智能配電網大數據應用需求和場景分析研究

聶永剛，石國星

（內蒙古電力（集團）有限公司培訓中心，內蒙古 呼和浩特 010000）

1 智能配電網發展概述

智能電網是由分布式節點組成的電力網絡，在智能子系統的普遍控制下運行，稱為智能微網。微網可以在并網模式、孤島模式或兩種模式下運行。隨著智能電網的出現，傳統的配電系統正面臨一個范式的轉變。分布式發電的概念是基于不同規模的能源，如內燃機、燃氣輪機、微型渦輪機、光伏發電、燃料電池和風力發電。其目的是為當地配電提供電力，或者向主電網注入足夠質量的電力。配電系統的智能運行有助于提高穩壓、效率、可靠性、可用性、電能質量，以及在故障條件下可能的運行。智能電網的分散式發電依賴于復雜的通信、控制和管理，這些都依賴于電力公司和用戶之間的大量數據和信息。這些海量的信息對于使電網在正常和緊急運行條件下更有效、更可靠、更安全、更獨立和更具支持性至關重要。

智能電網提供了更大的能源輸送和電力流動的可能性。它允許電力和數字信息在公用事業和客戶之間的雙向流動。電網由智能儀表、傳感器、探測器、測量單元等支持，以批量或實時的方式收集數據。此外，智能電網涉及眾多的應用，這些應用都創造了大數據的來源，例如，配電系統電力市場和價格、通過電網和變電站管理動力傳輸和配電、智能負載轉換、管理可再生能源間歇性、電動汽車的需求管理、智能建筑中的電力管理、智能電表、有效的需求響應程序、智能資產管理、用于干擾記錄的相量測量單元(PMU)、能源消耗的匯總、公用事業公司的數據中心、負載和天氣狀況預報以及社交媒體程序，以便更有效地與客戶互動。這些數據需要有效的管理和分析，以便更好地控制決策，提高電網的可靠性，減少能源需求，提高運行效率，增加電網的能力。

智能電網應用產生大量的數據，這些大數據有助于增強智能電網應用。大數據系統將以高效的方式存儲、處理和挖掘信息，以增強不同的智能電網服務。大數據通過實時信息交換，可以減少電網損耗，降低對主網的依賴，減輕高峰負荷，在突發事件發生時提供必要的系統支持，提高電網的可靠性、安全性和效率。

然而，挑戰在于捕獲必要數據的復雜性，這會導致錯誤的控制決策。實施大數據系統對于電網和通信網相結合的智能電網的可靠能源管理將起到重要作用。眾所周知，數據在戰略決策中起著非常重要的作用。有了更多的數據，就可以實現更精確和有效的控制決策。在智能電網中，隨著配電系統動態性和不確定性條件的增加，大數據系統仍處于發展階段，尚未建立起來。之前的大多數研究都集中在智能電網的數據挖掘和大數據分析上。我們需要對大數據、大數據的定義和大數據的分類有一個全面的理解。

2 智能配電網中的大數據特性

2.1 智能配電網的大數據源

智能分布式網絡中的大數據應用測量和記錄可以通過采用各種同步或異步傳感器來實現，如相量測量裝置、微相量測量裝置、頻率擾動記錄器等。外部數據來源于其他網絡的智能電網連接，如智能交通網絡、能源網絡、物聯網。所有外部信息都可能對智能電網的運行和維護產生重要影響。智能電網中的大數據源通常分為兩大類：電力數據源和補充數據源。智能電網/分散式發電系統中的能源管理和控制決策都需要這兩種能源。電力數據類別包括數據效用測量，如相量測量單元(PMU)數據、智能儀表數據、智能電子設備(IEDs)數據、資產管理數據、數據采集與監控系統數據、數字繼電保護數據、數字故障錄波器(DFR)數據、事件記錄器(SER)數據、智慧型電表基礎建設數據、設備控制和維護數據，以及電力公司的自動抄表操作數據。這些通常是在結構化數據表單中。補充數據源被廣泛用于決策，包括通過其他來源獲得的數據，如，地理信息系統(GIS)數據、全球定位系統/衛星定位系統(GPS)時間參考數據、天氣和閃電活動數據、地震反射數據、動物遷徙數據、金融市場數據、社交媒體數據和監管報告數據。來自這些不同來源的數據有多種類型和多種格式，包括傳統數據庫中的行和列、圖像、文本文檔、視頻、PowerPoint和HTML文件、電子郵件、消息、傳感器數據、基于web的事務和IT系統日志。這些數據類型通常分為三大類：結構化的、半結構化的和非結構化數據的，結構化數據可以很容易地排序在傳統數據庫表的行和列，如電力數據，如智能儀表數據，同步相位數據，傳感器數據，靜態離線消費者數據等。

