基于大數據技術下智能電網系統設計

胡波， 李宏亮

(1.江蘇雙度電氣有限公司， 南京 210005；2.杭州得正電氣有限公司， 杭州 310052)

0 引言

目前隨著電力市場化的深入展開，在社會電力系統中面臨著安全可靠問題、資源環境等問題，現代電網的迅速發展對系統的智能化需求不斷提升，快速發展和完善的科學技術及網絡信息技術，為電力系統的發展提供了技術支撐，為了更好的滿足構建電力系統的高質量和高適應性需求，智能電網的概念應運而生，智能電網涵蓋電力運行的主要環節(包括發送、輸送、配送、使用和調度)，其中調度環節是智能電網系統中的關鍵所在，可保證電量合理安全地流通，對智能化的設計需求較高，電站和電力傳輸路線的信息均需通過調度環節完成采集，再將采集的信息傳輸至主站完成自動分析和處理，從而實現智能化監視和控制整個電網的過程，在節約能源的基礎上提高整個系統的運轉穩定性，提升電力系統的自動化程度。

1 大數據與云計算在智能電網系統中的應用優勢

1.1 大數據與云計算技術概述

大數據技術為獲取、存儲、處理分析大數據及結果可視化提供了技術支撐，通過使用大數據技術能夠挖掘出電網運行過程中大規模數據中有價值的信息和知識，有助于提高電網的運行效率。而從技術上看大數據與云計算關系極為密切，單臺計算機難以滿足大數據處理需求，需采用分布式架構，對海量數據需依托包括虛擬化、分布式數據庫和云存儲等在內的云計算技術完成分布式數據挖掘處理過程，為對電網運行進行快速可靠的只會提供了便利條件。云計算基于網絡服務，在計算機高速發展的時代，可使設備的工作環境得以有效加強，基于SOA架構加以延伸后的云計算，數據分析處理能力顯著提升，并且數據安全得到進一步的保障，云計算已廣泛應用于各個領域，其所提供的虛擬化資源具有動態、易擴展及高彈性等優勢[1]。

1.2 應用優勢

本文嘗試在設計智能電網調度系統時應用大數據技術及云計算平臺，使電網資源的利用率得以有效提高，為電力領域帶來更大的經濟效益。基于云計算平臺的智能電網系統的主要優勢在于：(1)提高了電力資源的公開透明度，突破時間和空間的限制，具有使用權限的平臺用戶能夠隨時隨地對平臺上的資源進行查詢和使用，實現對智能電網中的信息資源進行統一有效管理；(2)通過云計算的人機交互口能夠實現資源共享，有效滿足電力領域的資源管理需求，為智能電網的運行和管理帶來很大的優勢；(3)能夠實現資源的動態分配及彈性縮放，使用過程更加快捷方便，用戶無需掌握大數據技術處理過程的信息，云計算會將智能化的分析處理結果提供給用戶，實現資源的動態分配(具有高度彈性)，從而確保數據的有效性，并提高系統的計算能力及調度環節處理效率[2]。

2 基于大數據技術的智能電網調度系統

2.1 系統架構

智能電網能夠有效滿足對電網系統對調度的高標準要求，讓工作更加具體細分，并且在故障發生時，通過各個調度中心間的相互協調，智能電網可自動完成調整，由管理中心統一籌劃日常管理、控制及監控工作，具備較高的工作效率，系統架構具體如圖1所示。

圖1 智能電網調度系統架構

智能電網調度系統簡潔易操作，進一步實現自動化及智能化調度過程。

基于大數據架構的智能電網系統，全方位集成了智能電網中的各子項，結合使用物聯網及云計算技術、分布式數據管理技術，與其他子項通過統一數據接口的方式，使現有平臺存儲、計算、分析和管控電力大數據的能力得以顯著提升，高效處理調度任務數據信息，能夠對用戶能耗進行自動分析，有效實現了采集、處理與分析海量用電信息數據過程，提升了電力負荷預測分析能力，通過大數據服務體系的構建，主要實現業務趨勢預測功能及挖掘用電行為數據中的有價值消息，在此基礎上實現對用電方案的進一步優化能力；并且能夠精益化分析處理配電網故障從而提高搶修能力。從而確保智能電網經濟運行的實現[3]。

2.2 智能調度中心的功能

智能調度中心的功能主要包括：(1)進一步提高了智能電網的可觀測性更強，對用戶的使用情況進行實時監測，并在此基礎上利用云計算完成用戶信息的分析以做出準確估計；(2)擴大了智能電網的可控制資源范圍，可有效控制基礎發電資源、儲能裝置、輸電裝置和變電器等；(3)智能電網會對各種因素進行綜合考慮，在確保滿足供電需求的基礎上，對經濟性和環境因素進行充分考慮，降低能耗、減少環境污染，協助管理人員對調度策略做出適時調整，不斷提高電網調度及系統控制方法的靈活性；(4)智能電網可實現能量的雙向流通，簡化了信息交流方式，提高了系統的智能化及開放程度[4]。

3 調度系統云計算平臺設計與實現

電網系統依靠網絡實現相互間的連接，不斷擴大的電網規模程度增加了連接結構的復雜程度，使系統間的相互協調難度加大，結合使用云計算可使大數據技術信息挖掘分析能力得到有效實現，電網系統通過“私有云”的構建，以實際電網級別為依據將其細分為主云和子云，實現在短時間內對現有設備和軟件資源的充分利用，在此基礎上進行資源的合理分配及整合。本文通過設計針對調度系統的云平臺作為各調度中心的數據信息服務總站，使電網自動化設備同分散的信息資源有效對接，以滿足電網調度系統運轉過程中對計算數量及質量的要求，為總線的合理分析和控制提供支撐，有效提升了智能電網系統的實時性和準確度。

