張潔敏, 方志堅(jiān), 倪文書

(國網(wǎng)福建省電力有限公司 信息通信分公司， 福建 福州 350001)

0 引言

隨著電網(wǎng)規(guī)模的不斷擴(kuò)大及電力系統(tǒng)的不斷升級改造，電網(wǎng)的信息化與智能化程度越來越高，電力數(shù)據(jù)量及種類呈現(xiàn)幾何級數(shù)倍增的趨勢，促使電網(wǎng)發(fā)展進(jìn)入了大數(shù)據(jù)時(shí)代，而海量的雜亂無章的數(shù)據(jù)堆里蘊(yùn)含著豐富的價(jià)值，如何高效準(zhǔn)確的將有用信息從中收集整理出來是目前電力系統(tǒng)建設(shè)急需解決的問題。在對不斷增加的電網(wǎng)數(shù)據(jù)進(jìn)行處理時(shí)，現(xiàn)有的技術(shù)手段勢必會超過電網(wǎng)所能處理、利用的范圍，使得處理和分析電力數(shù)據(jù)的難度加大，在應(yīng)用處理智能電網(wǎng)大數(shù)據(jù)時(shí)，數(shù)據(jù)的實(shí)時(shí)存儲、高效處理、有效融合及可視化方面成為深入研究的重點(diǎn)，本文主要研究了智能電網(wǎng)海量信息數(shù)據(jù)檢測關(guān)鍵技術(shù)。

1 現(xiàn)狀分析

不斷發(fā)展完善的智能電網(wǎng)體系使電網(wǎng)各環(huán)節(jié)的數(shù)據(jù)不斷增加(包括發(fā)電、輸電、變電、配電、用電、調(diào)度等)，尤其是隨著云計(jì)算平臺、計(jì)算機(jī)通信及網(wǎng)絡(luò)等技術(shù)在智能電網(wǎng)中的廣泛應(yīng)用，促使大數(shù)據(jù)在電網(wǎng)各專業(yè)領(lǐng)域廣泛應(yīng)用，對電網(wǎng)數(shù)據(jù)(具有海量、多源、異構(gòu)、復(fù)雜、冗余、增長速度快的特點(diǎn))的管理提出了更高的要求，智能電表需對電網(wǎng)海量信息數(shù)據(jù)進(jìn)行采集和監(jiān)控。融合智能電網(wǎng)內(nèi)外部的數(shù)據(jù)成為應(yīng)用和發(fā)揮電網(wǎng)大數(shù)據(jù)價(jià)值的基礎(chǔ)，目前大數(shù)據(jù)管理的重點(diǎn)在于實(shí)現(xiàn)基于深層次檢測的電網(wǎng)海量多元異構(gòu)數(shù)據(jù)的有效管理，而深層次檢測以采集、存儲及異常檢測為主，資源的管理、優(yōu)化配置和調(diào)度成為規(guī)模不斷擴(kuò)大的電網(wǎng)管理的核心，運(yùn)行和管理海量數(shù)據(jù)則擴(kuò)大了電網(wǎng)調(diào)度控制系統(tǒng)的監(jiān)控范圍。電網(wǎng)海量數(shù)據(jù)檢測技術(shù)成為研究重點(diǎn)，電網(wǎng)信息數(shù)據(jù)包括電量、電壓、功率和功耗等，這些海量數(shù)據(jù)結(jié)構(gòu)的高效可靠發(fā)展需基于對數(shù)據(jù)的計(jì)算、分析及訪問結(jié)果[1]。

