鄭曉露,張珂珩,陳 鵬,王玉軍

(國網(wǎng)電力科學研究院有限公司,南京 211106)

目前PMU/WAMS 系統(tǒng)已經(jīng)在我國電力系統(tǒng)的實時監(jiān)測、振蕩告警、擾動和事故分析等方面發(fā)揮日益重要和顯著的作用[1],通過對廣域分布的電力系統(tǒng)的電氣量,尤其是相量進行實時測量,為解決大型電力系統(tǒng)的安全分析和穩(wěn)定控制等問題提供了重要支撐[2,3]. 目前典型的PMU 數(shù)據(jù)存儲技術(shù)路線是采用時間序列數(shù)據(jù)庫[4],通過統(tǒng)一支撐平臺的集成,實現(xiàn)PMU 采集數(shù)據(jù)的存儲入庫以及WAMS 系統(tǒng)的應用[5].

目前電網(wǎng)調(diào)控數(shù)據(jù)由于數(shù)據(jù)源系統(tǒng)較多,各系統(tǒng)數(shù)據(jù)存在缺乏統(tǒng)一規(guī)范標準、數(shù)據(jù)分散、關(guān)聯(lián)程度低等問題,系統(tǒng)間交互能力有限,數(shù)據(jù)共享困難[6]. 云計算技術(shù)由于在擴展性、可靠性方面的優(yōu)勢,成為電網(wǎng)調(diào)控數(shù)據(jù)共享的主要研究方向. 國家電網(wǎng)公司通過建設(shè)調(diào)控云,將云計算的特征和電網(wǎng)調(diào)度業(yè)務的實際需求相結(jié)合,運用虛擬化平臺、多層次存儲體系、智能化運維等技術(shù),提供基礎(chǔ)設(shè)施服務、運行環(huán)境支撐、模型數(shù)據(jù)服務等,提升了調(diào)控系統(tǒng)應用平臺的支撐能力以及電網(wǎng)運行的智能化水平和全局監(jiān)控能力[6,7],滿足各級調(diào)控中心數(shù)據(jù)共享的需求. 南方電網(wǎng)公司也與阿里云簽署合作備忘錄,合作建設(shè)南網(wǎng)調(diào)度云平臺,整合全網(wǎng)的運行基礎(chǔ)數(shù)據(jù),實現(xiàn)了各級調(diào)度資源和數(shù)據(jù)的共享. 為實現(xiàn)云端數(shù)據(jù)共享,文獻[7]提出了主導節(jié)點、協(xié)同節(jié)點的概念,按照源端產(chǎn)生、全局共享方式進行數(shù)據(jù)流的規(guī)劃. 對于全局統(tǒng)一的元數(shù)據(jù)、字典數(shù)據(jù),全部由主導節(jié)點產(chǎn)生,各協(xié)同節(jié)點和業(yè)務系統(tǒng)只可以使用. 對于運行數(shù)據(jù),全部由業(yè)務系統(tǒng)產(chǎn)生,匯集到協(xié)同節(jié)點和主導節(jié)點. 針對調(diào)控云端和調(diào)控系統(tǒng)的云邊協(xié)同,文獻[8]提出了一種基于邊緣計算的云邊協(xié)同控制方式,通過關(guān)聯(lián)矩陣建立云邊協(xié)同的電力物聯(lián)網(wǎng)計算模型. 文獻[9]從邊緣計算的角度研究了適用于電力系統(tǒng)的應用范式和服務框架,并提出了邊緣計算在廣域發(fā)電控制、站域保護控制與符合建模評估三大場景的技術(shù)分析和應用方案. 文獻[10]提出了層次化的云邊協(xié)同模式,低層支持數(shù)據(jù)的臨時存儲,高層支持數(shù)據(jù)半永久存儲. 由于PMU 數(shù)據(jù)采集密度高、數(shù)據(jù)量大[6],一直未有一套完整的云邊協(xié)同方法,支撐PMU 數(shù)據(jù)的云端共享.

