基于Spark平臺的全景電網拓撲分析系統設計

劉晟東　陳以

摘要：在智能電網發展趨勢下，電力網絡規模與復雜性不斷增加，傳統電力拓撲分析方法難以滿足全景大電網對實時性的需求，本文提出一種基于大數據框架Apache Spark的全景電網拓撲分析系統，實現復雜電網的實時拓撲分析計算。實驗表明拓撲實時分析性能明顯高于傳統方法。

關鍵詞：電力系統；大數據；拓撲分析；Apache Spark

中圖分類號：TM711 文獻標識碼：A 文章編號：1007-9416（2018）04-0155-01

電力系統拓撲分析作電力系統分析的基礎，是電力系統狀態估計與仿真的重要組成部分[1]。智能電網的發展使電網的可靠性需求進一步提高，傳統拓撲分析方式已經無法滿足智能電網的需求[2]。為實現全景電網的快速拓撲分析，提出了一種基于Spark平臺的全景電網拓撲分析系統。該系統能夠處理多廠站互連的全景電網系統，在處理復雜電網時性能與效率優于傳統拓撲分析系統。

1 Apache Spark

Spark是一個基于內存分布式計算的集群計算框架，相較于MapReduce框架，Spark引入了彈性分布式數據集（RDD）的概念，將數據存儲在內存中，提高了計算效率[3]。本文所提出的的基于Spark平臺的全景電網拓撲分析系統綜合Spark Streaming與Spark Graphx組件來對復雜電力系統進行拓撲分析。

2 基于Spark平臺的全景電網拓撲分析系統

電網拓撲分析系統主要包括數據采集傳輸模塊，消息傳輸模塊，分布式流式計算模塊，以及輸出模塊。

2.1 數據采集與消息模塊

對于節點規模較大的電力系統，傳統電力系統數據采集系統SCADA會出現性能不足的問題，采用kafka分布式消息系統與數據采集系統結合的方式，能夠提高系統的吞吐量與響應速度。采集系統收集廠站內部的拓撲信息，按照時間間隔上傳給kafka消息系統，Kafka系統將數據進行解析分區，傳輸給流計算模塊。

2.2 拓撲分析與流計算模塊

運行在Spark集群上的流式計算模塊是本文系統核心部分。流計算程序分為三個步驟：

步驟1：讀取Kafka系統傳輸數據，對于輸入信息中包含各個地區信息的Dstream進行處理，得到包含全網拓撲信息的Dstream。

步驟2：對步驟1生成的Dstream進行操作，構建edgesRDD與verticesRDD并構造出拓撲圖，采用GraphX的connect components算法，對拓撲圖進行并行迭代，劃分出拓撲圖的聯通片。

步驟3：將步驟2中得出的結果進行解析存儲。

3 實驗與分析

3.1 實驗環境

采用CDH平臺搭建了一個由六臺服務器組成的實驗集群，輸入不同規模的數據對系統進行實驗測試。

3.2 實驗內容與結果分析

以五個不同規模的電力系統對系統進行測試，分別通過深度優先搜索法，廣度優先搜索法，關聯矩陣法與提出的系統進行對比。拓撲分析的耗時對比情況如表1所示，從表中可以發現，對于節點數較多的電力系統，基于Spark的全景電網拓撲分析系統的計算效率優于傳統算法。對于規模越大的拓撲數據，基于Spark平臺的拓撲分析系統的計算處理優勢越明顯。

4 結語

本文提出一種基于Spark 平臺的全景電網拓撲分析系統，采用大數據處理技術分析大型電網拓撲。通過實驗分析，本系統可提高復雜電網的拓撲分析效率，并且具有良好的拓展性。

參考文獻

[1]徐巖，宋艷爭，張亞剛，等.基于廣域測量系統的改進電網拓撲結構識別[J].電網技術，2010，34（9）：88-93.

[2]陳國平，李明節，許濤，等.關于新能源發展的技術瓶頸研究[J].中國電機工程學報，2017，37（1）：20-26.

[3]Zaharia M， Chowdhury M， Franklin M J， et al. Spark： cluster computing with working sets[C]// Usenix Conference on Hot Topics in Cloud Computing. USENIX Association， 2010：10-10.