2 智能電網(wǎng)海量信息數(shù)據(jù)框架

針對智能電網(wǎng)海量信息數(shù)據(jù)的相關(guān)檢測技術(shù)研究已經(jīng)取得了一定的進(jìn)展，例如基于數(shù)據(jù)驅(qū)動(dòng)的深層次檢測技術(shù)，在完成電網(wǎng)在線數(shù)據(jù)采集的基礎(chǔ)上，完成對其分布情況及判別值的分析和計(jì)算(以所選取的固定特征數(shù)據(jù)集為依據(jù))，然后根據(jù)判別值的權(quán)重完成數(shù)據(jù)的調(diào)節(jié)控制過程，在此基礎(chǔ)上實(shí)現(xiàn)電網(wǎng)數(shù)據(jù)的深層次檢測功能，但該檢測方法使得檢測效率及可靠性有待提高；基于電力擾動(dòng)方法的深層次檢測技術(shù)，在對電壓、電流數(shù)據(jù)進(jìn)行檢測的基礎(chǔ)上完成對電能質(zhì)量擾動(dòng)的分析及對擾動(dòng)數(shù)據(jù)的測試，實(shí)現(xiàn)深層次檢測功能，但該方法的誤報(bào)率較高，檢測效率及準(zhǔn)確率有待提升。為進(jìn)一步完善檢測功能本文在現(xiàn)有研究基礎(chǔ)上提出了基于調(diào)控云的數(shù)據(jù)檢測方法。智能電網(wǎng)海量數(shù)據(jù)的實(shí)時(shí)采集與存儲離不開數(shù)據(jù)庫管理系統(tǒng)，云計(jì)算下的調(diào)度系統(tǒng)(涵蓋變電站、傳輸通道、發(fā)電廠及輔助設(shè)備)能夠?qū)﹄娋W(wǎng)海量數(shù)據(jù)進(jìn)行監(jiān)控，負(fù)責(zé)提供運(yùn)行信息、控制方式。通過將遠(yuǎn)動(dòng)設(shè)備安裝到變電站和發(fā)電廠完成電力系統(tǒng)信息(設(shè)備運(yùn)行參數(shù)、繼電保護(hù)等)的采集和傳送，進(jìn)而實(shí)現(xiàn)對智能電網(wǎng)的控制和監(jiān)測，通過調(diào)度自動(dòng)化完成數(shù)據(jù)分析及結(jié)果顯示，工作人員據(jù)此采取相應(yīng)的調(diào)節(jié)和控制命令[2]。

根據(jù)電網(wǎng)海量數(shù)據(jù)的特征(如實(shí)時(shí)性、無序性和易失性等)，對海量數(shù)據(jù)的處理過程(包括采集、接入、計(jì)算和存儲)采用調(diào)控云技術(shù)完成。智能電網(wǎng)海量數(shù)據(jù)檢測框架,如圖1所示。

圖1 智能電網(wǎng)海量數(shù)據(jù)檢測框架

先通過采集系統(tǒng)對數(shù)據(jù)源進(jìn)行監(jiān)聽和匯總，數(shù)據(jù)的緩沖系統(tǒng)接收到匯總的數(shù)據(jù)后對其速率進(jìn)行協(xié)調(diào)控制，主要環(huán)節(jié)為：(1)先完成海量數(shù)據(jù)的采集，通過使用智能電表及傳感器完成海量數(shù)據(jù)的流通和采集，通過安裝安裝智能電表能夠有效滿足海量數(shù)據(jù)的實(shí)時(shí)采集和傳輸需求，智能電表的數(shù)據(jù)監(jiān)聽功能需具備較高的實(shí)時(shí)性、可靠性；(2)海量數(shù)據(jù)的接入，由于數(shù)據(jù)的采集和處理速度存在不一致的問題，為保證數(shù)據(jù)的完整，需在確保延遲性較低的情況下先緩沖處理海量數(shù)據(jù)，從而使海量數(shù)據(jù)的流通速度得到有效的控制和優(yōu)化；(3)海量數(shù)據(jù)的流通計(jì)算，主要負(fù)責(zé)解決海量數(shù)據(jù)的速率問題以滿足實(shí)時(shí)性要求，電網(wǎng)中數(shù)據(jù)的速率會隨著數(shù)據(jù)的動(dòng)態(tài)變化而變化，流通計(jì)算的數(shù)據(jù)僅可使用一次，需確保數(shù)據(jù)的調(diào)節(jié)控制具備一定的伸縮性，在時(shí)間等因素的影響種類較多的電網(wǎng)數(shù)據(jù)易出現(xiàn)順序錯(cuò)亂的情況，通過分析數(shù)據(jù)流通計(jì)算的結(jié)果為負(fù)載均衡和故障恢復(fù)功能的實(shí)現(xiàn)提供支撐；(4)海量數(shù)據(jù)的存儲，針對智能電網(wǎng)中的不同業(yè)務(wù)需求(包括異常檢測、用電行為、負(fù)荷預(yù)測等)采用不同方式存儲數(shù)據(jù)處理結(jié)果，根據(jù)數(shù)據(jù)的流通和傳輸及數(shù)據(jù)分析結(jié)果實(shí)現(xiàn)深層次檢測功能[3]。