云邊協(xié)同一般包括資源協(xié)同、應用協(xié)同、數(shù)據(jù)協(xié)同、智能協(xié)同等多種協(xié)同[11]. 本文闡述的PMU 數(shù)據(jù)云邊協(xié)同方法,主要從數(shù)據(jù)協(xié)同角度介紹了從調(diào)控系統(tǒng)內(nèi)部PMU 數(shù)據(jù)的采集存儲,到云端PMU 數(shù)據(jù)的匯集和共享的整體技術(shù)路線. 針對PMU 數(shù)據(jù)采集密度高、數(shù)據(jù)量大的問題,采用了多通道收發(fā)、自動補錄等方法,保證了云端PMU 數(shù)據(jù)的匯集的實時性和可靠性.針對PMU 數(shù)據(jù)的訪問,提出了云端PMU 數(shù)據(jù)的關(guān)聯(lián)存儲模型和訪問服務,便于上層應用獲取PMU 數(shù)據(jù).

1 數(shù)據(jù)協(xié)同模型

目前WAMS 系統(tǒng)一般通過部署在生產(chǎn)控制大區(qū)(Ⅰ區(qū))調(diào)控系統(tǒng)支撐平臺的消息總線接收前置發(fā)送的實時PMU 數(shù)據(jù),存儲在時序數(shù)據(jù)庫中. 根據(jù)數(shù)據(jù)使用場景將PMU 數(shù)據(jù)分為3 類,實時數(shù)據(jù)、歷史數(shù)據(jù)、案例數(shù)據(jù). 實時數(shù)據(jù)表示PMU 當前時刻的最新數(shù)據(jù),歷史數(shù)據(jù)表示一段時間累計的數(shù)據(jù),案例數(shù)據(jù)表示發(fā)生電網(wǎng)擾動等事件前后幾分鐘的數(shù)據(jù). 根據(jù)調(diào)控云平臺國(分)主導節(jié)點+省(地)協(xié)同節(jié)點的二級部署體系[12,13],基于某一個省(地)云環(huán)境下,整體數(shù)據(jù)協(xié)同模型如圖1所示,主要包括數(shù)據(jù)跨區(qū)同步、數(shù)據(jù)匯集、數(shù)據(jù)存儲和共享3 部分.

數(shù)據(jù)跨區(qū)同步是指將PMU 時序數(shù)據(jù)從調(diào)控系統(tǒng)Ⅰ區(qū),同步到Ⅲ區(qū),主要包括實時數(shù)據(jù)的同步、異?；謴蛿?shù)據(jù)補錄、重要事件案例數(shù)據(jù)同步.

數(shù)據(jù)匯集是指多個調(diào)控系統(tǒng)將各自的PMU 時序數(shù)據(jù)按照云端的要求發(fā)送到云端,云端統(tǒng)一接收.

數(shù)據(jù)存儲和共享是指云端進行PMU 時序數(shù)據(jù)統(tǒng)一存儲,并提供基于模型的數(shù)據(jù)訪問服務.

2 技術(shù)原理

2.1 跨區(qū)數(shù)據(jù)同步

由于PMU 采集頻率一般為25–100 fps,按照10000 個測點量計算,存儲一個月的數(shù)據(jù)需要近4 TB的存儲空間[6],所以時序數(shù)據(jù)庫存儲PMU 數(shù)據(jù)時采用循環(huán)刪除的機制,一般只循環(huán)保存1–3 個月的歷史數(shù)據(jù). 針對PMU 數(shù)據(jù)采集頻率高、數(shù)據(jù)循環(huán)刪除的特性,跨區(qū)數(shù)據(jù)同步采用數(shù)據(jù)報文傳輸形式進行,需要實現(xiàn)以下3 個數(shù)據(jù)流.

