蔡淑慧 鄭曉鐘 陳 海 章建東 蔡秋蘭
?
智能電網大數據處理技術應用與發展策略
蔡淑慧 鄭曉鐘 陳 海 章建東 蔡秋蘭
國網福建省電力有限公司廈門供電公司,福建 廈門 361000
隨著我國科學技術的不斷進步,大數據、云計算技術已成為發展方向,并且技術的成熟度越來越高,已逐漸應用到各行各業中。研究了智能電網下的大數據技術發展情況。電網依托智能電網大數據技術,在其指導下推動電力的發展,充分提高了電能的利用效率,實現資源的合理配置,這樣無論在智能電網數據平臺、資源配置以及在分布式控電方面都發揮著巨大的作用,實現電網智能化安全運轉、監測和報警工作。
智能電網;大數據;處理技術
智能電網是建立在物理電網基礎之上的,并集成了傳感測量技術、計算機技術、信息技術以及控制技術等多種現代化技術,是一種新型電網。智能電網往往涉及發電、輸電、電力調度以及配電等多個環節,協調各方面用電需求,使整個電網系統保持高效運行,極大地降低了運營成本,使系統的自愈性和可靠性得到了增強[1]。
大數據最早主要在商業及金融領域中得到應用,并逐漸向交通、能源以及醫療等相關領域拓展。在智能電網中,大數據得到十分廣泛的應用。通過大規模部署智能電表,加強傳感以及量測技術的影響,為智能電網搜集了大量的數據,這類數據往往表現出如下特點。
隨著智能電網發展程度的不斷提升,電網發電機節點和負荷節點也不斷攀升,再綜合負荷以及電網雙向交互因素,極大地促進了電網數據量的增加,數據規模達到PB量級[2]。
這是由電網屬性決定的,也就是確保電力電纜保持實時平衡,而負荷波動并沒有固定的規律,這就要求發電側出力必須對負荷變化保持實時跟蹤。不僅如此,電網故障的出現往往帶有一定的突然性,必須及時進行處理,使電網保持可靠運行。為了滿足這一需求,就需要智能電網對電網數據進行快速傳輸和處理。
多樣性主要表現為三點:一是數據來源的多樣性。這些數據不僅涉及電網內的數據,而且包括大量電網外的數據。二是存儲類型的多樣性。對于結構化數據而言,主要是用電信息采集系統、發電機以及輸電線路收集的信息,還會收集到大量的非結構化數據,比如說電力調度與營銷系統中的語音數據、高壓線路巡視直升機獲得的圖像數據等。三是采集周期的多樣性。數據類型不同,其采樣周期往往存在較大差異[3]。
在電網電量管理系統中,負荷預測往往占據著重要地位。可以說,電網運行是否安全可靠受到負荷預測準確性的重要影響。一旦負荷預測出現較大誤差,將會導致電網運行存在較大安全風險。就目前而言,負荷預測的主要手段是參考負荷歷史數據,再通過相關算法對負荷大小進行有效預測,通常負荷預測短期精度較高,而中長期則無法保證其精度。電網數據采集范圍不斷擴大,對于氣象信息、宏觀經濟指標以及用戶作息等相關數據,大數據技術能夠利用一些抽象的量化指標表征和負荷的關系,這樣就能更為準確地感知負荷變化趨勢,使預測精度得到有效提升。
隨著電力市場的日漸完善,能夠實現跨越常規電源出力調節,而專門對用戶需求側的管理,使系統電量達到平衡狀態。也就是說,通過市場調節手段,讓部分用戶主動削減或者增加部分負荷,使發電側出力達到平衡。要實現源、網、荷三者的協調調度,必須掌握足夠的輔助信息。比如說,新能源出力波動幅度、負荷削減電量能力、電網輸送能力等因素。這些因素往往受到不同條件的影響,因而這一電力交易過程往往表現得極為復雜,那么就需要引入大數據技術,深入挖掘不同數據間的相互聯系,在此基礎上進行合理協調調度。較之于傳統電網,智能電網的最大特點在于能夠實現源網荷信息的雙向流動,在構建的框架內,源網荷信息能夠進行順暢交互,使電網運行更加經濟可靠。
與新能源電網相比較,傳統電網無論是在數據來源渠道規劃上,還是在數據的分析方面,都存在諸多的不足。引入新技術后,傳統電網的規劃問題得以凸顯,尤其是能源結構調整后,傳統電網規劃和實際間的差距更加突出。為了解決新能源的接入問題,人們提出了電轉氣的技術,也就是將電能轉化為天然氣以利于存儲,但是因為轉化效率過低,該提議尚處在技術論證階段。冷熱氣三聯技術具有能源利用率高、環保性強、效益突出等顯著特點,是以實現能源的階梯利用為基本目標的。電動汽車行業的逐漸興起會大大增加能源末端的消費,屆時充換電站就會分布于城市的各個角落。
當前,我國智能電網大數據技術處于發展關鍵階段,保證智能電網傳輸的安全性和持久性是基本要求,因此大數據要保證實現電網傳輸和存儲的安全。這就要求管理人員利用管理機制和算法框架,確保運行參數的項目分析結構準確,適應智能電網發展需要。智能電網時代,要保持電力系統內部和各個基層組件的正常運轉,從而提升數據存儲能力和運轉順暢,實現數據的時效性。智能電網時代,收集數據存儲參數會逐漸增多,需要處理的數據也很多,這就為監控設備和存儲參數帶來了挑戰,需要技術性人員優化升級電力智能數據化存儲能力,升級網絡數據傳輸能力,強化文獻系統的分布式運行優勢,提升系統存儲能力。另外,要提升大數據的運行軟件,提升存儲工作安全性和系統流暢性,提高大數據分析和處理能力,保證運行參數的正常需求,優化信息處理能力和分析能力,實現有效性。