3 智能電網(wǎng)海量數(shù)據(jù)檢測技術(shù)

3.1 數(shù)據(jù)數(shù)學(xué)模型的構(gòu)建

對電網(wǎng)數(shù)據(jù)節(jié)點(diǎn)基于電網(wǎng)數(shù)據(jù)的流通和傳輸以及電網(wǎng)的導(dǎo)納和阻抗，通過潮流計(jì)算方法的使用完成電壓同電流間關(guān)系的分析過程，然后將電流與功率間的關(guān)系以電網(wǎng)的有功和無功注入為依據(jù)完成分析和計(jì)算，據(jù)此實(shí)現(xiàn)電網(wǎng)海量數(shù)據(jù)非線性方程的獲取，再結(jié)合智能電網(wǎng)潮流坐標(biāo)的計(jì)算結(jié)果完成電網(wǎng)數(shù)據(jù)的數(shù)學(xué)模型的構(gòu)建。智能電網(wǎng)具備動(dòng)態(tài)、非線性、高維的特點(diǎn)，且持續(xù)變化過度的時(shí)間短且復(fù)雜程度較高，為避免增加數(shù)學(xué)模型的復(fù)雜度，本文的數(shù)學(xué)模型采用了潮流計(jì)算方法(即電網(wǎng)中的電氣計(jì)算)，對智能電網(wǎng)的運(yùn)行狀態(tài)主要以運(yùn)行參數(shù)和電網(wǎng)結(jié)構(gòu)為依據(jù)完成求解過程[5]。假設(shè)，電網(wǎng)數(shù)據(jù)節(jié)點(diǎn)的網(wǎng)絡(luò)包含n個(gè)，分析數(shù)據(jù)節(jié)點(diǎn)的電壓和電流關(guān)系，U和I分別表示電壓和電流，導(dǎo)納和阻抗分別有Y和Z表示，式(1)、式(2)。

I=YU

(1)

U=ZI

(2)

假設(shè)，智能電網(wǎng)數(shù)據(jù)節(jié)點(diǎn)由此表示，數(shù)據(jù)節(jié)點(diǎn)的導(dǎo)納矩陣及阻抗矩陣分別由Yij和Zij表示，將上式展開,如式(3)、式(4)(i=1，2，3，…，n)。

(3)

(4)

實(shí)際電網(wǎng)數(shù)據(jù)節(jié)點(diǎn)的注入量為節(jié)點(diǎn)的功率(而非數(shù)據(jù)節(jié)點(diǎn)的電流)，因此需分析電流與功率間的關(guān)系，假設(shè)，電網(wǎng)數(shù)據(jù)的有功注入由P表示，電網(wǎng)數(shù)據(jù)的無功注入由Q表示[4]，如式(5)—式(7)。

(5)

(6)

(7)