(1)實時數(shù)據(jù)同步: 如圖1 的②–⑤,從Ⅰ區(qū)消息總線接收PMU 消息報文,格式轉(zhuǎn)化后發(fā)送到Ⅲ區(qū). 實時數(shù)據(jù)同步通道于現(xiàn)有時序數(shù)據(jù)庫寫入通道獨立,避免影響現(xiàn)有時序數(shù)據(jù)庫的正常寫入,且通過消息總線保證實時同步的數(shù)據(jù)和時序數(shù)據(jù)庫中的數(shù)據(jù)一致性.

(2)歷史數(shù)據(jù)補錄: 如圖1 的③–⑥、?–?,云端發(fā)送數(shù)據(jù)歷史數(shù)據(jù)補錄的協(xié)同命令,從Ⅰ區(qū)時序數(shù)據(jù)庫獲取歷史數(shù)據(jù),格式轉(zhuǎn)化后發(fā)送到Ⅲ區(qū). 歷史數(shù)據(jù)補錄主要應對的場景Ⅰ區(qū)和Ⅲ區(qū)之間的網(wǎng)絡通道故障等異常導致數(shù)據(jù)不能實時同步,在故障恢復之后進行自動的歷史數(shù)據(jù)補錄.

(3)案例數(shù)據(jù)同步: 如圖1 的④–⑦、?–?,云端發(fā)送數(shù)據(jù)案例數(shù)據(jù)同步的協(xié)同命令,從Ⅰ區(qū)時序數(shù)據(jù)庫獲取電網(wǎng)重要事件前后5 分鐘的歷史數(shù)據(jù),格式轉(zhuǎn)化后發(fā)送到Ⅲ區(qū).

圖1 PMU 數(shù)據(jù)協(xié)同模型

數(shù)據(jù)同步的數(shù)據(jù)報文格式如圖2 所示: 主要包括設(shè)備ID、量測類型、數(shù)據(jù)類型、數(shù)據(jù)時間、值、質(zhì)量碼6 部分. 設(shè)備ID 和量測類型用于唯一確定一個PMU 設(shè)備的特定監(jiān)測指標,數(shù)據(jù)類型用于表示是實時數(shù)據(jù)、歷史數(shù)據(jù)還是案例數(shù)據(jù). 因PMU 采集的數(shù)據(jù)是等周期的,所以使用一個秒級時間精確指示該報文中的數(shù)據(jù)采集時間,值和質(zhì)量碼分別通過連續(xù)的50/100個數(shù)表示該秒采集的50/100 幀數(shù)據(jù)值和質(zhì)量碼.

圖2 同步數(shù)據(jù)格式設(shè)計

2.2 數(shù)據(jù)匯集

Ⅰ區(qū)數(shù)據(jù)同步模塊通過隔離網(wǎng)閘將PMU 數(shù)據(jù)發(fā)往Ⅲ區(qū)之后,由Ⅲ區(qū)數(shù)據(jù)轉(zhuǎn)發(fā)模塊轉(zhuǎn)發(fā)至云端. 目前主要的數(shù)據(jù)轉(zhuǎn)發(fā)手段有: 基于E 文件和ftp 傳輸[14]、基于數(shù)據(jù)同步組件[15]、基于消息組件[16]等. 基于E 文件和ftp 傳輸適合非數(shù)據(jù)庫之間直接的轉(zhuǎn)發(fā),基于同步工具的轉(zhuǎn)發(fā)適合關(guān)系型數(shù)據(jù)庫之間的數(shù)據(jù)同步復制,基于消息組件的轉(zhuǎn)發(fā)適合對數(shù)據(jù)實時性要求比較高的場景.PMU 數(shù)據(jù)協(xié)同采用消息隊列進行數(shù)據(jù)匯集,并在數(shù)據(jù)壓縮和并行匯集方面進行優(yōu)化提升.

