電力大數據技術在智能電網中的應用

摘要：對智能電網中的數據來源進行了闡述，簡要介紹了應用于智能電網的數據處理、數據計算、數據分析、數據展現技術。在此基礎上，提出了大數據技術在智能電網中的幾個應用方向，為電力企業今后在智能電網建設中如何應用大數據技術提供了參考。

關鍵詞：大數據;智能電網;數據處理;應用方向

0 引言

隨著工業升級以及人民生活水平的不斷提高，人們對電力供應的質量與穩定性有著越來越高的要求，傳統的電網建設與運行模式將越來越不適應時代發展要求，高度融合了傳感、測量、通信等技術的智能電網成為必然的發展趨勢。隨著各類智能設備在電網中的應用，產生的電力運行數據較之前將高出4個數量級。面對海量的數據，只有有效應用大數據分析技術，才可對其進行分析，并輸出有價值的信息，為智能電網的運行與建設提供決策依據。

1 智能電網的數據來源

智能電網的“智能”體現在系統運行狀態的可觀測和可控制上?！翱捎^測”要求數據必須全面且準確，能反映系統的實時運行狀態。為實現這個目標，需要在電網的發電、輸電、配電、用電等各環節安裝眾多的數據采集裝置，這些體量龐大的內源性數據是監測電網運行狀態的基礎信息。

除了來自電網自身的內源性數據，來自氣象系統、地理信息系統等的外源性數據也是智能電網建設和運行決策需要的關鍵信息。隨著智能電網自身的發展，與外部的交互會不斷加強，外源性數據的占比也會逐步提高。

2 智能電網大數據處理技術

2.1? ? 數據處理

智能電網的數據源眾多，產生數據結構不一，難以直接進行分析。數據處理分3步對數據進行處理：首先對數據源的數據進行清洗、重構，以保證數據的質量及可用性;然后對數據進行抽取、集成，提取各數據間的關系;最后采用電力數據統一公共模型將數據存儲起來，供后續分析使用。

2.2? ? 數據計算

智能電網數據分布范圍廣，在電網內部網絡和硬件設備等計算資源有限的條件下，需采用分布式計算技術對數據進行處理，具體來說則是需建立電力云計算平臺。通過電力云計算平臺整合數據資源和硬件資源，為產生的大量數據提供足夠的存儲空間，同時借助云計算技術提供超級計算能力，從而為實現系統互聯和數據共享提供強大的技術支持和技術保障。

2.3? ? 數據分析

數據分析是大數據技術的核心。由于智能電網產生的數據量極大、范圍極廣，數據的價值密度相對較低。數據分析的目的是根據使用者的需要，采用機器學習、深度神經網絡等技術，通過對結構化的數據進行分析、聚類，尋找出數據中有價值的信息，對決策起輔助作用。

2.4? ? 數據展現

通過數據分析從海量的數據中提取出用戶關心的信息后，應該將其直觀形象地展現給用戶。通過可視化技術合理地選擇數據的展示方式，能顯著提高電力數據的易讀性，幫助調度、運維人員更加直觀、準確地了解系統當前的運行狀態。

除了傳統的圖表式展現方式，三維展示技術也可結合智能變電站的建設而加以應用。將智能變電站的設備及其相關參數、運行數據進行一體化的三維展示，將是變電運維領域的一大突破。

3 大數據技術在智能電網的應用方向

根據服務對象的不同，電力大數據技術有以下幾個應用方向：

3.1? ? 應用于電網運行

電網的穩定運行依賴于發電側出力與用戶側負荷的平衡，利用大數據技術對電網運行的實時數據進行監控和分析，可及時實現電廠出力及短期負荷的精準預測，實現調度部門的精準調控，保障電網穩定運行。同時，在線路損耗計算、電網異常監測等方面，大數據技術也有應用空間。

