張國斌，張叔禹，劉永江，郭瑞君

基于大數(shù)據(jù)與人工智能技術(shù)的電力在線技術(shù)監(jiān)督平臺建設(shè)方案

張國斌，張叔禹，劉永江，郭瑞君

（內(nèi)蒙古電力科學(xué)研究院，內(nèi)蒙古 呼和浩特 010020）

本文結(jié)合內(nèi)蒙古電網(wǎng)特點，介紹了內(nèi)蒙古全區(qū)發(fā)電側(cè)電力在線技術(shù)監(jiān)督平臺的設(shè)計方案。首先，明確提出了內(nèi)蒙古電力在線技術(shù)監(jiān)督平臺的架構(gòu)設(shè)計方案及應(yīng)遵循相關(guān)要求，并對基于源、網(wǎng)、荷綜合數(shù)據(jù)基礎(chǔ)上重點開發(fā)的功能模塊進行介紹；同時，結(jié)合平臺建設(shè)中數(shù)據(jù)預(yù)處理等實際案例，詳細闡述了云計算、人工智能與大數(shù)據(jù)技術(shù)相結(jié)合的具體應(yīng)用策略以及在未來電力行業(yè)的應(yīng)用；重點分享了在平臺定位、功能設(shè)計、模塊開發(fā)、網(wǎng)絡(luò)架構(gòu)設(shè)計等方面的一些思考和經(jīng)驗，以期為電力系統(tǒng)大數(shù)據(jù)技術(shù)的應(yīng)用與開發(fā)提供有益借鑒。

大數(shù)據(jù)；人工智能；云平臺；智能算法；建模；評價；在線監(jiān)控平臺

大數(shù)據(jù)（big data，BD）[1]是相對于小數(shù)據(jù)樣本的高質(zhì)量、海量、多源異構(gòu)的數(shù)據(jù)資源，與傳統(tǒng)數(shù)據(jù)庫（database，DB）相比，無論在數(shù)據(jù)來源、處理方式以及在數(shù)據(jù)的思維等方面都帶來了顛覆性的變化[2]。在對已獲得的數(shù)據(jù)進行流處理（stream processing）、批處理（batch processing）[3-4]等處理后，才能利用大數(shù)據(jù)專用深度挖掘、分析的算法和工具，構(gòu)建數(shù)據(jù)模型和分析體系。目前，很多發(fā)電集團、電網(wǎng)公司都建立了自己的數(shù)據(jù)中心，但目前還處于數(shù)據(jù)的存儲、監(jiān)測及初級開發(fā)層面，沒有實現(xiàn)真正意義上的大數(shù)據(jù)挖掘利用，尚未實現(xiàn)橫跨源、網(wǎng)、荷綜合數(shù)據(jù)的收集、分析與處理，也沒有實現(xiàn)政府層面對整體電力工業(yè)安全、能耗與環(huán)保的監(jiān)督與管理。究其原因主要有3點：一是其數(shù)據(jù)中心“先天不足”，非基于Hadoop、Spark平行大數(shù)據(jù)架構(gòu)[5]因而后期難以利用大數(shù)據(jù)工具開展大規(guī)模數(shù)據(jù)挖掘開發(fā)工作；二是受限于發(fā)電、電網(wǎng)公司各自獨立的企業(yè)屬性，無法打破壁壘、實現(xiàn)相互間數(shù)據(jù)貫通；三是數(shù)據(jù)平臺的開發(fā)建設(shè)方不具備政府授權(quán)，無法代行政府技術(shù)監(jiān)督職能。

內(nèi)蒙古電力科學(xué)研究院主導(dǎo)開發(fā)建設(shè)的內(nèi)蒙古電力在線技術(shù)監(jiān)督平臺能夠?qū)崿F(xiàn)源、網(wǎng)、荷數(shù)據(jù)的融合與貫通，并能夠以整體全區(qū)電力工業(yè)的視角開展大數(shù)據(jù)平臺建設(shè)和開發(fā)。內(nèi)蒙古電力在線技術(shù)監(jiān)督平臺是國內(nèi)目前第一個基于大數(shù)據(jù)架構(gòu)設(shè)計并落地實施的遠程在線技術(shù)監(jiān)督平臺，從網(wǎng)絡(luò)架構(gòu)設(shè)計、建設(shè)和功能開發(fā)等方面在全國都有一定的示范效應(yīng)。