2.2.1 面向PMU 時序數(shù)據(jù)的擬合壓縮技術(shù)

通過將PMU 時序數(shù)據(jù)壓縮,可有效減少網(wǎng)絡傳輸?shù)臄?shù)據(jù)量,提升數(shù)據(jù)匯集的效率. 常用的壓縮方式有無損壓縮和有損壓縮,文獻[17]提出的混合熵編碼并行壓縮算法和文獻[18]提出的有損壓縮比的動態(tài)控制方法,分別在無損壓縮和有損壓縮進行了優(yōu)化研究. 本文針對PMU 數(shù)據(jù)量大、匯集實時性要求高,且注重數(shù)據(jù)趨勢的特性,擬采用一種分段擬合方式的進行有損壓縮,既有較高的壓縮率,也便于實時數(shù)據(jù)同步發(fā)送.

分段擬合算法的關(guān)鍵思路是: (1)每秒內(nèi)的最大和最小值預先保留,確保數(shù)據(jù)曲線的波峰和波谷不丟失,減少壓縮對數(shù)據(jù)趨勢的影響; (2)通過擬合算法,將符合擬合標準的數(shù)據(jù)去除,只保留超過擬合偏差的數(shù)據(jù),減少需要存儲的數(shù)據(jù)量,達到壓縮的目的.

設(shè)置當前已有N個測點Tall秒的數(shù)據(jù),分段的時間跨度為S秒,將原歷史數(shù)據(jù)按時間跨度拆分成M段,M=Tall/S,各時間段組成集合T={T1,T2,…,TM}; 設(shè)置擬合壓縮的誤差為delta. 算法針對N個測點的M個時間段分別進行壓縮處理,然后進行結(jié)果合并. 每個時間段的處理流程如下.

(1)針對每個Ti∈T,獲取Ti時間段內(nèi)的所有數(shù)據(jù)V={V1,V2,…,Vcount},計算這段時間的最大和最小值Vimax和Vimin;

(2)設(shè)置壓縮的中間節(jié)點為node1 和node2,將集合V拆成3 段,[V1,Vnode1),[Vnode1,Vnode2),[Vnode2,Vcount];

(3)比較Vimax和Vimin的時間Timax和Timin,如果Timax

(4)進行[V1,Vnode1)段的擬合壓縮,設(shè)置起始Vstart=V1,結(jié)束Vend=Vnode1;

(5)計算從start 至end 的每個值的擬合偏差Di:

(6)比較Di和delta 大小,如果Di

(7)重復執(zhí)行步驟(3)–步驟(4),從start 執(zhí)行到end,保留的數(shù)據(jù)集合為Vresult;

(8)進行[Vnode1,Vnode2)段的擬合壓縮,設(shè)置起始Vstart=Vnode1,結(jié)束Vend=Vnode2,執(zhí)行步驟(5)–步驟(7);

(9)進行[Vnode2,Vcount]段的擬合壓縮,設(shè)置起始Vstart=Vnode2,結(jié)束Vend=Vcount,執(zhí)行步驟(5)–步驟(7);

(10)合并步驟(4)、步驟(8)和步驟(9)3 個步驟的結(jié)果數(shù)據(jù)集合Vresult,Vresult即為最終壓縮后的結(jié)果.

算法示意圖如圖3 所示,圖中V2、V4、V5、V6符合擬合壓縮條件,被壓縮,V8不滿足擬合壓縮條件,被保留.

圖3 擬合壓縮算法示意圖

2.2.2 面向量測類型的消息并行處理技術(shù)

PMU 接入的數(shù)據(jù)類型主要有相量(電壓、電流、內(nèi)電勢相量、內(nèi)電勢功角、母線電壓相量等)、模擬量(勵磁電壓、勵磁電流、頻率偏移量、頻率變化率、機組轉(zhuǎn)速量、機組AGC 模擬量、機組AGC 升脈沖增量、機組ACGC 降脈沖增量等)、開關(guān)量(機組開關(guān)、機組AGC 投入等)3 種[19]. 為提升消息轉(zhuǎn)發(fā)的并行性和效率,通過數(shù)據(jù)類型將消息隊列的消息設(shè)置成不同的消息主題. 如圖4 所示,云端部署消息隊列組件和多個接收程序,Ⅲ區(qū)的數(shù)據(jù)轉(zhuǎn)發(fā)模塊將PMU 數(shù)據(jù)按照電流、電壓、頻率等分為不同的主題發(fā)到消息隊列中,不同的接收程序解析不同主題的消息后,寫入云端時序數(shù)據(jù)庫.

