趙玉柱，盧偉輝，王 寅，張中林

（1.中國南方電網(wǎng)有限責(zé)任公司調(diào)度控制中心，廣州 510623；2.南京華盾電力信息安全測評有限公司，南京 210013；3.南京工程學(xué)院 能源與動力工程學(xué)院，南京 211167）

0 引言

2018 年火電企業(yè)發(fā)電量占總發(fā)電量的71%以上，依然是國內(nèi)電網(wǎng)主要發(fā)電來源，火電企業(yè)的安全穩(wěn)定運行對于電網(wǎng)的安全至關(guān)重要，而燃料問題是火電企業(yè)面臨的根本問題。由于受到能源政策、供需形勢、資源分布、供應(yīng)價格、交通運輸、市場博弈等多種復(fù)雜因素的影響，燃料供應(yīng)存在一定的隨機性和不確定性，造成電網(wǎng)和調(diào)度機構(gòu)難以充分了解和掌握火電企業(yè)的燃料運行狀態(tài)，電網(wǎng)調(diào)度和火電企業(yè)產(chǎn)能之間匹配不夠，無法做到科學(xué)調(diào)度，一旦發(fā)生大面積燃料供應(yīng)問題，將嚴(yán)重威脅到電網(wǎng)的安全運行。

為了應(yīng)對燃料問題，火電企業(yè)和火電發(fā)電集團陸續(xù)建立了燃料的信息化管理系統(tǒng)[1-6]，通過信息化技術(shù)實現(xiàn)了對燃料的有效管理，對燃料從采購到入爐進行全面管控。但是目前所建立的大量燃料管理系統(tǒng)只是對傳統(tǒng)燃料管理的信息化，而且范圍局限在一個廠區(qū)或者某個區(qū)域之內(nèi)，主要問題是不能對火電企業(yè)的燃料供應(yīng)進行智能化預(yù)測和管控，無法對燃料計劃和采購提出指導(dǎo)意見。對于電網(wǎng)而言，在實現(xiàn)廠網(wǎng)分離后，火電企業(yè)的燃料計劃、采購和庫存等信息處于盲區(qū)，這給電網(wǎng)的調(diào)度帶來困難，同時也威脅到電網(wǎng)的安全穩(wěn)定運行。

為了解決電網(wǎng)與火電企業(yè)燃料管理脫節(jié)的問題，迫切需要建立統(tǒng)一區(qū)域燃料信息管理系統(tǒng)，同時利用大數(shù)據(jù)和云平臺建立發(fā)電燃料預(yù)測系統(tǒng)，利用該系統(tǒng)實現(xiàn)區(qū)域燃料統(tǒng)一管理和燃料需求預(yù)測，確保燃料安全，保證電網(wǎng)的安全穩(wěn)定運行。

本文利用互聯(lián)網(wǎng)+技術(shù)構(gòu)建南方電網(wǎng)（以下簡稱“南網(wǎng)”）燃料管理系統(tǒng)，在此基礎(chǔ)上構(gòu)建南網(wǎng)范圍內(nèi)的大數(shù)據(jù)平臺，不僅實現(xiàn)了南網(wǎng)范圍內(nèi)的燃料有效管理，還可以通過預(yù)測模型準(zhǔn)確預(yù)測燃料需求，確保南網(wǎng)范圍內(nèi)火電企業(yè)燃料安全。

1 燃料管理系統(tǒng)構(gòu)建

1.1 燃料管理系統(tǒng)結(jié)構(gòu)

所構(gòu)建的燃料管理系統(tǒng)主要基礎(chǔ)數(shù)據(jù)分散在各個燃煤和燃氣電廠，在信息安全要求較高的條件下，要求該燃料管理系統(tǒng)既要實現(xiàn)火電企業(yè)燃料數(shù)據(jù)的實時采集和傳輸，又要確保數(shù)據(jù)和信息的安全。