本文結(jié)合大數(shù)據(jù)、人工智能最新技術(shù)和內(nèi)蒙古電力在線技術(shù)監(jiān)督平臺設(shè)計、開發(fā)、建設(shè)過程中的實際經(jīng)驗，首先明確提出了內(nèi)蒙古電力在線技術(shù)監(jiān)督平臺的架構(gòu)設(shè)計方案及應(yīng)遵循相關(guān)要求，并對基于源、網(wǎng)、荷綜合數(shù)據(jù)基礎(chǔ)上重點開發(fā)的功能模塊進行介紹；同時，結(jié)合平臺建設(shè)中數(shù)據(jù)預(yù)處理等實際案例，詳細闡述了云計算、人工智能與大數(shù)據(jù)技術(shù)相結(jié)合的具體應(yīng)用策略以及在未來電力行業(yè)的應(yīng)用。

1 內(nèi)蒙古電力在線技術(shù)監(jiān)督平臺架構(gòu)

1.1 平臺設(shè)計

內(nèi)蒙古電力在線技術(shù)監(jiān)督平臺整體規(guī)劃設(shè)計為主站平臺和數(shù)據(jù)子站兩大主體部分。主站平臺包括云計算平臺、大數(shù)據(jù)平臺及支撐應(yīng)用開發(fā)的基礎(chǔ)服務(wù)。其中，云計算支撐多種硬件和應(yīng)用軟件，并具備按需擴展的彈性。大數(shù)據(jù)平臺提供采集、存儲、清洗、挖掘建模（元數(shù)據(jù)管理、計算、利用）、分析、聯(lián)機查詢、運行維護等能力，并通過基礎(chǔ)服務(wù)提供各高級應(yīng)用的通用支撐。主站平臺配備2臺核心交換機，交換容量為31.1Tbps/153.6Tbps，配備12臺主服務(wù)器，其中5臺大數(shù)據(jù)計算及控制服務(wù)器、5臺虛擬化服務(wù)器、2臺數(shù)據(jù)庫服務(wù)器，系統(tǒng)采用開放式設(shè)計能夠滿足后期系統(tǒng)擴建，具有足夠的延展性。具體網(wǎng)絡(luò)架構(gòu)如圖1所示。

圖1 內(nèi)蒙古電力在線技術(shù)監(jiān)督平臺網(wǎng)絡(luò)

數(shù)據(jù)子站主要是通過在電網(wǎng)調(diào)度側(cè)和發(fā)電側(cè)設(shè)立數(shù)據(jù)采集終端，完成數(shù)據(jù)接入、顯示及傳輸。其中，電網(wǎng)調(diào)度側(cè)數(shù)據(jù)針對數(shù)據(jù)實時性與系統(tǒng)安全性的不同要求，采用了網(wǎng)絡(luò)規(guī)約通信和異步數(shù)據(jù)包2種并存的數(shù)據(jù)采集方式。這里需要強調(diào)的是，對于異步數(shù)據(jù)包采集方式，要提前建立詳細的數(shù)據(jù)點表并明確數(shù)據(jù)屬性，數(shù)據(jù)點表形式見表1。

表1 數(shù)據(jù)測點

Tab.1 The data measuring points

內(nèi)蒙古電力在線技術(shù)監(jiān)督平臺電廠側(cè)數(shù)據(jù)的采集使用大唐先一科技公司研發(fā)的智能數(shù)采通裝置，其支持國內(nèi)外主流DCS/PLC并滿足TCP/CP、OPC/DDE、Profibus等電力規(guī)約和RS232/485等通信協(xié)議。為方便現(xiàn)場數(shù)據(jù)采集裝置投運后的監(jiān)視和運維，內(nèi)蒙古電力大數(shù)據(jù)平臺特別設(shè)計開發(fā)了數(shù)據(jù)采集前端的本地存儲和顯示功能，投運后能夠達到預(yù)期目標，使用效果良好。

