智能電網災害監測預警應用的設計與實現

陳行濱，王維蘭，張 航，張羽楠，劉錦翔

(1.國網福建省電力有限公司，福建 福州 350000； 2.國網福建省電力有限公司 信息通信分公司，福建 福州 350000；3.國網福建省電力有限公司 莆田供電公司，福建 莆田 351100； 4.國網信通億力科技有限責任公司，福建 福州 350003)

作為社會公用事業電力在日常生產生活中發揮著重要作用，電力系統的安全則會對社會安全穩定及人民生命財產安全產生較大的影響。不斷提高的用電需求促使我國電網規模不斷擴大，伴隨而來的是電網的復雜性及安全隱患的日益突出。受各種頻發的自然災害及人為因素等的影響，電網安全受到了較大的挑戰，時有發生的電力突發事件為電力應急管理能力提出了更高的要求，在電網防災減災工作中防災應急響應機制作用重大，是實現電網災害監測預警功能以提高應對突發事件能力的基礎和關鍵。

1 需求分析

電網防災與應急響應過程需多個部門協同響應(包括現場工作人員、調度部門、應急指揮中心等)，具有信息量大、涉及范圍廣、過程復雜的顯著特征，目前針對電網防災減災、災害理論、系統設計方式、管理方法等方面的研究已經取得了一定的進展。電網災害監測工作的本質屬于一個大數據分析與決策問題(具有多源、海量、異構等特點)，涉及到檢修、災害可視化、實時調度、資源統籌指揮等多個方面，相關文獻已經對大數據技術在電力行業的應用情況以及相關大數據關鍵技術進行了深入研究。大數據技術能夠為電網災害監測及應急工作提供強大的技術支撐，電力系統原有的各類信息系統間的差異性較大，傳統關系型數據庫對災害信息的集成與共享水平較低，已經難以滿足海量異構防災大數據的管理需求，多部門信息共享與協同工作過程尤其需要一個具備較高實時性及安全性的防災大數據管理平臺，為實現對海量信息數據的分析與智能決策功能提供支撐[1-2]。本文構建的基于Hadoop大數據平臺的監測系統設計方案主要面向負責電網調度和應急指揮的用戶群體，所涉及到的電力防災大數據是指通過采用新的處理方式獲取高體量、高增長率及多樣性的信息資產，從而實現高質量的災害洞悉、防災決策和應急優化處理過程，可有效彌補電網防災工作的不足。

2 智能電網災害監測預警系統的設計

2.1 電網災害監測預警系統的功能設計

調度操作與應急管理在電網防災應急中聯系緊密，本文設計監測系統的目標在于為調度操作提供輔助支持(考慮災害信息)以及將有價值的在線決策支持提供給應急指揮中心，實現實時高效的信息共享功能。

(1)防災大數據的集成，電網災害監測系統融合了多種具有多源異構特征的數據信息，包括氣象及地質災害、設備狀態、繼電保護動作、廠站負荷及告警、應急資源等數據，需監測系統同相關部門間實現信息的共享與協同功能，該系統同現有SCADA/EMS系統間通過CIM、e格式等文件方式實現有效的交互過程，實現數據的存儲及檢索[3-4]。(2)故障范圍的辨識與定位，現階段尚未實現全面的在線監控功能，導致無法從現有SCADA/EMS系統中直接獲取相應的運行狀態，進而模糊了故障范圍邊界導致定位不夠精確，通過故障范圍的辨識與定位功能對搶修反饋信息進行智能關聯與分析實現對電網事故發生點的精準定位，同時提供該事故影響范圍的評估結果以供指揮調度環節提供依據。(3)關鍵環節的評估，主要包括電網的可靠性評估和電網高價值環節評估，識別系統關鍵組件(指系統可靠性在組件退出運行時的變化量)，對故障設備停運后負荷損失進行計算(根據災害條件下的負荷分級)，識別電網運行的高價值環節[5-6]。(4)風險評估與預警發布，以運行風險指標為依據對電網運行安全進行評估，當出現高風險的評估結果時發出預警信息。(5)應急資源優化調度，在綜合考慮全局因素(預想事故等級、電網薄弱點等)的基礎上，通過挖掘與分析系統獲取的數據完成相應地點的確定以及應急物資和人力的預置，并對應急物資的儲備情況進行定期檢查，完成對應急資源的實時優化調度，提高系統響應效率。(6)恢復控制，針對局部電網停電事故綜合給出最優恢復策略，在對恢復子系統進行合理劃分恢復的基礎上完成對相應負荷的重要等級及分布情況、最優恢復路徑的確定。(7)調整預定的檢修計劃與運行方式調整，結合設備時變停運模型和自然災害的態勢及預測情況進行安全校核與調整[7-8]。

