研究電網運行仿真大數據的知識管理和安全預警

黃藝　丁德藍　趙闊

摘 要：電是人們生活和生產中不可或缺的一種能源。隨著經濟的快速發(fā)展，人們對電力資源的需求量日益增大，這也對電網運行提出了更高的要求。重點分析了電網運行仿真大數據的知識管理和安全預警的內容，以期為相關工作人員提供必要的幫助。

關鍵詞：電網運行；安全預警；知識管理；仿真大數據

中圖分類號：TM732 文獻標識碼：A DOI：10.15913/j.cnki.kjycx.2016.16.057

在電力系統(tǒng)運行的過程中涉及到了許多數據，它們不只來自實際測量，而且多是通過仿真計算獲得的。例如，在分析電力系統(tǒng)的安全性和穩(wěn)定性的過程中，在實測情況下，電網是能夠安全、穩(wěn)定運行的，只有少數電網無法安全、穩(wěn)定運行。為了獲得足夠多的數據用于分析電網，工作人員需要通過相關實驗判斷電網的運行情況。實驗結果顯示，電網運行成本太高，因此，需要采用仿真的方法分析電網的運行情況，確保電網能夠安全運行。

1 電網知識庫的生成

在電網運行的過程中，會應用到許多知識。其中，知識庫的生產對保證電網運行的安全性有非常重要的作用。知識庫的生成過程如下。

1.1 知識生成

以在線電網的運行狀態(tài)為基礎，有針對性地分析在線電網運行的安全性和穩(wěn)定性，同時，還要明確需要重點對待的關鍵斷面。運用蒙特卡羅法獲得仿真電網運行下的大數據，計算仿真電網關鍵斷面獲得的極限傳輸量，并利用大數挖掘方法獲取計算關鍵斷面容量的準確規(guī)則。精細規(guī)則和電網關鍵斷面都是電網運行過程中的主要關鍵知識，在電網運行的過程中，可以此為基礎構建安全知識庫。

1.2 知識分層

經過分析發(fā)現，不同的電網在具體運行過程中選取的在線運行方式會有所差異，并且所呈現出的關鍵斷面也不同。因此，在分析上，可以將知識分為n個知識層面，每個層面都表示一個拓撲斷面。因為電網的運行方式不同，所以，關鍵面會消失或出現。在具體分析過程中，將關鍵面是否出現作為主要標簽。對于電網運行方式的學習、分類，應當利用支持向量機分層存儲電網安全運行知識。在分析電網運行時，可以合理應用存儲的知識。

1.3 知識類聚

在不同電網的運行方式下，斷面極限傳輸量的計算應當采取不同的形式完成。在對電網進行具體分析過程中，依據電網在運行過程中所選取的方式的差異，每個層面都會被細分成不同的類別，形成不同的規(guī)劃準則，完成對關鍵斷面下不同電網安全運行知識的極限存儲，最終實現安全知識的存儲。

2 電網安全運行知識管理

2.1 知識分層模型

電網運行的方式有很多，在電網運行的過程中，斷面的消失與出現會經過一段時間的積累，從大量的電網運行狀態(tài)資料中分析相關問題。對于電網運行過程中的某個斷面h，當部分電網處于運行狀態(tài)時，在具體的調度過程中，需要高度關注關鍵斷面的情況。由此可見，在分析電網的過程中，需要將大量的電網運行數據作為判斷依據，將是否出現關鍵斷面作為標簽，以此建立判別模型。在分析電網的過程中，通過模型能夠準確分析電網運行時各個斷面是否需要被關注。

電力系統(tǒng)是人工系統(tǒng)的一種，它呈非線性，而在電網運行的過程中，存在的大量數據中都具有較高的非線性。在分析問題的過程中，單純地利用線性分類模型是無法滿足在對精準度的要求的。因此，需要將其與非線性支持向量機有機結合在一起，構成知識分層模型。支持向量機之間是相互獨立的，在匹配和訓練的過程中，可以依據實際情況分布到不同的計算節(jié)點上，最終完成分析工作。

2.2 安全知識聚類

在獲取電網運行過程中的關鍵斷面后，在不同的電網運行模型下，斷面極限傳輸容量計算應當采取不同的精細化規(guī)則，以確保結果的合理性和科學性。因此，將大量仿真電網運行狀態(tài)下的數據作為分析基礎，使同一層面下的知識能夠聚集成不同的類別，從而構成不同類型的斷面規(guī)則。

利用聚類分析完成對知識聚類模型的分析。所謂“聚類分析”，就是將數據類型劃分為多個不同的類，同一類自檢對象的相似度比較高，而不同類之間的對象有較大的區(qū)別。下面，采取聚層次聚類算法完成對電網運行狀態(tài)的聚類，具體步驟如下：①將不同的電網運行作為一類。②將距離靠近的類合并。③類別數達到終止條件后結束處理。在處理過程中，在選擇終止條件時，應當繪制距離與類別數曲線。在具體分析的過程中，應當尋找曲線中的“拐點”處，確保分析結果的合理性。

3 電網運行超前預警

在對電網運行超前預警分析的過程中，為了確保分析結果的準確性，知識發(fā)現與知識匹配周期如圖1所示。

在線自動發(fā)現方法作為發(fā)現電網安全運行的方法之一，通過圖1不難發(fā)現，其生成周期T2的時間比較短，通常時間在0.25～1 h之間，匹配時間相對比較多，多以秒為記時單位。由此可見，知識發(fā)現周期T2遠遠大于知識匹配周期T1。

電網安全運行知識具有時效性，隨著時間的推移，應用的知識的精準度將會不斷降低，因此，需要通過相關分析確定知識發(fā)現或知識匹配的運行狀態(tài)知識。但是，由于T2遠遠大于T1，知識匹配方法的時效性則更強。總體來說，知識發(fā)現方法不如知識匹配方法優(yōu)秀。所以，針對電網復雜的運行方式，在短時間內，電網運行會發(fā)生劇烈的變化，這一優(yōu)勢會變得更加明顯。

因此，在電網運行過程中，歷史數據和運行數據要進行“分層-分類”匹配。在處理方面，要從知識庫中選擇最適合電網安全運行的方法，從而準確、快速地完成對電網的預警處理，確保電網運行的安全性和可靠性。

4 結束語

隨著電子信息技術的快速發(fā)展，在電力系統(tǒng)運行管理的過程中融入了互聯(lián)網技術。經過分析不難發(fā)現，在電網運行過程中，知識管理方法速度快、準確性高，并且具有較強的可解釋性，安全預警可以完成對電網運行過程中存在的問題的預警。因此，應當從知識管理和安全預警方面入手，以確保電力系統(tǒng)運行的安全性和高效性。

參考文獻

[1]黃彥浩，于之虹，謝昶，等.電力大數據技術與電力系統(tǒng)仿真計算結合問題研究[J].中國電機工程學報，2015（01）：13-22.

[2]劉道偉，張東霞，孫華東，等.時空大數據環(huán)境下的大電網穩(wěn)定態(tài)勢量化評估與自適應防控體系構建[J].中國電機工程學報，2015（02）：268-276.

[3]文云峰，崔建磊，張金江，等.面向調度運行的電網安全風險管理控制系統(tǒng)（一）概念及架構與功能設計[J].電力系統(tǒng)自動化，2013（09）：66-73.

〔編輯：白潔〕