圖1 為燃料管理系統(tǒng)的網(wǎng)絡(luò)拓撲和硬件布置結(jié)構(gòu)，主要硬件包括兩臺數(shù)據(jù)服務(wù)器、數(shù)據(jù)采集終端、數(shù)據(jù)采集網(wǎng)絡(luò)和防火墻。

圖1 燃料管理系統(tǒng)網(wǎng)絡(luò)和硬件結(jié)構(gòu)

數(shù)據(jù)采集終端布置在各個火電企業(yè)，通過接口上傳火電企業(yè)燃料管理系統(tǒng)中的相關(guān)數(shù)據(jù)，布置在中調(diào)的終端負責(zé)區(qū)域的燃料數(shù)據(jù)收集和上傳。由于各個數(shù)據(jù)采集終端地理位置具有分散性，需建設(shè)統(tǒng)一的綜合數(shù)據(jù)網(wǎng)絡(luò)用于基礎(chǔ)數(shù)據(jù)傳輸。

服務(wù)器的建設(shè)采用分區(qū)和分層方式，在安全三區(qū)布置有主服務(wù)器，在DMZ（隔離區(qū)）布置DMZ服務(wù)器，各個服務(wù)區(qū)之間采用防火墻隔離，確保數(shù)據(jù)安全。數(shù)據(jù)采集終端所采集的數(shù)據(jù)通過綜合數(shù)據(jù)網(wǎng)絡(luò)上傳至主服務(wù)器，DMZ 服務(wù)器是主服務(wù)器安全備份，內(nèi)部客戶端可以與DMZ 服務(wù)器進行數(shù)據(jù)交互，移動終端等外圍智能終端通過互聯(lián)網(wǎng)和防火墻與DMZ 服務(wù)器交換數(shù)據(jù)。

1.2 數(shù)據(jù)接口

系統(tǒng)提供各類數(shù)據(jù)接口，實現(xiàn)與其他系統(tǒng)的數(shù)據(jù)互聯(lián)，數(shù)據(jù)接口主要特性如下：

（1）采用通用的標(biāo)準(zhǔn)數(shù)據(jù)接口方式。

（2）采用OSB（Oracle 數(shù)據(jù)服務(wù)總線）實現(xiàn)與DMIS（調(diào)度指揮管理信息系統(tǒng)）等業(yè)務(wù)系統(tǒng)的數(shù)據(jù)交互。

（3）充分考慮現(xiàn)行數(shù)據(jù)源發(fā)生改變的可能，具備靈活、可擴展性強的數(shù)據(jù)接口實現(xiàn)方案。

（4）實現(xiàn)發(fā)電燃料基礎(chǔ)信息、燃煤電廠盈虧測算等應(yīng)用的OSB 服務(wù)封裝。

1.3 燃料數(shù)據(jù)直采

燃料數(shù)據(jù)的直采對于系統(tǒng)數(shù)據(jù)實時性非常重要，南方電網(wǎng)發(fā)電燃料管理信息系統(tǒng)實現(xiàn)了發(fā)電廠燃料數(shù)據(jù)的自動采集功能。通過接口程序，將發(fā)電廠燃料數(shù)據(jù)從發(fā)電廠本地燃料數(shù)據(jù)庫中自動采集上傳到部署在南網(wǎng)總調(diào)的發(fā)電燃料管理信息系統(tǒng)數(shù)據(jù)庫中。

采用Oracle 公司的OSB 方式進行數(shù)據(jù)傳輸，OSB 提供WebService 和MQ 兩種技術(shù)標(biāo)準(zhǔn)的數(shù)據(jù)傳輸方式，系統(tǒng)在實現(xiàn)燃料數(shù)據(jù)直采時結(jié)合數(shù)據(jù)交互的具體要求可任意選擇其中的一種：對于實時性要求高但數(shù)據(jù)量不大的交互場景可以采用WebService 方式；對于實時性要求較低或數(shù)據(jù)量較大的交互場景可以采用MQ 方式。通過接口程序，采用WebService 或MQ 方式將發(fā)電廠本地數(shù)據(jù)庫中的發(fā)電燃料數(shù)據(jù)通過綜合數(shù)據(jù)網(wǎng)自動采集上傳到南方電網(wǎng)發(fā)電燃料管理信息系統(tǒng)數(shù)據(jù)庫中，實現(xiàn)數(shù)據(jù)的自動采集和上傳。這兩種方式提高了燃料數(shù)據(jù)直采的靈活性和適應(yīng)性，能夠適應(yīng)不同場景數(shù)據(jù)采集的要求，確保了燃料基礎(chǔ)數(shù)據(jù)準(zhǔn)確和實時采集。

