容量、运行方式、经济性和技术比较结果[11]等。数据抽取量与电压等级及相应传感器和信息采集单元布置的位置有关。

b.数据校验。对于颗粒度较高、噪声含量较大的数据校验十分必要。可再生能源设备在系统规划、调度自动化系统中产生大量数据,为实现数据校验,需要对电能类型、电压等级、装机容量、所属变电站供电区域、变电站容量、输电线路长度和线路类型等数据进行校验[12]。根据不同数据类型设置的校验规则,对不满足数据分析要求的内容进行剔除。

c.运行数据融合。根据得到的校验后数据进行典型日数据融合,包括可再生能源输出功率数据、最大负荷、最小负荷、平均负荷、复合率和峰谷率等与相应的机组运行数据进行融合[13]。融合后的结果可以实现调度运行辅助分析和市场交易数据应用。融合后的数据主要分为可再生能源设备数据、高压网络数据、中低压网络数据及管理数据。

d.拓扑数据融合。调度自动化系统能够提供系统拓扑结构, PMS系统能够提供各电压等级包括的机组数据、线路起始数据,可以形成高压设备拓扑融合结果。中低压设备拓扑关系是指中低压线路连接的具体结果,从调度自动化系统中抽取中低压线路的数据能够形成拓扑关系表格。拓扑关系表格可以为分布式电源结构分析、运行状态分析提供必要依据。数据融合流程如图1所示。

图1 数据融合流程

本文提出的融合数据结构如图2所示。传感器数据和逆变器控制数据分别送入传感器模块和逆变器控制器接口网络模块。利用数据整合模块,形成服务器数据传输和主控模块。其中主控模块将数据融合的配置文件和传感器数据库文件整合,并根据功率监测和网络节点连接校验实现对主要数据的辨识。

2 新能源运行数据监测系统

2.1 系统总体构架

系统总体架构如图3所示。根据区域能源属性和电网规划建设的特征,包括风电、光伏、电池储能和生物质能发电等可再生能源的运行监视以数据融合为主要形式进行数据监测。

图3 总体构架

数据和相应变电站的运行文件会上传至可再生能源云平台监视中心,以实时存储和分析的方式进行全局查阅。可再生能源数据质量分析,主要包括数据源分析、数据预处理、数据质量评估和数据质量分析。数据源分析的主要目的是对可再生能源机组运行数据的分类和识别,包括数据类型分析和数据域分析。数据域主要是指内部数据、外部数据和模型数据。内部数据来自可再生能源发电生产运行过程的数据,如对上级调度部门的调度指令接收和执行内容等;外部数据与可再生能源电厂的运行息息相关,气候条件包括高精度天气数据是主要的可再生能源利用的外部数据[14]。模型数据包括变电站数据模型和设备数据模型。变电站数据模型能够为区域级数据分析和评估提供准确的参数和拓扑结构;设备数据则为站内数据监测和安全分析,提供相应的参数。根据数据类型可以分为结构化数据、半结构化数据和非结构数据。不同的读取模式可以将数据类型和数据质量按照一定规则存入数据库进行进一步分析。

数据预处理包括周期数据和实时数据[15],是针对可再生能源机组运行过程中数据清理、数据融合、数据归一化和存储的重要前提,能够为可再生能源运行和实时交易提供上层的应用分析准确数据。

数据质量评估是针对数据准确性、完整性、实时性和一致性的评价,包括预评价和后评价。预评价是在数据校验前的初步评价,数据校验后的评价是针对数据完整性等内容的重要指标。

数据质量分析的重要内容是数据质量,数据挖掘能够为数据之间的关联、与外部之间的关系提供相应准则,并且有助于发现异常和不合规数据,提升数据分析的质量和结果。

2.2 系统功能分析

数据监测的基本数据类型包括模型信息数据和基础数据,具体结构如图4所示。模型信息数据是针对与数据共享有关的调控云、数据中心、OMS系统和持证上岗信息等内容融合的模型数据,主要包括设备信息、运行信息、调度信息和检修信息。基础数据针对新能源运行具体状况,包括模型台帐、气象信息、遥测遥信遥控信息、调度日志信息、设备缺陷信息和设备检修信息等。模型信息是基础数据信息的基本模型,通过信息模型数据能够实现对基础数据进行分类查询,实现分别统计。

图4 功能分类

2.3 区域新能源资源评估

基于地区气象系统和地区总调数值天气系统的气象数据,包括风速、风向、辐照度、气温气压及雨雪状况等实时数据及历史数据,实现按不同电压等级、不同区域、多维度直观展示风电、光伏资源分布图。

新能源资源指标包括平均风速、平均有效风速、平均风功率密度和平均有效风功率密度、平均风能密度和平均有效风能密度等风能资源评估指标数据。水平面总辐射平均辐照量、法向直接辐射平均辐照量等太阳能资源评估指标数据。

同时,系统还可基于地理图形直观展示太阳能资源分布情况,包括风速、风向、辐照度和气温气压等;展示当天风能源资源指标数据,展示风电功能预测、发电计划安排和实际发电曲线;展示当天太阳能源资源指标数据,展示太阳能发电计划安排和实际发电曲线。

针对新能源资源长周期评估,支持场站发电量和区域的风能和太阳能资源的日变化、月度变化、年度变化,以及同比和环比情况进行分析;支持基于风电场或区域的风速(或风功率密度)分析风电场或区域风资源变化趋势;支持基于光伏电站或区域的太阳辐照度分析光伏电站或区域光资源变化趋势。

最终,结合上述数据建设新能源消纳统计报表系统,具备对新能源发电量、弃电量、利用率、弃电率及弃电原因统计及综合查询功能。

3 系统硬件设计

3.1 光伏发电监测系统

光伏太阳能发电的监测系统包括传感器部分、数据获取部分、分析计算平台以及显示展示环节,如图5所示。根据光照辐射强度以及环境温度等参数形成的传感器数据,数据获取过程中,除传感器以外的数据还包括测量表计的读数,由直流部分和交流部分共同组成。形成的数据获取以电压、电流、光照辐射强度和温度的形式发送至分析平台,将有功功率P、无功功率Q、视在功率S、功率因数cosθ、总谐波畸变率THD和频率f等结果以表格或图形的方式呈现。