電網大數據智能調度及應用場景分析

趙紅雨

摘要：隨著社會經濟的不斷發展，電網大數據智能調度逐漸得到了人們的高度重視。電網大數據智能調度的理念主要在于通過獲取更多的電能信息對電的生產、傳輸以及調度等進行優化。分析現在我國電力工業的發展狀況發現，智能電網已逐漸成為了電力工業發展的主要方向。

關鍵詞：電網大數據;智能調度;應用場景

1電網大數據智能調度特征

1.1電網大數據的來源

①基礎數據。基礎數據是描述電力設備固有屬性的相關參數。基礎數據在電力系統實際運行過程中是不會產生太多變化的，甚至可能根本不會發生變化。分析實際情況發現，近年來隨著我國電網規模的不斷擴大，橫向集成等要求隨之出現，需做好基礎數據的收集。

②電網實時量測類數據。目前，我國現有的電網實時量測系統包括監控系統SCADA、WAMS系統以及AMI等。監控系統SCADA和WAMS系統在電網中主要負責對電力運行過程中產生的狀態數據進行采集，而AMI在電網中主要負責對個人用戶數據進行有效采集。

③電網準實時應用類數據。該類數據在電網中主要是由調度自動化系統生成的數據和人工輸入的數據組成。該過程中包含的數據類型主要包括預測計劃數據、報表數據以及監控預警數據等。

④環境數據。環境數據主要包括氣候、地貌以及用地類型等數據信息。雖然在電網以往的發展過程中，這類數據很少被相關人員重視或應用，但在市場經濟發展和電力系統經濟效益提升的今天，這類數據已被廣泛應用于電力系統。

1.2數據特點

①數據量大，實時性強，采集周期短，有毫秒、秒、分鐘級。SCADA采集了大量的電壓、電流、開關狀態等電網穩態數據。常規SCADA系統10000個遙測點，按采樣間隔3～4s計算，每年產生1.03TB數據（1.03TB=12字節/幀×0.3幀/s×10000遙測點×86400s/天×365天），目前三華的數據量每日65.3萬條，7.58GB;WAMS10000個遙測點，采樣率100次/s，按上述公式計算，每年產生495TB的數據。

②數據類型以結構化數據為主，融合部分非結構化數據。實時量測數據、預測計劃類數據、基礎數據主要是結構化數據，占調度自動化數據的90%以上，一些歷史斷面數據、日志等以文本形式存儲，另外還有告警和監視的語音與視頻多媒體數據。

③生產數據分散于各調度中心。調度工作99%在當地進行，電網調度數據來源于生產系統，數據分布在各調度中心，同時閉環控制要求數據傳輸距離短。

④安全控制等級高（四級安全防護）。調度是電力系統的中樞，對安全要求極高，需要滿足四級安全防護體系，因此，電網調度數據安全級別也非常高，獲取比較困難。

1.3電網大數據智能調度的應用特點

分析目前我國電網大數據智能調度的發展發現，監視控制已逐漸成為電網調度發展過程中所必須具備的基本功能。由于監視控制一直都是電網調度應用中的核心部分，相關人員需針對監視控制進行重點研究。此外，隨著相關人員對電網大數據智能調度應用研究力度的不斷加大，電網未來狀態預測的重要性也得到了極大提升。電網未來狀態的預測包含的內容主要體現為操作票安全校核和安全約束機組組合等。

2電網大數據智能調度應用場景

2.1智能調度大數據應用架構

隨著智能電網建設的廣泛開展，調度相關系統越來越多，積累的數據也越來越多，使得原有的各大系統關聯性越來越強。需要將各類電網內外部及電網實時與業務準實時類大數據進行集成，在智能調度新需求下，形成了新的應用場景。智能調度大數據應用架構如圖1所示。

2.2互動負荷大范圍的優化調度

根據相關研究調查發現，傳統的電網調度控制都是通過對發電機組的進一步調節實現用電平衡，但在風電等間歇性能源中，電網的容量相對平時存在一定程度的擴大，相關人員若只是一味地依靠常規發電機組進行調節，不僅無法將電網的全部調控能力充分發揮，而且不能提高最終的調度效率。為解決傳統調度存在的弊端，實現調度效率的有效提升，相關人員需要利用大數據技術對全網負荷信息等內容進行綜合性分析，并且需要按照最大范圍資源優化配置原則對不同時間尺度的決策進行優化。這樣不僅能有效提升電網的動態感知，而且可實現電網的安全運行，達到資源合理配置的目的。

2.3多時間尺度的負荷特性參數在線辨識

到2020年，國家電網將全面建成“五縱六橫”特高壓骨干網架。未來區域電網之間相互影響、相互作用進一步增強，在聯系日益緊密的同時，也帶來了大系統的安全風險防控問題。一個極小的擾動就可能產生“蝴蝶效應”，引發全局性災難，因此未來電網運行控制迫切需要實時、準確的負荷模型支持。現有的分析方法往往采用估計和經驗的方法給定負荷的參數，不精確。SCADA采集了電網運行的穩態數據，WAMS采集了電網運行的動態數據，利用大數據技術對這2類數據進行綜合分析，可在線確定負荷動態模型，為實現即測–即辨–實時仿真–在線控制的電網控制運行新框架打下基礎。

2.4監控設備全生命周期管理

在智能電網環境下，電氣元件的數量和種類在不斷增加，所采集的設備狀態數據更加全面，數據量也更大，涵蓋了設備的臺賬、運行異常記錄信息、缺陷記錄、在線監測信息、不良工況信息和家族性缺陷信息，達到PB級。目前根據設備評價導則進行評分，根據評分制定檢修策略，但設備在線監測的數據價值遠未被挖掘出來。利用大數據技術對這些海量的、分布式的、異構的數據進行綜合分析，實現設備狀態演變過程實時監視和趨勢分析，從而能夠在線掌握電網設備的運行狀態，支撐智能電網的狀態檢修工作，提高電網設備狀態評價的及時性和準確性，降低檢修成本，在一定程度上提高檢修效率，提高電網資產利用效率。

結語：

隨著新時代社會經濟的不斷發展，電網調度的穩定運行逐漸得到了人們的高度重視。為了提高電網運行的可靠性，促使我國電力事業更快發展，相關人員需要加強對電網大數據智能調度及應用場景的研究。

參考文獻：

[1]孫柏林."大數據"技術及其在電力行業中的應用[J].電氣時代，2013（8）：18–23.

[2]趙云山，劉煥煥.大數據技術在電力行業的應用研究[J].電信科學，2014，30（1）：57–62.

[3]趙琦瑋，王昕，王鑫，等.含不同集群電動汽車的微電網優化調度[J].可再生能源，2019，37（3）：379-385.