1.2 平臺基本要求

1.2.1規(guī)范化

基于大數(shù)據(jù)分析的內(nèi)蒙古電力在線技術(shù)監(jiān)督平臺建設(shè)嚴格遵循規(guī)范化原則，嚴格遵循國家標準和行業(yè)標準，同時提供標準的數(shù)據(jù)交換格式，以開放式的數(shù)據(jù)結(jié)構(gòu)保證支持與其他系統(tǒng)的數(shù)據(jù)集成應(yīng)用。平臺建設(shè)過程中，還將逐步明確并制定相關(guān)的標準規(guī)范體系，包括數(shù)據(jù)規(guī)范、編碼規(guī)范、功能規(guī)范、接口規(guī)范、管理制度等。

1.2.2擴展性

在平臺設(shè)計與建設(shè)初期就應(yīng)全面考慮到系統(tǒng)部署方式的可擴展、空間數(shù)據(jù)模型的可擴展、應(yīng)用功能的可擴展和服務(wù)的可擴展，使平臺在后期擴展及升級過程平滑穩(wěn)定。

1.2.3實用性與先進性相結(jié)合

平臺建設(shè)要在確保實用可靠的前提下，采用先進的云計算、大數(shù)據(jù)技術(shù)，以實現(xiàn)對系統(tǒng)軟硬件 系統(tǒng)資源、計算能力的有機整合與靈活定制，使系統(tǒng)能夠適應(yīng)未來的擴展需要，確保系統(tǒng)的先進性 和實用性。

1.2.4安全性

平臺建設(shè)必須符合國家電力信息安全相關(guān)規(guī)范要求，做好大數(shù)據(jù)平臺數(shù)據(jù)安全的技術(shù)防護[6]，通過數(shù)據(jù)分類分級、數(shù)據(jù)細粒度訪問控制、數(shù)據(jù)加密、數(shù)據(jù)脫敏等技術(shù)保證數(shù)據(jù)的安全，杜絕各種數(shù)據(jù)安全隱患。同時，也應(yīng)考慮遵從例如內(nèi)蒙古電力公司等具體實施個體在技術(shù)架構(gòu)和信息安全規(guī)范等方面的具體要求。

1.2.5可維護性及可靠性

平臺應(yīng)具有可維護性和可靠性，能夠?qū)ο到y(tǒng)運營狀態(tài)進行實時、動態(tài)監(jiān)視，并根據(jù)監(jiān)測結(jié)果及時啟動相應(yīng)的及平臺資源維護能力。

1.3 平臺功能

內(nèi)蒙古電力在線技術(shù)監(jiān)督平臺在統(tǒng)一的標準和規(guī)范下，采取模塊化設(shè)計[7-9]，主要包括基礎(chǔ)軟硬件管理、分布式文件系統(tǒng)、虛擬計算管理、安全控制管理、資源調(diào)度管理、基礎(chǔ)硬件狀態(tài)和性能監(jiān)控、統(tǒng)計分析及異常情況報警等技術(shù)模塊。

內(nèi)蒙古電力在線技術(shù)監(jiān)督平臺功能包括：大數(shù)據(jù)通用采集、存儲、清洗、挖掘建模、分析、聯(lián)機查詢、運行維護等；支持常用海量數(shù)據(jù)存儲方案、數(shù)據(jù)處理方法和分析挖掘算法[10]；支持結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)的采集、存儲、分析挖掘、檢索；提供統(tǒng)一的數(shù)據(jù)服務(wù)訪問機制。支持時序、關(guān)系數(shù)據(jù)庫及非結(jié)構(gòu)化文件數(shù)據(jù)存儲；支持分布式文件系統(tǒng)以保證平臺的可擴展性；采用分布式集群拓撲架構(gòu)以確保支持平滑擴充容量及計算能力；提供硬件基礎(chǔ)設(shè)施集成服務(wù)，根據(jù)平臺及高級應(yīng)用的系統(tǒng)需要提供分布式微服務(wù)架構(gòu)的系統(tǒng)集成服務(wù)，完成包括交換機、服務(wù)器、分布式系統(tǒng)的基礎(chǔ)資源池化系統(tǒng)集成服務(wù)。

1.4 平臺架構(gòu)