3.2? ? 應用于設備評估

本質上，當前在電力企業應用的電力設備狀態評估方法是一種事后的評估方法，即根據設備發生缺陷后的表象，評估該缺陷的嚴重等級，并以此推斷設備運行的可靠性。

運用大數據分析技術，融合設備自身參數、設備運行數據、外部影響條件等，可分析出設備在不同運行工況下的可靠性指標及主要影響因素，更加有效地掌握電力設備的運行狀態，預判可能存在的風險?；诖髷祿治龅脑O備狀態實時評估可以對設備運維策略、系統運行方式提供清晰的決策依據。

3.3? ? 應用于用戶管理

利用大數據技術，能夠對外部的市場需求等信息進行分析，根據客戶群體的不同，提煉出對客戶群及其需求的分布情況。以此為參考，可根據客戶的不同需求提供更加精準的針對性服務，提高電力營銷的水平和質量。同時，電力企業可以對自身的數據進行分析，在接入外部市場信息后，通過內外信息比對，可以分析出企業產出與市場需求的匹配程度，以此指導企業的經營，提高企業競爭力。

4 大數據技術應用典型案例

4.1? ? 新能源發電出力預測

新能源正常并網的一個重要制約因素是出力預測誤差較大，以風電為例，根據相關的研究，目前出力預測日前誤差約為20%，實時誤差約為5%，如此大的誤差非常不便于電網調度。針對新能源出力難以精確預測的問題，IBM集團已提出完善的解決方案，在計算模型中加入了地理信息、氣象條件、衛星圖像、潮汐相位等來源多樣、結構復雜的海量數據，以分析結果指導風力渦輪機布局，有效提高風電廠出力的預測精度，同時對發電效率的提升也有所幫助。該方案已在丹麥的Vestas風力技術集團得到應用，實踐證明該方案的經濟效益可觀。

4.2? ? 設備故障預測

主變出現故障導致被迫停運是威脅電網正常運行的重要因素，尤其在用電高峰期，主變停運使區域電網用電緊張程度急劇增加。在提高主變故障的主動發現能力方面，國內已有團隊開展了相關研究并取得了成果。變壓器油溫故障趨勢偵測流程如圖1所示，首先收集變壓器歷史數據和實時數據，形成全數據源;其次，開展相關性計算，針對“主變油溫故障”的結果，挖掘出與其關聯最強的因素;最后，進一步計算每個因素導致結果的概率，并根據專家系統診斷結果進行調整。最終可得出導致主變油溫故障的5個要因及其告警閾值。在模型構建完成后，只要當某一因素的計算閾值高于預警系數，系統便會發出告警，提醒運維人員及時干預。

5 結語

大數據技術正不斷深入電網領域，在電網運行、設備管理、用戶管理等方面起到了重要作用。隨著智能電網的建設，繼續加深大數據技術與電網的融合，可提高電網運行質量，提高電網設備運維管理的智能化水平，促進我國電力系統發展。

[參考文獻]

[1] 曲燕燕，蔣玲芳，林烽.論大數據技術在智能電網中的應用[J].中國新技術新產品，2016（22）：14-15.

[2] 王健.智能電網大數據技術在電網資產管理中的應用[J].科技經濟市場，2018（5）：7-8.

[3] 王偉.智能電網建設中大數據技術的應用研究[J].科技風，2019（7）：57.

[4] 冷喜武，陳國平，蔣宇，等.智能電網監控運行大數據應用模型構建方法[J].電力系統自動化，2018（20）：115-122.

[5] 孫鴻飛，弓麗棟，張海濤，等.智能電網大數據分析框架及其應用演進研究[J].現代電力，2016，33（6）：64-73.

[6] 劉廣一，朱文東，陳金祥，等.智能電網大數據的特點、應用場景與分析平臺[J].南方電網技術，2016，10（5）：102-110.

收稿日期：2020-04-06

作者簡介：吳潤（1984—），女，廣東湛江人，工程師，研究方向：電力大數據。