2 發(fā)電燃料綜合管理平臺

2.1 燃料綜合管理平臺

利用所采集到的火電企業(yè)燃料基礎(chǔ)數(shù)據(jù)，建立燃料綜合管理平臺。除了日常燃料數(shù)據(jù)分析與管理功能，在該管理平臺內(nèi)開發(fā)了燃煤電廠盈虧測算模塊，主要功能如下：

（1）基于K-means 聚類算法，建立火電企業(yè)燃料大數(shù)據(jù)模型。

（2）以標(biāo)桿發(fā)電廠（示例發(fā)電廠）數(shù)據(jù)為基礎(chǔ)，完成測算；隨著模型中變量的更改，可展示不同的計算結(jié)果。

（3）具備單一變量靈敏度測算功能。

（4）建立全網(wǎng)所有燃煤電廠各項成本及上網(wǎng)電價、煤價等數(shù)據(jù)庫。

（5）盈虧模塊測算的主要參數(shù)有發(fā)電廠利潤、盈虧平衡點、單位發(fā)電邊際利潤、對應(yīng)設(shè)計利用小時數(shù)盈虧平衡點標(biāo)煤價。

2.2 燃料管理大數(shù)據(jù)研究

K-means 算法流程如圖2 所示。

圖2 K-means 算法流程

K-means 算法是一種基于劃分的聚類算法，是數(shù)據(jù)挖掘中的一種經(jīng)典算法，其中n 表示輸入樣本數(shù)，K 表示有多少個類，即簇的大小，在給定的數(shù)據(jù)集中使得規(guī)定的誤差達到最小的K 個分類，其中所有類中的均值則由means 來表示。K-means 算法高效且簡單，對大數(shù)據(jù)有較高的運行效率，比較適用于大規(guī)模數(shù)據(jù)聚類[6-8]。

K-means 算法的基本思想是：

首先需要根據(jù)一定準(zhǔn)則或隨機指定K 的大小，即將數(shù)據(jù)集分成K 個簇；然后隨機初始化K個點作為K-means 算法樣本；計算各數(shù)據(jù)元素到已經(jīng)初始化的聚類中心的距離，根據(jù)計算得到的結(jié)果（也就是與簇心的距離）進行對比，根據(jù)一定規(guī)則將該數(shù)據(jù)元素分配至最鄰近的簇中。采用物理上計算重心的方法調(diào)整每個聚類中心（將聚類中心移動至中心位置），反復(fù)迭代執(zhí)行，比較兩次聚類中心移動的位置，如果移動位置小于某個值或者未移動，表明算法收斂，當(dāng)所有聚類中心都收斂表示算法已經(jīng)結(jié)束。

傳統(tǒng)的K-means 算法自身存在主觀給定K值、隨機給定初始點的局限性，導(dǎo)致聚類結(jié)果不穩(wěn)定。文獻[10]提出了一種改進的K-means 算法，通過加入密度系數(shù)的最大權(quán)值法分析電網(wǎng)用戶的用電行為，選取距離最遠的密度樣本時采用評價函數(shù)權(quán)值計算法，考慮簇間距離和簇內(nèi)距離，并通過UCI 數(shù)據(jù)集驗證算法的準(zhǔn)確率和穩(wěn)定性[10]。本文利用該改進的K-means 算法分析南網(wǎng)電源側(cè)燃料特性。