2.2 智能配電網中大數據的可拓特性

智能配電網中的大數據除了具有大數據的四個基本特征外，還具有分散性、稀疏性和安全性等特點。智能配電網一般覆蓋面大，因此數據源具有空間分散性。在監測的實時性方面，智能電網數據庫具有較大的時間跨度。由于配電網絡不是一個孤立的網絡，并且與其他網絡有很大的交互作用，因此數據源的類型、特點和速度具有很大的分散性，這就要求動態分布式系統采用大容量的數據存儲系統。智能電網的大數據量雖然巨大，但卻沒有多少有價值的信息。電力系統故障狀態分析需要不同情況下的電網故障數據，而這些故障數據只占電網運行數據的一小部分。因此，我們需要采用數據挖掘和模式識別的方法來提取有用的信息。安全即數據質量和數據保護，分別從數據本身和智能分布式網絡數據的外部依賴角色塑造兩個方面進行分析。數據采集、存儲、傳輸、通信、處理等各個環節的數據質量都直接影響著整個系統的數據質量和數據支撐能力。數據保護依賴于數據的生成、傳輸、匹配等。

2.3 大數據對配電系統的挑戰

由于大數據為智能電網中的分散式發電/電力系統提供了加強能源管理和控制決策的巨大機遇。并入當前實用程序的處理和分析單元的數據量呈指數級高速增長。如何有效地從海量數據中提取相關信息以支持在線決策，是分布式系統面臨的一大挑戰。這些挑戰可歸納如下：

（1）為眾多應用開發新穎安全的數據挖掘和數據處理方案，以提高智能電網的可靠性；（2）開發有效管理海量數據的新計算方法；（3）提高服務和應對日益增加的分散式發電的能力；（4）促進客戶層面的電力市場發展，例如加強以市場為本的需求回應和以客戶為本的服務；（5）正常和緊急情況下配電網絡的安全和經濟運行。

3 配電網絡的大數據分析方法

在從不同來源獲取智能電網數據之后，大數據系統包含四個主要階段。從這些來源獲得的數據可以使用不同協議從各個系統以不同的格式獲得。這些單個系統的性能與大數據系統的控制無關，而且這些系統往往是外部應用程序。數據采集階段包含許多步驟，通過大量的通道集中來自不同來源的大數據，然后緩沖這些數據足夠長的時間來應用在線觸發器，并存儲這些大數據。這通過許多步驟完成；解析和驗證步驟檢查語句的語法和語義有效性，清理和去重復步驟清理數據庫中不正確、不完整或重復的數據。將數據轉換為所需格式的轉換步驟；一旦轉換后的數據通常存儲在某種持久性存儲中，轉換步驟通常是數據獲取階段最復雜、最耗時和最耗資源的步驟。數據存儲階段包括數據建模、概念數據模型、邏輯數據模型和物理數據模型。下一步是根據大數據的類型和大小確定數據存儲方法。用于存儲大數據的方法應該反映應用程序及其使用模式。分片和分區是對大數據系統性能有嚴重影響的另一個重要功能。

4 結語

本文提出了“防護智能中心”的概念，闡述了其總體結構。大數據現象不再被認為是一種趨勢。事實上，智能電網在大多數應用中采用大數據策略對于更好的管理和控制是至關重要的。智能電網是由分布式節點組成的電力網絡，在智能子系統的普遍控制下運行，即所謂的智能微網。微網可以在并網模式、孤島模式或兩種模式下運行。在并網模式下，智能電網的控制和管理一直被認為是降低能耗、提高電力可靠性、效率和質量的關鍵和核心策略。在微電網存在的情況下，分布式系統(即一組負荷、可再生能源和儲能裝置作為一個能夠向當地供應能源的單一可控系統運行)的控制和管理對現有的電力網絡構成重大挑戰。在控制階段，微電網的集中或分散控制旨在優化電力生產和消費，以提高整體效率。本地控制是微網控制的基本范疇。挑戰在于，幾個數據源必須能夠在任何需要的時間和任何地點無縫連接或斷開與分布網絡的連接。此外，由于可能存在相互沖突的需求和有限的通信，控制具有不同特征的大量不同源將非常具有挑戰性。然而，從大數據系統創建更多的信息，使人們有機會實現大部分歷史信息，而這些歷史信息本來應該是顯而易見的，以便能夠定位有用和無用的數據。此外，能夠最大限度地提高生產力和他們收集的信息的價值，這些信息可以用于以后的決策階段。在管理階段，某些微型電網斷斷續續地發電，加上消費者需求的不可預測性，意味著這些微型電網(及其消費者)在某些時候可能會彼此交換額外能源，而不是從主電網要求額外能源。