電力大數據系統在新能源項目規劃中的運用探究

李成功

摘 要：文章基于大數據技術的發展現狀以及對電力企業的影響和作用，對新能源系統結構中應用大數據技術的應用，并對新能源項目規劃中大數據技術的應用以及未來發展趨勢進行研究，以供參考。

關鍵詞：電力大數據系統;新能源項目規劃;運用

1引言

在目前我國進入經濟發展新常態下，我國社會的用電負荷也會在很長一段時間內維持較高的水平，這不僅增加了發電企業建設規模以及裝機容量等，而且也使得電力系統建設和運行中產生數據的類型和數量，表現出數據規模呈指數型增長的趨勢。尤其是在目前能源緊缺和環境污染形勢下大力發展的新能源項目，表現出新能源項目規劃和建設數量的急劇增加，同時也使得智能電網的普及范圍在逐漸擴大，更是增加了智能電網運行中的數據分析工作量和難度。為此就需要在智能電網建設和發展過程中應用電力大數據技術，在推動智能電網發展的同時，也提升其運行的安全性和穩定性，起到推動我國電力工業以及社會經濟快速發展的作用。

2大數據的概念及其對電力企業的影響

在目前的信息時代下，電力行業之間的行業技術交流活動也更加頻繁，尤其是在智能電網的構建過程中，電力企業需要整合自身業務以及電力工作數據信息，結合電網和通信網絡的應用進行智能電網的構建。而在目前的大數據時代下，智能電網的重要性在不斷提高，同時也產生了許多新型服務和管理模式，在此過程中數據起到至關重要的作用。通過大數據技術的應用，主要是整合與分析電力企業生產運行中產生的發電數據、安全管路數據，經過分析這些數據并淘汰掉其中無用的數據，總結數據規律進行智能網絡的創建，同時也在結合電氣技術和智能通信技術的同時，推動新型電網的快速發展和傳統電網的變革，推動電力企業的可持續發展。

3新能源系統結構

正如前文所述，在目前我國不斷加快城市建設速度的同時也增加了電能需求，而且在目前全球范圍的環保意識和要求在不斷提高的形勢下，我國也加大了電力行業中新能源項目的建設力度。在此過程中也對新能源項目提出了規范化管理的要求，其作為我國電力系統中的新型基礎設施，在開展此類項目的規劃和管理工作時，由于電力系統工程規劃模型中的數據龐大且結構復雜，容易在規劃和管理中出現誤差并影響整體規劃和管理效率。這就需要通過大數據技術的應用來調查和分析處理城市發展狀況以及用電情況，提高對電力系統工程模型進行規劃以及對龐大數據進行處理的效率，減少上述過程中誤差的出現，然后在此基礎上開展對新能源系統結構的規劃工作。

在此項目規劃過程中，可以通過大數據技術應用下的新能源數據采集系統的應用，對新能源和電力系統的電源節點進行滲透，在更為精確和準確的定位新能源的電源節點的同時，對其進行有效應用。而針對具有教導規模的新能源項目，在開展規劃工作時需要采集和處理大量復雜的數據，通過大數據技術的應用可以更高效的開展數據處理和分析工作，同時也起到對此類項目規劃工作的優化，通過大數據計算方法對電力信息和數據開展整理和計算工作，同時也可以準確開展電力設備檢查和故障預測工作，準確評估電力系統運行的可靠性與穩定性。此外也可以在結合傳統電網規劃發沒發的同時，對此類項目規劃系統中的數據進行深度挖掘和計算，模擬電力系統中的各個線路，通過三維模型的方式整合系統中的各項數據，及時掌握系統的運行狀況并發現其中的問題。由此可以看出，在新能源項目規劃中通過大數據技術的應用可以提升此規劃工作的智能化水平，通過此規劃工作平臺的建立和應用，實現此工作效率和質量的提升。

4電力大數據系統在新能源項目規劃中的運用

4.1大數據系統在光伏發電中的應用

太陽能是一種綠色能源，近年來光伏發電技術得到極大的推廣和應用。然而，隨著光伏發電技術的不斷并網，對主網系統的穩定性造成比較大的影響。另外，光伏發電受環境因素、太陽輻射因素影響較大，不利于電力系統的調度，給調度人員帶來較大的困擾。目前，關于光伏發電的主要影響因素的研究主要集中在外界環境的因素，認為光伏發電的模塊組合接受到的光照強度是影響發電輸出功率的關鍵因素。根據相關的實踐數據可看出，發電功率隨著光照強度的增加而增加。另外，有文獻資料顯示：太陽高度角、光照強度、云量共同對發電功率產生影響。

為了驗證上述因素對于最終發電功率的影響，有研究采取BP神經網絡算法，以上述三個指標為神經網絡的輸入，以最終的發電功率為神經網絡輸出。結合某地區的實際相關數據，用于模型精度的驗證和發電功率的預測。結果表明：模型的預測精度逐漸提升，以太陽高度角、光照強度、云量為模型輸入時，通過模型的自學習和參數調整，最終可以有效預測光伏發電功率情況。因此，可以在很大程度上證明：太陽高度角、光照強度、云量是影響發電功率的主要原因。

4.2在新能源項目規劃中的應用

在系統運行中還可以通過對瞬時功率、振蕩頻率、瞬時電壓和瞬時電流等數據內容的收集來確定不同的數據收集方向，確保其滿足計算設計的電網電路的可行性要求。同時，在對發電廠的位置以及自身因素等故障原因數據進行分析的同時，還可以通過設備自動化的實現來降低設備故障，減少故障所造成的損失和維護成本，實現智能電網運行效率和效益的提升。

4.3大數據系統在風力發電中的應用

為了更好地保證機組高效運轉，對機組的運行狀態監測尤為重要和關鍵，振動監測方式具有操作方法簡便、測試效率高和故障定位準確等特點，成為風電機組設備前期故障診斷和故障預測較準確的指標監測方式。對風電機組的振動情況進行狀態監測，可以在很大程度上確認和預測機組的運行情況和故障，充分保證機組安全穩定運行。如果預測存在故障發生，可以及時進行維護處理，提升運行效率，提升經濟性。有研究對風電機組的振動監測指標進行可視化分析，分析介紹了不同的指標數據提取和計算方法，最終結合稀疏快速傅里葉算法實現信號的監測，為維護人員提供狀態運行數據，為周期性維修提供參考和依據。

5結語

在目前智能電網的建設規模和覆蓋范圍在逐漸擴大的同時也大幅度增加了電力系統中的各項數據的類型和數量，增加了對這些數據進行分析和處理的難度和工作量。尤其是針對目前大力發展的新能源項目，在規劃過程中，可以通過大數據技術的應用，發揮其數據挖掘和快速、準確分析與處理的作用，合理規劃和管理新能源系統結構，同時也發揮新能源項目節省電網運行成本以及提升智能電網效率的作用，推動新能源發電企業的快速發展，適應當今社會快速發展對電力行業尤其是新能源電力行業的發展要求。

參考文獻：

[1]謝國輝，汪曉露，劉佳寧，等.國際能源電力統計分析大數據平臺構建及應用[J].中國科技成果，2018，019（024）：61-63.

[2]魏立.基于大數據的電力故障自動分析系統設計與開發[D].揚州大學，2019.