圖4 數(shù)據(jù)匯集方法

數(shù)據(jù)轉(zhuǎn)發(fā)模塊,采用定時任務觸發(fā)方式. 使用算法1所示算法,通過時間輪算法將任務平均分配到多個時間點,并通過一致性Hash 算法將任務發(fā)布到指定的節(jié)點上執(zhí)行. 該算法能夠避免所有任務同時觸發(fā)造成消息擁塞,也能保證任務的可靠執(zhí)行. 主要算法如圖5所示.

圖5 數(shù)據(jù)匯集任務調(diào)度算法

算法1. 基于時間輪和一致性Hash 的任務發(fā)布算法/* 初始化每個任務的位置,和觸發(fā)時間 *//* VT 為所有任務的集合,每個周期的任務鏈為chain */for each tast∈VT do cacluate task.position = e.Time % 12 cacluate task.round = e.Time / 12 set chain[posion] = chain[posion] + task end/* 任務觸發(fā)和發(fā)布執(zhí)行 */while(true)do get current position pos for each task tast∈chain[pos] do if task.round = 0 then cacluate task.hash and IP position IPN.hash < task.hash < IPN+1.hash dispath tast to node on IPN+1 end end end if pos = 12 then for each tast tast∈VT do set task.round = task.round–1 end end end

2.3 云端數(shù)據(jù)存儲

電力調(diào)度通用數(shù)據(jù)對象結(jié)構(gòu)化設(shè)計規(guī)范[20]中對電網(wǎng)運行數(shù)據(jù)的存儲結(jié)構(gòu)定義中,量測類數(shù)據(jù)主要存儲的信息有時間、對象ID、量測類型、數(shù)據(jù)源標識等.PMU 數(shù)據(jù)在云端的存儲參考該規(guī)范定義,結(jié)合PMU數(shù)據(jù)量大、無事務要求的特性,采用具備高可擴展能力和良好的容錯能力[21]的Key-Value 型數(shù)據(jù)庫進行存儲. 根據(jù)匯集上云的數(shù)據(jù)類型,設(shè)計將數(shù)據(jù)分別保存到歷史數(shù)據(jù)存儲實例或案例數(shù)據(jù)存儲實例,分別用于周期保存一定時間的歷史數(shù)據(jù)以及永久保存案例數(shù)據(jù).歷史數(shù)據(jù)存儲實例或案例數(shù)據(jù)存儲實例存儲結(jié)構(gòu)一致,如表1 所示.

表1 Key-Value 數(shù)據(jù)庫存儲結(jié)構(gòu)示意圖

Key 值為數(shù)據(jù)源標識、量測類型、設(shè)備ID、時間的順序組合,Value 存儲Key 值對應的PMU 監(jiān)測指標在該秒的所有幀的值和質(zhì)量碼,通過“#”分割成一串字符串存儲. 設(shè)計該存儲結(jié)構(gòu)的優(yōu)點如下.

(1)Key 值的高位為數(shù)據(jù)源標識和量測類型,對于云端匯集的各地PMU 數(shù)據(jù)可以充分利用Key-Value數(shù)據(jù)庫分布式存儲的特性,將數(shù)據(jù)分布到各數(shù)據(jù)庫節(jié)點,寫入和查詢并行度高,且數(shù)據(jù)分布范圍大,不容易產(chǎn)生寫入熱點問題.

(2)通過將一個PMU 監(jiān)測指標1 秒鐘所有幀的數(shù)據(jù)和質(zhì)量碼合并成一個字符串,作為一條Value 存儲,減少了數(shù)據(jù)庫讀寫的次數(shù),提升了數(shù)據(jù)寫入和查詢的效率.

為提升數(shù)據(jù)存儲的效率以及可靠性,采用多個存儲執(zhí)行器并行處理的架構(gòu),并采用算法2 所示負載均衡算法,根據(jù)活躍執(zhí)行器的個數(shù)進行動態(tài)的負載均衡.