定義新的評價函數(shù)ω 為：

式中：s（i）為簇間距離；Nε（xi）為樣本密度函數(shù)；a（i）為簇內(nèi)樣本的平均距離；xi為樣本數(shù)據(jù)。

Nε（xi）定義為：

式中：d（xi，xj）為任意兩個數(shù)據(jù)對象之間的歐氏距離；ε 為殘差；。

a（i）定義為：

式（1）中：Nε（xi）越大，表示樣本點i 周圍元素點越多，元素越集中；a（i）越小，1/a（i）越大，表示簇中元素越密集；s（i）越大，表示兩簇之間距離越遠，其相異度就越大。因此，通過最大權(quán)值法可以求出最佳聚類中心，而密度參數(shù)的引入使得初始中心的選取更具客觀性。

利用改進的K-means 算法對2018 年南網(wǎng)所有燃煤電廠的入爐燃料品質(zhì)進行分析，將發(fā)電廠采購的煤質(zhì)按照入爐情況進行分類，主要指標(biāo)包括發(fā)熱量、硫分、灰分等指標(biāo)分為A，B，C，D，E 5 個等級，具體指標(biāo)如表1 所示。通過K-means算法大數(shù)據(jù)分析，得到初始聚類中心和最終聚類中心如表2 所示，南網(wǎng)2018 年發(fā)電廠采購煤炭的品質(zhì)分布如圖3 所示。

表1 燃煤等級指標(biāo)

表2 K-means 聚類中心

圖3 2018 年南網(wǎng)火電企業(yè)電煤煤質(zhì)分布

由圖3 可以看出2018 年南網(wǎng)發(fā)電廠所采購的煤炭比較優(yōu)質(zhì)，B 等級的煤炭采購量占60%以上，其發(fā)熱量在24.13 MJ/kg 左右，含硫率普遍在1%以下，灰分含量低于15%。但同時也存在著采購劣質(zhì)煤的情況，其硫分和灰分含量均較高。

3 發(fā)電燃料供應(yīng)預(yù)測

在已有的大數(shù)據(jù)基礎(chǔ)上，采用合適的模型建立南網(wǎng)燃料預(yù)測方法，對于確保南網(wǎng)的燃料安全非常重要。目前的主要預(yù)測方法包括定性預(yù)測、時間序列平滑預(yù)測、自適應(yīng)預(yù)測、自適應(yīng)預(yù)測和回歸預(yù)測等方法[11]。本文采用ARMA（自回歸滑動平均）模型用于燃料預(yù)測，ARMA 模型[12-14]是目前最常用的擬合平穩(wěn)時間序列的模型，由自回歸模型和滑動平均模型“混合”構(gòu)成。ARMA 模型在市場中常用于長期追蹤資料的研究，如隨季節(jié)變動特征的銷售量、價格、市場規(guī)模預(yù)測等[15]。

ARMA 模型族是平穩(wěn)序列的一種重要模型族，但對于有季節(jié)性等非平穩(wěn)序列，該模型就不再適用。ARIMA（差分整合移動平均自回歸）模型通過差分將時序平穩(wěn)化，然后用ARMA 模型討論差分后的時序，一般非季節(jié)性的ARIMA（p，d，q）模型形式為：

乘積季節(jié)模型是隨機季節(jié)模型與ARMA 模型的結(jié)合式，其階數(shù)為（p，d，q）×（P，D，Q）S，形式為：

式（4），（5）中：εt為殘差；Xt為原始數(shù)據(jù)序列；B為優(yōu)化參數(shù)；S 為一個季節(jié)循環(huán)中的觀測個數(shù)；φ（B）▽dXt表示同一周期內(nèi)不同周期點的相關(guān)關(guān)系；表示不同周期的同一周期點上的相關(guān)關(guān)系。