上述非線性方程即為潮流計(jì)算的基本方程(以數(shù)據(jù)節(jié)點(diǎn)的電壓為變量)，可知非線性方程主要受到數(shù)據(jù)節(jié)點(diǎn)功率的影響，可針對海量數(shù)據(jù)通過數(shù)值計(jì)算方法事物使用完成迭代求解。電網(wǎng)中各數(shù)據(jù)節(jié)點(diǎn)運(yùn)行狀態(tài)的確定需基于數(shù)據(jù)的流通、傳輸以及4個(gè)運(yùn)行變量(即電壓相角θ,U,P,Q)，先指定其中的2 個(gè)變量作為已知量，剩下兩個(gè)變量當(dāng)作待求變量，在此基礎(chǔ)上進(jìn)行潮流計(jì)算。復(fù)數(shù)電壓的變量的表達(dá)式[5],如式(8)、式(9)。

Ui=ei+fi

(8)

Yij=Gij+Bij

(9)

電網(wǎng)數(shù)據(jù)潮流方程的坐標(biāo)表達(dá)式,如式(10)、式(11)。

(10)

(11)

在上述計(jì)算和分析的基礎(chǔ)上，實(shí)現(xiàn)最終智能電網(wǎng)海量數(shù)據(jù)數(shù)學(xué)模型的獲取，如式(12)。

I′=(Pi+Qi+Ui)×n

(12)

分析上述數(shù)學(xué)模型可知模型的復(fù)雜程度會隨著數(shù)據(jù)節(jié)點(diǎn)數(shù)的增加而增大，該模型能夠計(jì)算出電網(wǎng)故障的問題，在清理電網(wǎng)故障的同時(shí)對數(shù)據(jù)出現(xiàn)的異常情況進(jìn)行總結(jié)，據(jù)此完成對海量數(shù)據(jù)傳輸性能的評估和診斷[6]。

3.2 電網(wǎng)海量數(shù)據(jù)深層次檢測的實(shí)現(xiàn)過程

在數(shù)學(xué)建模的基礎(chǔ)上完成數(shù)據(jù)的三角函數(shù)的計(jì)算(根據(jù)電網(wǎng)信號的角頻率和運(yùn)行時(shí)間)以及對應(yīng)的余弦和正弦系數(shù)的確定，并據(jù)此獲取數(shù)據(jù)中的分量系數(shù)，智能電網(wǎng)數(shù)據(jù)信號則以運(yùn)行時(shí)間及其坐標(biāo)系為依據(jù)計(jì)算獲取，最終實(shí)現(xiàn)基于調(diào)控云的數(shù)據(jù)深層次檢測功能。假設(shè)，電網(wǎng)信號的角頻率由ω表示，電網(wǎng)的電壓信號(對應(yīng)周期T的信號)由vs(t)表示，數(shù)據(jù)運(yùn)行時(shí)間由t表示，對于運(yùn)行時(shí)間的正弦基函數(shù)由sin(n′ωt)表示，運(yùn)行時(shí)間的余弦基函數(shù)由cos(n′ωt)表示，分解得到數(shù)據(jù)的三角函數(shù)表達(dá)式[7],如式(13)。

(13)

根據(jù)在一個(gè)周期內(nèi)vs(t)的函數(shù)值即可計(jì)算獲取電網(wǎng)數(shù)據(jù)中由a1和b1表示的分量系數(shù)，如式(14)。

vs1(t)=a1cosωt+b1sinωt

(14)

ω=2π/T

(15)

t=τ+t0-T0

對智能電網(wǎng)海量數(shù)據(jù)通過計(jì)算數(shù)據(jù)的三角函數(shù)及運(yùn)行時(shí)間實(shí)現(xiàn)深層次檢測過程，如式(16)。

T′=vs(t)+t·τ

(16)

4 實(shí)驗(yàn)測試及結(jié)果分析

通過實(shí)驗(yàn)對基于調(diào)控云的智能電網(wǎng)海量信息數(shù)據(jù)檢測方法的有效性進(jìn)行測試，考慮到智能電網(wǎng)的性能易受到海量運(yùn)行數(shù)據(jù)的影響，需進(jìn)行協(xié)調(diào)控制，具體使用6臺PC機(jī)(采用Windows操作系統(tǒng)，CPU內(nèi)存為4GB)完成了實(shí)驗(yàn)環(huán)境的搭建，數(shù)據(jù)的編碼使用java程序進(jìn)行設(shè)計(jì)，實(shí)驗(yàn)需檢測的智能電網(wǎng)數(shù)據(jù)為200個(gè)，檢測次數(shù)為8次。電網(wǎng)海量數(shù)據(jù)的檢測效率的測試結(jié)果,如表1所示。