內(nèi)蒙古電力在線技術(shù)監(jiān)督平臺于2017年完成方案設(shè)計，按照總體規(guī)劃、分步實施的原則進行，現(xiàn)已基本完成一期建設(shè)。平臺最終建成后將涵蓋50多家火電廠150多臺機組、200多家新能源場站以及電網(wǎng)側(cè)變電站和區(qū)內(nèi)主要電力大用戶。綜合考慮海量數(shù)據(jù)、功能要求等各項因素，平臺采用了基于Hadoop[11]的大數(shù)據(jù)架構(gòu)，其通過分布式文件系統(tǒng)（HDFS），構(gòu)成對大數(shù)據(jù)平臺所有數(shù)據(jù)的文件支撐，包括實時數(shù)據(jù)庫、分布式數(shù)據(jù)倉庫HIVE、分布式列式HBASE等。同時，大數(shù)據(jù)平臺也保留了傳統(tǒng)的關(guān)系型數(shù)據(jù)庫（例如Oracle），并通過大數(shù)據(jù)專用工具實現(xiàn)Hadoop中數(shù)據(jù)和關(guān)系型數(shù)據(jù)庫之間的數(shù)據(jù)轉(zhuǎn)換和互通。大數(shù)據(jù)平臺構(gòu)架圖如圖2所示，該大數(shù)據(jù)平臺系統(tǒng)可高效支持大數(shù)據(jù)集運算，并具有高度容錯性和可擴展性。

2 內(nèi)蒙古電力在線技術(shù)監(jiān)督平臺建設(shè)

根據(jù)電力大數(shù)據(jù)平臺服務(wù)對象的準確定位，就可以開展相應(yīng)的各應(yīng)用子功能的設(shè)計與開發(fā)。內(nèi)蒙古在線技術(shù)監(jiān)督平臺一期主要側(cè)重于解決網(wǎng)源協(xié)調(diào)及火電機組安全等重大問題，主要開展網(wǎng)源協(xié)調(diào)在線監(jiān)測分析、熱電聯(lián)產(chǎn)機組在線監(jiān)測分析、機組能耗在線監(jiān)測分析、機組安全監(jiān)測分析、火電機組污染物排放監(jiān)測分析、電站金屬設(shè)備大數(shù)據(jù)分析6方面工作。

1）網(wǎng)源協(xié)調(diào)在線監(jiān)測分析

開展涉網(wǎng)機組自動發(fā)電控制（AGC）、一次調(diào)頻、自動電壓控制（AVC）、電力系統(tǒng)穩(wěn)定器（PSS）、勵磁調(diào)節(jié)（AVR）在線監(jiān)測分析與診斷；對電網(wǎng)波動、線路保護、機組非計劃停運、重要電力用戶異常情況的監(jiān)測、統(tǒng)計分析；火電機組技術(shù)出力與調(diào)峰能力監(jiān)測、分析及診斷。

2）熱電聯(lián)產(chǎn)機組在線監(jiān)測分析

熱電聯(lián)產(chǎn)機組冬季供熱能力在線監(jiān)測、分析與診斷、預(yù)測；調(diào)峰能力在線監(jiān)測、分析與診斷、預(yù)測；基于大數(shù)據(jù)分析挖掘網(wǎng)域內(nèi)供熱機組熱電解耦潛力。

3）機組能耗在線監(jiān)測分析

對涉網(wǎng)電廠煤耗指標進行統(tǒng)計、分析；分析計算機組發(fā)電熱耗、汽缸效率、熱效率等能耗指標；對發(fā)電機、高壓廠用變壓器、主變壓器、起備變壓器進行線路電量平衡監(jiān)測，分析計算廠用電率，測算損耗，指導(dǎo)企業(yè)生產(chǎn)節(jié)能降耗。

4）機組安全監(jiān)測分析

監(jiān)測機組涉及安全穩(wěn)定運行的保護類參數(shù)如振動、溫度類（如瓦溫、缸溫、風(fēng)溫、鐵芯溫度等）、間隙類（如膨脹、脹差、軸向位移等），進行指標計算、分析、預(yù)警和診斷。