技術人員利用智能電網大數據技術,能夠實現基本數據的分析和構建,不斷強化技術性優勢,保證核心數據收集和統一性處理工作,從而建立健全數據庫系統回歸性分析,集中進行整理收集分類,達到數據安全和穩定,實現非結構性數據的集中分類和整理,確保數據整體框架的穩定,建立一種智能電網分布式系統優化方案。
優化運行大數據實時分析,更多地關注數據庫內存結構和運行方式,建立完整的數據庫系統,保證數據內存的完整性和優化性,實現數據內存參數項目的正確性。在收集電力數據時,要利用計算機信息處理能力,利用云計算能力,提升智能電網系統運行技術環節的有效性,使用數據合成和智能信息平臺。電網智能調度過程中,要提前建立好模型,特別是對一些具有小型發電能力的智能電網波動路徑,要對電網系統和組織框架進行實時監管,提升其預防突發電荒的能力,不斷提高應急處理能力,完成電網實時數據的更新任務。
對智能電網系統運行數據的分析過程中,要提升未來智能電網發展的預測,要對發電和輸電系統進行分析,還要對用電環節進行分析,確保運行環節順利進行和深度剖析。在信息采集過程中,集中優勢資源提取大數據,綜合應用大數據進行處理,使用數據異構處理,從而獲得智能電網數據最大化,讓傳輸和數據規模更加有效管理,提升基礎設施管理,降低運行成本。
總之,在智能電網的快速發展下,電力系統運行、信息采集、設備狀態檢測過程中出現了大量的數據。智能電網大數據在應用的過程中具有數據量大、類型多樣、數據特征復雜等特點,且各類業務數據在使用的過程中存在交叉融合的特點。智能電網大數據平臺建設運行涉及的技術形式包含數據集成、數據存儲、數據處理、數據分析等,在具體應用的過程中需要根據不同的業務形式來選擇相應的大數據技術,只為在電力企業的發展中更好地發揮智能電網大數據平臺的作用。
[1]楊在鵬. 面向智能電網應用的電力大數據關鍵技術探討[EB/OL]. [2018-05-23]. https://doi.org/10.19474/ j.cnki.10-1156/f.004011.
[2]劉昶,李春,孔祥靖,等. 基于智能電網的營銷大數據平臺分析[J]. 大眾用電,2017(S1):207-208.
[3]張聰慧. 智能電網大數據平臺中防竊電與電力負荷子系統的設計與實現[D]. 北京:北京交通大學,2017.
Application and Development Strategy of Smart Grid Big Data Processing Technology
Cai Shuhui Zheng Xiaozhong Chen Hai Zhang Jiandong Cai Qiulan
State Grid Fujian Electric Power Co., Ltd., Xiamen Power Supply Company, Fujian Xiamen 361000
With the continuous advancement of science and technology in China, big data and cloud computing technologies have become the development direction, and the maturity of technology is getting higher and higher, and it has gradually been applied to all walks of life. The development of big data technology under the smart grid is studied. The power grid relies on smart grid big data technology to promote the development of power under its guidance, fully improve the utilization efficiency of electric energy, and realize the rational allocation of resources, so that it can be used in smart grid data platform, resource allocation and distributed power control, which plays a huge role in the realization of intelligent and safe operation, monitoring and alarm work.
smart grid; big data; processing technology
TP311.1
A