算法2. 多節(jié)點任務負載均衡算法/* VE 為所有執(zhí)行器executor 的集合,所有寫入的key 的總數(shù)為N */begin set alive_executor_count = 0 set executor _seqence = 0 for each e∈VE do if e is alive then set alive_executor_count + 1 set e.seqence = executor _seqence + 1 else VE = VE–e end calculate avg_key = N/executor _seqence for each e∈VE do if e is last Executor then set e.start = avg_key * e. seqence set e.end = N else set e.start = avg_key * e. seqence set e.end = avg_key * (e. seqence + 1)end end

2.4 云端數(shù)據(jù)共享

為提升數(shù)據(jù)共享的易用性,云端提供兩種數(shù)據(jù)共享模式: 主動數(shù)據(jù)訪問模式和消息訂閱模式,同時通過使用關(guān)系型數(shù)據(jù)庫存儲電網(wǎng)模型,提供基于模型的數(shù)據(jù)訪問服務,如圖6 所示.

圖6 云端數(shù)據(jù)共享方法

存儲層通過Key-Value 型數(shù)據(jù)庫存儲PMU 的歷史數(shù)據(jù)和案例數(shù)據(jù),同時利用關(guān)系型數(shù)據(jù)庫存儲3 類關(guān)系表: 電網(wǎng)模型表、量測信息表、案例信息表. 電網(wǎng)模型表和量測信息表用于提供基于電網(wǎng)模型的數(shù)據(jù)共享. 電網(wǎng)模型表主要包括廠站表、發(fā)電機表、變壓器繞組表等表示電網(wǎng)設(shè)備的表,量測信息表主要結(jié)構(gòu)如表2 所示,存儲時序庫中存儲的測點與所屬廠站、設(shè)備的關(guān)聯(lián)關(guān)系,以及和和云端匯集后統(tǒng)一設(shè)備ID[20]之間的映射關(guān)系. 案例信息表主要表結(jié)構(gòu)如表3 所示,保存WAMS 系統(tǒng)中事件發(fā)生的時間以及相關(guān)的設(shè)備信息.

表2 量測信息表結(jié)構(gòu)

表3 案例信息表結(jié)構(gòu)

訪問層以服務化方式將云端設(shè)備ID、廠站ID 等設(shè)備統(tǒng)一編碼轉(zhuǎn)換為時序庫數(shù)據(jù)存儲ID,進行時序數(shù)據(jù)庫中PMU 數(shù)據(jù)定位與查詢. 數(shù)據(jù)訪問方式如下.

(1)提供數(shù)據(jù)訪問接口,支持基于接口的數(shù)據(jù)訪問,供高級應用調(diào)用.

(2)通過“區(qū)域-廠站-設(shè)備-量測”樹狀結(jié)構(gòu)的展示界面,顯示PMU 數(shù)據(jù).

(3)通過云端內(nèi)部消息隊列,將應用訂閱的PMU數(shù)據(jù)推送至應用.

3 測試驗證

通過本地服務器和阿里云環(huán)境,搭建測試環(huán)境進行PMU 數(shù)據(jù)云邊協(xié)同可行性驗證,模擬PMU 測點1 萬個,采集頻率為50 fps. 物理環(huán)境如圖7 所示.

圖7 驗證環(huán)境物理部署圖

所需使用資源具體如表4 所示.

表4 驗證環(huán)境部署配置

驗證環(huán)境部署步驟如下.

(1)在PMU 數(shù)據(jù)接收服務器上部署PMU 系統(tǒng)數(shù)據(jù)發(fā)送程序,從平臺的消息總線中實時接收PMU 數(shù)據(jù),并發(fā)往Ⅲ區(qū).

(2)Ⅲ區(qū)PMU 轉(zhuǎn)發(fā)服務器上部署轉(zhuǎn)發(fā)上云模塊,調(diào)用消息隊列MQ 的接口通過消息方式推送數(shù)據(jù).