5）火電機組污染物排放監(jiān)測分析

對二氧化硫、氮氧化物、粉塵等減排關(guān)鍵指標進行統(tǒng)計、分析；依據(jù)機組發(fā)電量、污染物排放合格率、環(huán)保設(shè)施運行投入率等參數(shù)核算發(fā)電廠及機組環(huán)保電價；為制定污染物超標處理及電網(wǎng)電量分配和節(jié)能減排方案提供依據(jù)。

6）電站金屬設(shè)備大數(shù)據(jù)分析

挖掘金屬設(shè)備生命周期中不同階段的性能數(shù)據(jù)（包括制造、運行、維護更換、失效分析），結(jié)合電力大數(shù)據(jù)平臺采集的設(shè)備運行溫度和壓力變化趨勢或者分布，根據(jù)設(shè)備或者部件的特征參數(shù)（氧化皮厚度、管壁厚度、應(yīng)力因子），實現(xiàn)設(shè)備性能老化在線分析，完成設(shè)備失效概率預(yù)測，設(shè)備潛在失效模式預(yù)判。電力大數(shù)據(jù)平臺建設(shè)是一個龐大的工程，做好頂層設(shè)計，制定合理的分期計劃和技術(shù)路線非常重要，內(nèi)蒙古電力在線技術(shù)監(jiān)督平臺在建設(shè)之初，結(jié)合項目實際需求制定了相應(yīng)的技術(shù)路線，具體技術(shù)路線如圖3所示。

圖2 內(nèi)蒙古電力在線技術(shù)監(jiān)督平臺架構(gòu)

圖3 內(nèi)蒙古電力在線技術(shù)監(jiān)督平臺技術(shù)路線

3 云計算與人工智能技術(shù)在電力大數(shù)據(jù)平臺的應(yīng)用

大數(shù)據(jù)時代對傳統(tǒng)的分析技術(shù)如數(shù)據(jù)挖掘、統(tǒng)計分析、機器學(xué)習(xí)等提出了不同的要求，比如小數(shù)據(jù)中挖掘信息的算法可能就不適用于大數(shù)據(jù)挖掘。因此，不僅要開發(fā)出新的算法如在線機器學(xué)習(xí)算法如在線的機器學(xué)習(xí)算法（online machine learning），而且要依靠云計算作為大數(shù)據(jù)處理的有效工具，使算法具有強大能力并具有可擴展性。對于電力大數(shù)據(jù)平臺而言，可以通過建立企業(yè)私有云或租用公用云的方式，搭建電力數(shù)據(jù)專屬云平臺。針對電力行業(yè)在國民經(jīng)濟中具有的特有屬性，建議云平臺的建設(shè)以獨立開發(fā)企業(yè)私有云為宜。

內(nèi)蒙古電力在線技術(shù)監(jiān)督平臺建設(shè)同時考慮了使用計算虛擬化技術(shù)，包括對服務(wù)器硬件資源的虛擬化，以及對虛擬資源、用戶側(cè)資源、業(yè)務(wù)層資源的集中管理，同時虛擬化技術(shù)也為上層應(yīng)用云平臺，不同業(yè)務(wù)調(diào)度與應(yīng)用部署提供了技術(shù)支撐。利用云平臺虛擬化特性可以有效提高計算平臺資源利用效率，保障運算系統(tǒng)的連續(xù)可靠，加速新版塊、新功能的開發(fā)與上線。

內(nèi)蒙古電力在線技術(shù)監(jiān)督平臺建設(shè)著力打造大數(shù)據(jù)與人工智能的深度融合。其中，數(shù)據(jù)的清理和有效是數(shù)據(jù)平臺運行的基礎(chǔ)。為此，該平臺在數(shù)據(jù)處理過程中除采用了機理分析、數(shù)理統(tǒng)計的方法之外，還采用了基于相關(guān)性檢驗的方法。這即考慮到了參數(shù)變量間的相關(guān)與耦合，通過交叉驗證檢測不良數(shù)據(jù)，對于2個存在線性關(guān)系的變量，采用了線性回歸、殘差分析實現(xiàn)對離群點的檢測，而對于復(fù)雜的多變量則采用了多元置信域的分布檢測方法，具體而言，就是將數(shù)據(jù)群視為維正態(tài)分布數(shù)據(jù)總體，其均值的100(1-)%置信域由滿足 式(1)[12]的集合構(gòu)成：