本文檢測方法對智能電網(wǎng)實(shí)驗(yàn)數(shù)據(jù)(200個(gè))的第1、2次檢測時(shí)未被檢測出的數(shù)據(jù)個(gè)數(shù)為10個(gè)，第3次檢測時(shí)未被檢測出的數(shù)據(jù)個(gè)數(shù)為9個(gè)，第 4、5、6、7次未被檢測出的數(shù)據(jù)個(gè)數(shù)分別為 8個(gè)、5個(gè)、5個(gè)和2個(gè)，第8次檢測時(shí)的200個(gè)數(shù)據(jù)均被檢測出來。文獻(xiàn)[3]方法第1次和第2次檢測時(shí)未被檢測出的數(shù)據(jù)個(gè)數(shù)分別為50個(gè)、48個(gè)，最后兩次檢測時(shí)未被檢測出的數(shù)據(jù)個(gè)數(shù)分別為40個(gè)、38個(gè)。文獻(xiàn)[4]方法結(jié)束檢測時(shí)同樣有較多未被檢測出來的數(shù)據(jù)。實(shí)驗(yàn)結(jié)果表明本文電網(wǎng)數(shù)據(jù)檢測方法的檢測效率。對數(shù)據(jù)深層次檢測準(zhǔn)確率的測試結(jié)果,如圖2、圖3所示。

表1 智能電網(wǎng)海量數(shù)據(jù)檢測結(jié)果

圖2 本文方法的深層次檢測結(jié)果

圖3 文獻(xiàn)[4]方法的深層次檢測結(jié)果

本文方法的數(shù)據(jù)檢測誤報(bào)率在數(shù)據(jù)量為200 bit時(shí)為20%、400 bit時(shí)為40%、600 bit～1 400 bit保持在20%～40%之間；文獻(xiàn)[4]方法中的的數(shù)據(jù)檢測誤報(bào)率在同樣數(shù)據(jù)量下為60%～90%，對應(yīng)的檢測正確率較低。證明本文方法具有較高的準(zhǔn)確率，能夠有效滿足對電網(wǎng)海量數(shù)據(jù)的深層次檢測需求[9]。

5 總結(jié)

本文對智能電網(wǎng)海量信息數(shù)據(jù)的檢測方法進(jìn)行了研究，通過使用基于調(diào)控云的檢測技術(shù)實(shí)現(xiàn)了對數(shù)據(jù)的深層次檢測功能，在對數(shù)據(jù)的三角函數(shù)進(jìn)行計(jì)算時(shí)結(jié)合運(yùn)用電網(wǎng)信號的角頻率和運(yùn)行時(shí)間完成，在此基礎(chǔ)上實(shí)現(xiàn)電網(wǎng)數(shù)據(jù)中分量系數(shù)的獲取，電網(wǎng)數(shù)據(jù)信號根據(jù)運(yùn)行時(shí)間及其坐標(biāo)系進(jìn)行計(jì)算，最終實(shí)現(xiàn)基于調(diào)控云的數(shù)據(jù)深層次檢測過程。利用檢測次數(shù)、數(shù)據(jù)量和誤報(bào)率測試本文檢測方法的效率及準(zhǔn)確率，對200～1 400 bit數(shù)據(jù)量的實(shí)驗(yàn)檢測結(jié)果表明該方法具備較好的電網(wǎng)海量數(shù)據(jù)檢測功能以及較高的檢測正確率，有利于智能電網(wǎng)調(diào)度控制水平的提升，為觀察、分析電網(wǎng)的階段特性提供依據(jù)。