基于云計算平臺的智能電網調度系統由海量數據存儲系統、數據服務總線(分布式)、動態負載均衡系統(對資源進行調配)以及集成計算引擎四部分構成，邏輯架構如圖2所示。

圖2 基于云計算平臺的智能電網調度系統構架

數據服務總線作為系統的核心起到交換中心的作用(負責遠程管理、寫日志、對系統配置參數進行修改、系統維護等工作)，采用極大規模的分布式構架使數據服務總線有多種連接方式可供選擇，其他子系統的信息通過數據服務總線實現相互交換、信息共享及信息整合的過程，實現對底層物理設備的統一管理，各個端口通過此種信息交流機制可快速準確的實現調用過程，提高了調用效率[5]。

通過統一的管理監控界面的設置，實現對調度系統的運行情況進行實時監測和調整，便于管理員根據實際監控情況及時進行相應調整。此外，各區域的調度中心還增加了備用功能，由附近的節點暫時代替發生故障的某個調度中心完成相應功能。各調度中心相互間資源的獲取均需通過總線，從而確保系統的可靠性和穩定性。各平臺間可完成多級動態調度，由交換中心負責處理這些信息，進而實現了各種資源和信息的共享，輔助調度員對系統參數進行準確高效的調節。

根據各子平臺的運算速度由動態負載均衡系統完成任務的動態分配，根據對各重要節點的負荷情況的實時監測結果實現動態調整過程，平臺之間可實現共享，當監測結果表明某個節點無法正常運轉時，系統會找出工作量最小的調度中心，并由其代替失效節點完成相應任務，在確保系統穩定運轉的同時，簡化了系統的使用過程并降低了維護成本，在無需增加新設備的前提下，有效解決了大量數據的存儲和管理問題。多種類型的計算資源通過集成計算引擎功能實現集成，計算并整合任務分配過程中的大量數據，在此基礎上完成快速分析和處理，使計算速度得以提高。

4 智能電網調度云計算模型及仿真分析

4.1 模型構建

本文在構建智能電網調度云計算模型時，采用改進的遺傳算法(PFGA)，通過在各個環節尋求最優解，使模型的尋優能力得以有效提高。編碼方式包括直接和間接編碼，在智能電網中最需計算的部分為調度環節，而調度資源與調度任務密切相關，為達到編碼和解碼的目的，需用函數的方式將這種關系表達出來，本文選用間接實數編碼方式，用染色體的長度表示子任務的個數，各網絡資源上所分配到的不同的子任務對應不同的基因值，其基因的值由子任務對應的編號表示，假設調度任務總數由T表示，分配給第i個任務的子任務數量由Si表示，子任務總數由N表示，則其具體表達式如下：

染色體的解碼過程為：以染色體的序列信息為依據進行反推，從而實現各個節點任務情況的獲取，假設在電網調度系統中，第w個worker資源由w表示，資源個數由m表示，任務總個數由n表示，i表示子任務，w完成第i個任務的時間由t(w，i)表示，由Tk表示解碼后完成第k個任務所需時間，具體表達式如下[6]。

假設總任務數為Q，完成總任務所需時間由T表示，則其具體表達式如下：

4.2 仿真分析

為了驗證本文所設計的智能電網系統的可行性和可靠性，將電網調度云計算作為特殊網絡環境進行仿真試驗分析，本文采用的改進遺傳算法(PFGA)同自適應遺傳算法(AGA)進行對比分析，具體的初始值設置如表1所示，總任務完成時間如圖3所示，總任務平均完成時間如圖4所示。

表1 仿真模型基本參數設置

圖3 總任務完成時間曲線

仿真結果表明，在完成總任務所需時間上，相比于本文算法DFGA，自適應遺傳算法所需時間更短，原因在于AGA進行云計算開始時以總任務所有完成時間為關注重點，導致在運算過程中易屏蔽丟失掉部分優良因素，影響了運算的最終質量。而本文算法在初始運算時即加入自適應度因子，搜索最短路徑時兼顧總任務時間及平均時間，導致初始所需時間相對較長，但隨著運算的持續，不斷增加的進化迭代次數會使AGA逐漸陷入局部最優收斂工況，而本文算法仍會對運算分析過程進行繼續優化，使本文算法在后期進化過程中獲取的云計算順序策略更優越，總任務及平均時間較短，從而使搜索分析運算時間及調度任務的綜合統計分析時間得以顯著降低，提升電網調度海量數據的效率，便于調度員制定高效經濟的調度決策方案。

圖4 總任務平均完成時間曲線

5 總結

本文主要對基于大數據技術下智能電網系統進行了設計，利用大數據技術依托云計算技術構建云計算平臺，可高效計算大量復雜問題，平臺中各功能模快相互獨立，通過總線完成信息和數據的交換，借助大數據技術能夠實現大規模數據的高效處理，而云計算的資源共享功能及強大的計算能力，為智能電網調度系統計算分析調度運行數據信息提供了強大的技術支撐，在確保系統可靠性和精確性的同時，為提高云計算的實時響應性，將改進遺傳算法結構(DFGA)引入到云計算中，對平臺資源通過實時監測和合理協調實現科學高效的動態分配過程。仿真結果表明引入改進遺傳算法結構(DFGA)有效提高了計算效率及總任務完成效率，資源之間可以共享，為保證智能電網經濟運行調度的科學高效提供參考。