以對某發(fā)電廠1號機組給煤機煤量與磨煤機一次風(fēng)量運行數(shù)據(jù)的檢測為例，選取為0.4，得到置信域如圖4所示。各參數(shù)檢測結(jié)果如圖5所示。由圖4、圖5可見，該檢測方法可確保現(xiàn)場采集到的運行數(shù)據(jù)有效、可用。

圖4 數(shù)據(jù)置信域

圖5 檢測結(jié)果

內(nèi)蒙古電力在線技術(shù)監(jiān)督平臺一期建設(shè)設(shè)計的6個主要業(yè)務(wù)功能模塊就運用Kmeans聚類[13]、隨機森林[14]、神經(jīng)網(wǎng)絡(luò)[15]、決策樹[16]、線性回歸[17]等人工智能算法進行數(shù)據(jù)建模，并運用分類模型評價、回歸模型評價等評價工具對已建成的模型質(zhì)量進行評估，以驗證模型有效。數(shù)據(jù)挖掘及建模流程如圖6所示。

圖6 數(shù)據(jù)挖掘及建模流程

通過人工智能技術(shù)和大數(shù)據(jù)的結(jié)合，內(nèi)蒙古電力在線技術(shù)監(jiān)督平臺現(xiàn)已開發(fā)完成涉及參數(shù)測量、安全分析診斷、性能分析評估等多個數(shù)學(xué)模型。例如：選取磨煤機電流、壓差、溫差、一次風(fēng)壓、飛灰含碳量等多個監(jiān)測參數(shù)，構(gòu)建了基于BP神經(jīng)網(wǎng)絡(luò)算法的煤質(zhì)預(yù)測模型，實時預(yù)測入爐煤基水分、基灰分、干燥無灰基揮發(fā)分和低位發(fā)熱量；基于汽輪機診斷監(jiān)測管理系統(tǒng)（TDM）收集的數(shù)據(jù)利用快速傅里葉變換后形成相應(yīng)的專業(yè)圖表，實現(xiàn)汽輪機振動遠程診斷和分析；基于大數(shù)據(jù)平臺實現(xiàn)了電廠DCS數(shù)據(jù)的實時采集和存儲，開發(fā)了火電機組節(jié)能監(jiān)測與分析平臺，自動生成月度能耗分析報告；搭建了機組煤耗監(jiān)測的目標值求取模型，利用梯度提升數(shù)GBT回歸算法搭建了熱耗率預(yù)測模型；利用多項式回歸搭建了重要經(jīng)濟技術(shù)指標隨發(fā)電負荷變化的特性曲線預(yù)測模型，回歸效果滿足技術(shù)監(jiān)督監(jiān)測與分析需求；通過廣域監(jiān)測系統(tǒng)（WAMS）采集全網(wǎng)頻率、機組實發(fā)功率與轉(zhuǎn)速等實時數(shù)據(jù)，建立一次調(diào)頻綜合性能指標體系，在大小擾動下全面分析機組一次調(diào)頻動作合格率，并根據(jù)綜合性能指標全面分析機組一次調(diào)頻能力等等。

下一階段，內(nèi)蒙古電力在線技術(shù)監(jiān)督平臺將逐步納入風(fēng)電、光伏、水電等新能源系統(tǒng)數(shù)據(jù)，在氣象災(zāi)害預(yù)警、風(fēng)電的集中功率預(yù)測、風(fēng)機性能分析和水電的精準調(diào)度、機電設(shè)備狀態(tài)監(jiān)測與故障分析等方面開展研究和探索。

4 結(jié) 語

大數(shù)據(jù)是信息化發(fā)展的新階段，大數(shù)據(jù)技術(shù)、人工智能技術(shù)、云計算技術(shù)同實體經(jīng)濟的深度融合，將推進經(jīng)濟數(shù)字化建設(shè)，并為國家創(chuàng)新發(fā)展提供重要動能。建設(shè)內(nèi)蒙古電力在線技術(shù)監(jiān)督平臺，以其為載體開展了智能計算、數(shù)據(jù)挖掘等一系列研究與實踐工作，初步實現(xiàn)了項目啟動之初的“三服務(wù)一對接”的戰(zhàn)略定位，即服務(wù)電網(wǎng)、服務(wù)電廠、服務(wù)全區(qū)主要電力用戶，對接政府監(jiān)督職能。平臺的建成將促進內(nèi)蒙古電力工業(yè)的技術(shù)創(chuàng)新和產(chǎn)業(yè)升級，在提升電力工業(yè)整體安全的同時也將創(chuàng)造出明顯的經(jīng)濟、社會效益。