2.2 系統的數據流與邏輯決策

數據流與邏輯決策結構示意圖如圖1所示。通過非結構化數據星系模型對非結構化數據進行防災數據建模、實現數據共享，通過數據挖掘與關聯對電網防災能力進行分析。將災變條件下時變、豐富、形象的信息按組提供給防災應急指揮中心，為相關部門及工作人員提供數據支撐。評估電網重要組件及高價值環節(以可靠性為量化指標)用于提供不同重要度的指標，為預置應急資源提供參考。系統在風險評估結果達到風險指標上限時會發布預警信息；薄弱環節評估與故障定位功能的應用框架如圖2所示[9-10]。

圖1 系統的數據流與邏輯決策Fig.1 Data flow and logical decision of the system

圖2 薄弱環節評估與故障定位功能的應用框架Fig.2 Application framework of weak link assessment and fault location function

3 基于大數據平臺的電網災害監測預警系統的實現

3.1 防災大數據關鍵技術

本文監測預警系統采用Hadoop大數據平臺完成數據的存儲與管理，作為一種具備高效、高容錯率、低成本、高可靠性及拓展性等優勢的軟件框架，Hadoop平臺已集成了FacebookMessages業務，可使各數據服務對安全性、實時性的需求得到有效滿足。該系統應用的大數據技術包括：(1)集成管理技術，在由各系統服務器保留各自數據的基礎上(形成分布式的數據)，將不同的控制指令發送到各系統，完成執行指令后回傳整合后的結果，這是一個并行處理的過程。(2)數據挖掘技術，包括聚類分析、關聯規則、特征提取等，通過人工智能技術實現有價值數據信息的挖掘[11-12]。(3)提供了大規模分布式計算解決方案的數據處理技術，通過流處理技術完成災害大數據的實時處理分析過程，通過具備高效數據讀取能力的內存計算技術的使用可有效滿足監測系統的在線實時計算需求。(4)數據可視化技術，借助圖形化手段實現了數據信息直觀清晰的展示功能，災害監測預警系統主要使用了空間信息、現場圖像及實時數據3種數據可視化技術，實現了對電網不同區域狀態、現場情況、應急資源分布情況等信息的直觀展示[13-14]。

3.2 電網災害監測預警系統的軟件架構計

基礎設施層負責為各電力業務子系統提供硬件支撐，作為系統所需數據資源的載體主要由計算機、集群軟件、中間件、數據庫、虛擬服務器、通信網絡等構成；數據源層主要負責提供各類數據信息與電網參數；數據接口層，按照大數據建模理論完成適配器的設計開發(以數據的結構及時限特征為依據)，并對數據進行清洗、轉換、處理和存儲(根據交互規約及電力行業標準)；大數據平臺層，運行于操作系統和物理服務器層間，Hypervisor/VMs位于該層的底部，協調物理設備(位于服務器上)與虛擬機，提供高性能的分布式計算環境[15-16]。防災大數據采用分布式文件系統(HDFS)作為存儲框架、采用分布式計算技術MapReduce作為并行編程模型和計算框架，由Pig(并行計算機編程語言)、Hive(數據倉庫工具)、Sqoop(開源數據傳遞工具)構成的大數據訪問框架通過網絡層同大數據存儲和處理框架相連，對分布式數據集通過Pig對大型半結構化數據集進行訪問，通過Hive實現 MapReduce統計功能(使用HQL語句)[17-18]。大數據調度框架主要由Zookeeper(分布式閉鎖組建)、基于HDFS的Hbase(非關系型分布式數據庫系統)和Flume(日志收集系統)構成，具備良好的底層存儲支持能力和計算能力；各類數據發送方通過Flume收集數據，易出錯的關鍵服務由Zookeeper進行封裝。以處理SCADA/EMS 中的 CIM 文件為例，先從D5000中獲取作為一個基本數據單位 CIM 文件(通過數據適配定周期獲取)，然后將CIM 文件劃分為含有相應元數據(作為基本單元存儲于集群文件系統)的若干塊，文件與塊保存在服務器集群上以供后續查詢檢索，針對大規模數據集采用HiveQL 實現查詢與分析功能。系統應用層具有防災調度、應急響應、全景信息可視化功能[19-20]。

4 結語

本文為有效彌補現有電網防災、減災、救災工作中的不足，以防災調度工作的實際需求為依據，完成了針對智能電網的災害監測預警系統的構建，分析了包括系統建設、高級應用、系統安全在內的系統建設的重點，所提出的基于電網防災減災工作大數據的系統軟件架構能夠同當前的SCADA/EMS系統形成有效補充，使電力系統各部門同現場的信息集成與共享能力及協同決策能力得以顯著提高，確保電網防災應急工作能夠有序高效的開展，為實現高效有序的電網減災救災及電力調度工作提供堅實的支撐。