(3)在云平臺中消息接收服務器1 和2 上部署接入程序,將消息中的設(shè)備ID、量測類型、數(shù)據(jù)時標等轉(zhuǎn)為TDSB 數(shù)據(jù)庫的Key 值,并寫入PMU 數(shù)據(jù).

(4)在云平臺MySQL 數(shù)據(jù)庫中建立設(shè)備表、廠站表、量測信息表、案例信息表,錄入WAMS 系統(tǒng)對應的設(shè)備ID 及相關(guān)信息,以及TSDB 對應的Key 值信息.

(5)在云平臺服務器上部署查詢服務和訂閱通知服務,查詢服務將輸入的云端統(tǒng)一設(shè)備ID 等查詢條件,通過查詢MySQL 的映射表轉(zhuǎn)化為TSDB 對應的Key 值,調(diào)用TSDB 查詢接口查詢數(shù)據(jù).

同時,針對云邊協(xié)同中數(shù)據(jù)匯集、存儲等關(guān)鍵場景,進行效率和參數(shù)的測試驗證,主要驗證以下場景.

(1)跨區(qū)數(shù)據(jù)同步效率測試

測試不同大小的文件跨區(qū)同步的效率,測試參數(shù)和測試結(jié)果分別如表5 和圖8 所示.

圖8 跨區(qū)同步測試結(jié)果

表5 跨區(qū)同步測試參數(shù)

通過對比發(fā)現(xiàn),大文件跨區(qū)傳輸效率遠高于小文件的傳輸效率. 大文件傳輸效率約為10 MB/s,滿足1 萬個PMU 測點每秒50 幀的數(shù)據(jù)跨區(qū)同步.

(2)擬合參數(shù)對比測試

測試設(shè)置不同的擬合參數(shù),對壓縮率和擬合結(jié)果的影響. 測試參數(shù)和測試結(jié)果分別如表6 和圖9 所示.

圖9 擬合參數(shù)測試結(jié)果

表6 擬合參數(shù)設(shè)置

對比實驗結(jié)果發(fā)現(xiàn),擬合誤差較少時,能夠較好地擬合原有曲線,壓縮掉的點也少; 壓縮單元跨度不宜設(shè)置過大,否則可能將曲線的波峰和波谷壓縮掉.

(3)時序數(shù)據(jù)庫寫入和查詢能力測試

測試不同并發(fā)場景下時序數(shù)據(jù)庫的寫入和查詢能力. 測試參數(shù)和測試結(jié)果分別如表7 和圖10 所示.

圖10 時序庫寫入和查詢測試結(jié)果

表7 時序庫讀寫測試參數(shù)設(shè)置

數(shù)據(jù)寫入效率: 單連接和多連接分別為20315 和39760 條/秒; 數(shù)據(jù)查詢效率: 單連接和多連接分別為193498 和675858 條/秒. 滿足1 萬個PMU 測點的數(shù)據(jù)存儲和查詢需求.

4 總結(jié)與展望

本文針對PMU 時序數(shù)據(jù)的共享需求,提出一種PMU 時序數(shù)據(jù)的云邊協(xié)同方法,介紹了該方法的數(shù)據(jù)協(xié)同模型、數(shù)據(jù)匯集架構(gòu)與擬合算法、數(shù)據(jù)訪問服務等關(guān)鍵技術(shù),并通過阿里云的實際環(huán)境驗證測試該方法的可行性. 目前該方法還有兩處待改進: (1)數(shù)據(jù)在云端匯集后,對于缺失或者需要重傳的數(shù)據(jù),需要在云端提供歷史數(shù)據(jù)補招功能; (2)云端PMU 數(shù)據(jù)匯集后,針對電網(wǎng)事件對PMU 案例數(shù)據(jù)分析時,缺乏事件發(fā)生時刻對應的模型. 針對這兩個問題,本文下階段的目標是研究歷史補招命令的下發(fā)執(zhí)行,以及歷史模型動態(tài)匹配方法.