［1］ 劉冰, 龐琳. 國內(nèi)外大數(shù)據(jù)質(zhì)量研究述評[J]. 情報學(xué)報, 2019, 38(2): 111-120.

LIU Bing, PANG Lin. Review of domestic and international research on big data quality[J]. Journal of the China Society for Scientific and Technical Information, 2019, 38(2): 111-120.

［2］ 李清泉, 李德仁. 大數(shù)據(jù)GIS[J]. 武漢大學(xué)學(xué)報(信息科學(xué)版), 2014, 39(6): 641-644.

LI Qingquan, LI Deren. Big data GIS[J]. Geomatics and Information Science of Wuhan University, 2014, 39(6): 641-644.

［3］ 宋亞奇, 周國亮, 朱永利. 智能電網(wǎng)大數(shù)據(jù)處理技術(shù)現(xiàn)狀與挑戰(zhàn)[J]. 電網(wǎng)技術(shù), 2013, 37(4): 927-935.

SONG Yaqi, ZHOU Guoliang, ZHU Yongli. Present status and challenges of big data processing in smart grid[J]. Power System Technology, 2013, 37(4): 927-935.

［4］ 劉智慧, 張泉靈. 大數(shù)據(jù)技術(shù)研究綜述[J]. 浙江大學(xué)學(xué)報(工學(xué)版), 2014, 48(6): 957-972.

LIU Zhihui, ZHANG Quanling. Research overview ofbig data technology[J]. Journal of Zhejiang University (Engineering Science), 2014, 48(6): 957-972.

［5］ 王賽一, 余建平, 孫豐潔, 等. 電力大數(shù)據(jù)的價值密度評價及結(jié)合改進-means的提升方法研究[J]. 智慧電力, 2019, 47(3): 8-15.

WANG Saiyi, YU Jianping, SUN Fengjie, et al. Evaluation and promotion methods with improved-means for value density of electric power big data[J]. Smart Power, 2019, 47(3): 8-15

［6］ 包英明. 大數(shù)據(jù)平臺數(shù)據(jù)安全防護技術(shù)[J]. 信息安全研究, 2019(3): 242-247.

BAO Yingming. Data security protection technology in big data platform[J]. Journal of Information Security Research, 2019(3): 242-247.

［7］ 王元卓, 靳小龍, 程學(xué)旗. 網(wǎng)絡(luò)大數(shù)據(jù)現(xiàn)狀與展望[J]. 計算機學(xué)報, 2013(6): 1125-1138.

WANG Yuanzhuo, JIN Xiaolong, CHENG Xueqi. Network big data: present and future[J]. Chinese Journal of Computers, 2013(6): 1125-1138.

［8］ 王珊, 王會舉, 覃雄派, 等. 架構(gòu)大數(shù)據(jù)挑戰(zhàn)現(xiàn)狀與展望[J]. 計算機學(xué)報, 2011(10): 1741-1752.

WANG Shan, WANG Huiju, QIN Xiongpai, et al. Architecting big data: challenges, studies and forecasts[J]. Chinese Journal of Computers, 2011(10): 1741-1752.

［9］ 張東霞, 苗新, 劉麗平, 等. 智能電網(wǎng)大數(shù)據(jù)技術(shù)發(fā)展研究[J]. 中國電機工程學(xué)報, 2015, 35(1): 2-12.

ZHANG Dongxia, MIAO Xin, LIU Liping, et al. Research on development strategy for smart grid big data[J]. Proceedings of the CSEE, 2015, 35(1): 2-12.

［10］ 孟小峰, 慈祥. 大數(shù)據(jù)管理: 概念、技術(shù)與挑戰(zhàn)[J]. 計算機研究與發(fā)展, 2013,50(1): 146-149.

