電力系統運行多維數據存儲及優化處理

雋增明，陳向暉，李志勇，梁偉康，蘇 通

（廣西電網有限責任公司貴港供電局，廣西 貴港 537100）

0 引 言

調度自動化作為電網調度領域的基石，需要在調度工作中提供重要的技術支撐。自動化系統在數據采集方面需要具備大規模多樣化接入和高頻采集能力，在數據價值釋放方面需要具備海量數據分析、挖掘能力，從而持續開展電力系統歷史數據深化應用[1]。

1 調度自動化系統現狀及存在的問題

針對電網運行中的薄弱環節，現有的調度自動化告警系統缺乏一套完整可靠的數據清洗、分析、預警以及決策的技術手段，無法通過簡單修補滿足應用需要。相關系統建設周期長、間隔大且開發相對獨立，導致信息條塊分隔，出現各種信息孤島，嚴重制約著電網服務的質量和效率[2]。大部分告警數據均采用傳統的數據直采入庫方式，對采集的數據輪詢解析，僅通過自定義的字符組合匹配正則表達式，將最終的告警信息呈現在前端，沒有基于電網大數據進行詳細的治理解析，同時并未建立完整的數據關聯信息體系，有用的數據沒有得到有效利用，直到最終價值消亡。受限于存儲技術和空間約束，未采集歷史數據，無法滿足電網歷史數據關聯分析與趨勢分析等需求[3]。

調度自動化系統作為電網數字化分析與管理的重要工具，在加快數字化轉型和全面建設安全可靠、綠色高效的現代化智能電網過程中，提升其自動化數據分析及處理能力日益迫切。隨著電網架構越來越復雜，對調度員故障處理的及時性和準確性要求越來越高。當前的電網運維方式是故障事后處理，即在電網發生故障后對故障進行處理，重大故障發生時往往會出現準備不足、應對不及時等問題，無法對故障進行提前預知，只能采取被動應對的方式，嚴重影響了故障處理的效率[4]。

2 電力系統數據多維化存儲及優化處理分析

為了克服現有技術的不足，對電力系統數據多維化存儲及優化處理方式進行分析，初步實現了故障信息分類分級和故障信息多維化處理，在此基礎上對電網未來故障進行提前預測，從而實現故障處理的快速準確響應。

電力運行多維數據存儲及優化處理方法包括以下步驟：獲取電力設備運行數據信息并進行預處理；對預處理數據進行多維化處理，增加數據維度，提高大數據預測的可靠性；實時數據傳輸處理；歷史數據加權處理；對優化后的多維數據處理結果高效入庫。

3 電力系統數據多維化存儲及優化處理關鍵技術

3.1 數據清洗

采集變壓器、斷路器、環網柜等配電主設備運行數據信息，開展實時缺陷診斷分析、劣化動態跟蹤監視以及歷史數據清洗。

數據清洗具體措施包括預先分類定義數據的清洗規則和清洗策略，將不必要的域信息、空缺數據、頻發數據、抖動數據以及處理告警內容進行優化處理，最終只保留告警信號動作時間、信號名稱以及動作信息。

數據清洗過程必須滿足以下3個條件：一是不論是單數據源還是多數據源，都要檢測并去除數據中所有明顯的錯誤和不一致；二是盡可能減少人工干預和用戶編程工作量，便于擴展到其他數據源；三是與數據轉化相結合，要有相應的關系表達式來指定數據轉化和數據清洗操作，上述所有操作應該在一個統一的框架下完成。

清洗處理機制包括自動清洗處理和手動觸發清洗處理。程序應在實時數據采集過程中進行自動清洗，對于歷史數據應在一次性采集完成后手動觸發清洗機制對其進行清洗。

3.2 數據多維化處理

對告警數據內容進行多維化處理，在告警數據原有告警時間、告警內容及動作情況的基礎上增加告警發生區域及該區域當天的氣象情況，實現廠站區域與氣象數據的深度融合[5-7]。具體的擴展情況如圖1所示。

圖1 數據多維度擴展

3.3 實時數據傳輸

利用D5000電力調度控制系統Java消息服務（Java Message Service，JMS）傳輸接口與E格式文件對實時告警數據和圖形模型文件進行傳輸，通過該傳輸方式可以實現實時數據的秒級傳輸，同步數據時間低于5 s，數據傳輸實時性完全滿足要求。通過連接JMS接口進行實時數據采集與數據加工融合，解析E格式文件中的圖形模型數據，與采集模型管理定義的數據模型進行匹配轉換后再進行存儲。按照統一的存儲規則保存解析后的數據，具體的存儲源依賴于采集模型的定義[8]。

3.4 歷史數據加權

由于電網運行方式的轉變和電網擴建，歷史數據可信度隨著時間的延長逐漸降低，需要對歷史數據進行加權處理。對數據進行時間加權處理，采用時間因子加權的方式對滿足特定變量或指標的所有樣本數據賦予一定權重，用于區分歷史告警數據樣本中不同時間段數據的可信權重比，從而提高數據的精確性[9]。

3.5 多維數據入庫

電力系統歷史數據存儲量通常以TB為單位，面對巨量數據，如果無法優化數據入庫方式，對整個系統的可用性將會造成明顯影響。通過優化存儲方式，能夠多線程、多節點同時進行數據存儲，從而提高數據存儲效率[10]。

對于數據庫中復雜的表結構和關聯關系，可采用以下處理方式。通過非結構化數據庫存儲預處理結果，將預處理結果數據沉積為1個龐大的離線數據庫。通過分析現有結構化數據中有效表之間的數據對應關系，確定上下游連接，從而構建數據表中字段之間的連接關系。多維數據入庫流程如圖2所示。

圖2 多維數據入庫流程

基礎數據處理從根本上決定了大數據預測的準確程度，而電網數據的特殊性進一步提升了數據處理的要求，實際處理過程中應采取多種方式并行處理。在不丟失原始數據的情況下，對原始數據的加權處理、維度添加以及抖動處理都將成為大數據預測的關鍵。

4 結 論

合理應用電力系統運行多維數據存儲及優化處理方式，結合網站前端頁面，有效統計電網中長期過負荷運行線路、頻繁過流跳閘線路及裝置原因造成開關故障與線路跳閘，實現故障內容的快速準確判斷。充分利用大數據的計算能力對供電網區線路薄弱點進行分析，最終使用圖形化的方式將其直觀地展示出來，實現設備故障信息的智能捕捉和實時分析校驗，針對故障問題及時采取處理措施。