式中：θi，φi，Ui，Vi均為系數(shù)。

建立南網(wǎng)燃料預(yù)測模型主要有以下步驟：

（1）平穩(wěn)化處理。將原始數(shù)據(jù)的不平穩(wěn)時間序列轉(zhuǎn)換為平穩(wěn)時間序列。

（2）模型識別與定階。根據(jù)自相關(guān)圖和偏自相關(guān)圖，建立預(yù)測模型，確定模型參數(shù)。

（3）模型參數(shù)估計。由自相關(guān)圖確定參數(shù)q和Q，由偏自相關(guān)圖確定p 和P，結(jié)合AIC（赤池信息準(zhǔn)則）和BIC（貝葉斯信息準(zhǔn)則），最終確定p，q，P，Q；根據(jù)數(shù)據(jù)的平穩(wěn)性確定參數(shù)d；根據(jù)數(shù)據(jù)的周期性確定參數(shù)D。

（4）模型適應(yīng)性檢驗。進行殘差獨立性檢驗或異方差檢驗，修改預(yù)測模型，直至殘差序列為白噪聲序列，提取所有有用信息。殘差檢驗公式為：

將圖4 中的實際值進行數(shù)據(jù)平穩(wěn)化處理，繪制南方電網(wǎng)發(fā)電燃料原始數(shù)據(jù)的時間序列圖、自相關(guān)圖和偏相關(guān)圖，通過一階差分和季節(jié)差分后消除了其中的二次趨勢，得到模型參數(shù)d=D=1。

圖4 2018—2019 年南網(wǎng)全網(wǎng)燃料量預(yù)測值和真實值對比

由自相關(guān)圖和偏相關(guān)圖，經(jīng)試算比較后當(dāng)ARIMA（0，1，1）（0，1，0）12時BIC 值最小，即此時p=0，P=0，q=1，Q=0。對模型進行適應(yīng)性檢驗，殘差為白噪聲，所有信息都被提取，模型適應(yīng)性檢查通過。

南網(wǎng)全網(wǎng)發(fā)電燃料預(yù)測最終模型為：

利用所建立的預(yù)測模型對南網(wǎng)燃料量進行預(yù)測分析，如圖4 所示。該模型在考慮歷史數(shù)據(jù)和影響因素的前提下，更好地反映了發(fā)電燃料供應(yīng)的季節(jié)性。與實際值對比結(jié)果表明，預(yù)測值能準(zhǔn)確反映南網(wǎng)火電企業(yè)燃料量變化，該預(yù)測方法具有一定的準(zhǔn)確性和精度。

4 結(jié)語

廠網(wǎng)分離提高了能源企業(yè)的競爭力，但是電網(wǎng)側(cè)與電源側(cè)的脫離也造成電網(wǎng)對電源側(cè)的信息（尤其是各個能源企業(yè)燃料儲備和燃料品質(zhì)情況）掌握不足，造成在電力調(diào)度過程中存在一定的盲目性，威脅到電力系統(tǒng)的安全穩(wěn)定運行。因此，迫切需要利用互聯(lián)網(wǎng)+技術(shù)，構(gòu)建全網(wǎng)統(tǒng)一的燃料信息管理和預(yù)測優(yōu)化平臺，利用大數(shù)據(jù)對全網(wǎng)燃料特性和品質(zhì)進行實時分析，并對燃料庫存進行預(yù)測。

本文主要內(nèi)容總結(jié)如下：

（1）以O(shè)SB 方式構(gòu)建了全網(wǎng)統(tǒng)一的燃料信息管理平臺，實現(xiàn)了電源電網(wǎng)側(cè)燃料數(shù)據(jù)的實時共享。

（2）以信息化技術(shù)為基礎(chǔ)，利用K-means 算法和大數(shù)據(jù)對燃料品質(zhì)等特性進行分析，進一步掌握全網(wǎng)的燃料主要特征。

（3）利用ARMA 模型，建立全網(wǎng)燃料預(yù)測模型，通過與實際值比較，驗證了模型的正確性。

本文通過建立全網(wǎng)燃料信息化平臺，實時了解全網(wǎng)燃料運行狀態(tài)，通過大數(shù)據(jù)分析燃料品質(zhì)，利用預(yù)測模型預(yù)測燃料庫存，提高了燃料安全性，確保了電網(wǎng)安全穩(wěn)定運行。