MENG Xiaofeng, CI Xiang. Big data management: concepts, techniques and challenges[J]. Journal of Computer Research and Development, 2013, 50(1): 146-149.

［11］ 嚴亞寧. 基于Hadoop的數(shù)據(jù)處理平臺的設(shè)計與開發(fā)研究[J]. 現(xiàn)代信息科技, 2019(3): 5-7.

YAN Yaning. Design and development of data processing platform based on Hadoop[J]. Modern Information Technology, 2019(3): 5-7.

［12］ JOHNSON R A , WICHERN D W. Applied multivariate statistical analysis[M]. New Jersey: Prentice Hall, 2002: 4-10.

［13］ 侯敬儒, 吳晟, 李英娜. 基于Spark的并行Kmeans聚類模型研究[J]. 計算機與數(shù)字工程, 2018(3): 537-540.

HOU Jingru, WU Sheng, LI Yingna. Research on parallel Kmeans clustering model based on Spark[J]. Computer and Digital Engineering, 2018(3): 537-540.

［14］ 關(guān)曉薔, 龐繼芳, 梁吉業(yè). 基于類別隨機化的隨機森林算法[J]. 計算機科學(xué), 2019(2): 196-201.

GUAN Xiaoqiang, PANG Jifang, LIANG Jiye. Randomization of classes based random forest algorithm[J]. Computer Science, 2019(2): 196-201.

［15］ 孫志軍, 薛磊, 許陽明, 等. 深度學(xué)習(xí)研究綜述[J]. 計算機應(yīng)用研究, 2012(8): 2806-2810.

SUN Zhijun, XUE Lei, XU Yangming, et al. Overview of deep learning[J]. Application Research of Computers, 2012(8): 2806-2810.

［16］ 劉小虎, 李生. 決策樹的優(yōu)化算法[J]. 軟件學(xué)報, 1998(10): 797-800.

LIU Xiaohu, LI Sheng. An optimized algorithm of decision tree[J]. Journal of Software, 1998(10): 797-800.

［17］ 王惠文, 夢潔. 多元線性回歸的預(yù)測建模方法[J]. 北京航空航天大學(xué)學(xué)報, 2007(4): 500-504.

WANG Huiwen, MENG Jie. Predictive modeling on multivariate linear regression[J]. Journal of Beijing University of Aeronautics and Astronautics, 2007(4): 500-504.

Construction scheme of power online technical supervision platform based on big data and artificial intelligence technology

ZHANG Guobin, ZHANG Shuyu, LIU Yongjiang, GUO Ruijun

(Inner Mongolia Electric Power Science and Research Institute, Huhhot 010020, China)

On the basis of the characteristics of Inner Mongolia power grid, this paper introduces the design scheme of electric power online technical supervision platform in Inner Mongolia power generation side. First of all, the architecture design scheme of the Inner Mongolia electric power online technical supervision platform is put forward and the relevant requirements that should be followed are pointed out, and the functional modules developed on the basis of source side, grid side and load side comprehensive data are introduced. Moreover, combined with the actual cases of data pre-processing in platform construction, the specific application strategies combined with cloud computing, artificial intelligence and big data technologies as well as their applications in the furture electric power industry are introduced in detail. It focuses on sharing some experiences in platform positioning, function design, module development and network architecture design, hoping to provide useful reference for the application and development of big data technology in electric power system.

big data, artificial intelligence, cloud platform, intelligent algorithm, modeling, evaluation, online monitoring platform

TK323

B

10.19666/j.rlfd.201904108

2019-04-22

張國斌(1972—)，男，碩士，正高級工程師，主要研究方向為電廠熱能動力及自動化控制，zgb7230@163. com。

張國斌, 張叔禹, 劉永江, 等. 基于大數(shù)據(jù)與人工智能技術(shù)的電力在線技術(shù)監(jiān)督平臺建設(shè)方案[J]. 熱力發(fā)電, 2019, 48(9): 94-100. ZHANG Guobin, ZHANG Shuyu, LIU Yongjiang, et al. Construction scheme of power online technical supervision platform based on big data and artificial intelligence technology[J]. Thermal Power Generation, 2019, 48(9): 94-100.

（責(zé)任編輯 楊嘉蕾）