电网智能调度中的大数据及应用场景研究_闫湖

2014年第12卷第10期ELECTRICPOWERICT7ELECTRICPOWERICT........................................特别推荐中图分类号：TM734　　文献标志码：B　　文章编号：2095-641X(2014)10-0007-06电网智能调度中的大数据及应用场景研究闫湖，狄方春，袁荣昌，李立新（中国电力科学研究院，北京100192）摘要：随着风光储等新能源广泛接入，电网调度运行过程中涉及到海量、多类型、复杂度高的数据，将电网运行数据转化为知识是智能调度发展的必然趋势。为满足大数据全景深度分析的应用需求，文章从数据来源、数据特点、应用趋势等方面对智能调度数据进行了深入分析和总结，结合智能调度的新需求，分析大数据技术在智能调度领域的潜在应用场景，为实现单一数据源无法实现的准确、安全、经济等目标综合最优的智能化分析和决策提供参考。关键词：智能调度；大数据；应用场景；新能源；海量数据；异构数据0　引言智能电网的理念是通过获取更多电能信息，来优化电的生产、传输、调度、分配以及消费[1]。未来智能电网将承载电力流、信息流、业务流，在传输能源的同时实现数据的采集、深度挖掘和分析，最终实现清洁发电、高效输电、动态配电、合理用电的智慧电力的目标[2]。在本质上，智能电网是大数据在电力上的应用。随着坚强智能电网的建设，产生了一大批服务于各个专业的信息采集与管理系统，包括能量管理系统（EnergyManagementSystem，EMS）、广域测量系统（WideAreaMeasurementSystem，WAMS）、配电管理系统（DistributionManagementSystem，DMS）、用电信息采集系统、营销系统、GIS、生产管理系统（ProductionManagementInformationSystem，PMIS）、电网运营管理系统（OperationMan-，PMIS）、电网运营管理系统（OperationMan-PMIS）、电网运营管理系统（OperationMan-）、电网运营管理系统（OperationMan-OperationMan-agementSystem，OMS）、气象预报系统（WeatherForecastSystem，WFS）、电动汽车充换电网络管理系统等，这些系统构成了电力大数据的来源[3]。同时，由于设备采集点增多、采样频率的提高以及“实时变化采样”的要求，电力数据规模、种类快速增长，电力行业已迈入大数据时代。1　电力大数据国内外研究现状在电力行业，大数据研究刚刚起步，国内研究基本上处于概念探索阶段。文献[4–5]调研了智能电网大数据面临的机遇与技术挑战。文献[6–7]描述了大数据对未来电网产业发展的影响。2012年，国网信通公司成立了大数据团队应对智能电网建设中的大数据挑战问题[8]。2013年，中国电机工程学会电力信息化专委会编制并发布《中国电力大数据发展白皮书（2013）》[9]，这是中国首次就电力行业的大数据问题发布白皮书。2013年，北京交通大学建立了主动配电网大数据分析与处理创新引智基地，以主动配电网、大数据计算与分析方面若干重大技术为牵引，建立信息支撑平台，实现配电网运行实时动态优化、主设备监测以及保护的智能[10]。2014年，中国电力科学研究院建立大数据联合攻关团队，依托2014年第12卷第10期ELECTRICPOWERICT8........................................ELECTRICPOWERICT特别推荐其拥有的电网数据、专业技术的优势，重点进行电力大数据基础平台建设，从电力大数据中发掘更多价值，进一步推动坚强智能电网的建设[11]。国外研究工作正在开展，西门子、阿尔斯通、ABB、GE和IBM等国际性大公司都将电力大数据应用作为重点突破对象进行研究，在美国加州硅谷已经建立了多家初创公司进行技术研发[12-14]。其中ALSTOM公司提出的大数据分析处理平台将实时数据、电表数据、财务数据等数据转化为信息，为电网运行、电网规划、用户服务和公司运行提供富有价值的支撑。美国C3公司历时5年、投入13亿美元开发的实时大数据分析系统，每小时可以处理50亿条数据记录，每台电表平均可以产生300美元的经济效益。开发的系统已在美国的巴尔的摩电力公司、太平洋煤气电力公司等投入应用，取得了很好的效果。GE等应用开发厂家已经利用其所开发的大数据平台，进行二次开发[15]。斯坦福大学结合太平洋煤气电力公司的数据，在利用智能电表数据分析用户用电行为方面，开展了一些基础性的研究工作。美国能源部正在进行的GridOPTICS（GridOperationandPlanningTechnologyIntegratedCapabilitiesSuite）项目也将数据的分析与处理作为三大研究内容之一。在大数据时代，数据如同自然资源、人力资源一样，是一种重要的战略资源[16-17]。电网调度中心是电网运行数据的中心，这些数据中蕴含着电网运行和安全生产的宝贵信息，对这些大量电网运行信息进行有效的管理和分析，用于智能分析与辅助决策，帮助调度相关人员进行分析和决策，使电网调度由目前的“人工分析型”上升为“自动智能型”，实现目前单一专业所无法实现的基于安全、经济、优质、环保等多目标综合最优的智能化分析和决策，有效提高调度运行人员驾驭电网的能力，保障系统安全，大大提高调度智能化水平。鉴于智能调度面临一个新的时代，本文对电网调度领域中的大数据特点及应用场景展开研究与分析，希望对大数据技术在智能调度建设中的应用提供有益的参考。2　智能调度大数据特征分析2.1　数据来源随着智能电网的建设，调度环节的数据在传统电网基础上，数据来源、种类、规模等都有了极大的扩充和丰富。电网调度中心的数据主要包括以下几类。1）基础数据。描述电力设备固有属性的数据及相关参数、定值，包括一次设备、二次设备、自动化设备、通信设备等。这类数据在电力系统运行过程中基本不变或缓慢变化。主要有电网模型、设备台账类数据等，存储在各调控中心不同系统中，电网模型存储在EMS数据库中，设备台账类数据存储在OMS的设备数据库中。近年来随着电网模型“横向集成、纵向贯通”的要求，电网模型的规模开始指数级增长。2）电网实时量测类数据。智能电网量测系统是智能电网实现的基础，实现电力数据的采集功能，现有的量测系统包括数据收集与监控系统SCADA、WAMS和高级测量体系（AdvancedMeteringInfrastructure，AMI）3类[18]。其中SCADA系统和WAMS系统完成对电力运行状态数据的采集，而AMI完成对个人用户数据的采集。WAMS和AMI最近几年随着智能电网的发展开始广泛部署使用。WAMS系统采集周期为毫秒级，相比SCADA分、秒级采样周期，WAMS可以准确实时反映电网运行动态信息，带来的数据量增长也是成百上千级。AMI面向的是庞大的用户群体，收集了粒度更细的海量用户用电信息，通过这类数据可以对电网中的某些开关元件状态进行优化，也可以预测风电以及对光伏负荷曲线短时间的预测，对电网一体化运行控制具有重要的指导意义。上述数据构成了电网数据的基础，数据量最大，随着时间的推移，累积成海量历史数据，占整个智能调度环节数据的90%~95%。3）电网准实时应用类数据。该类数据由调度自动化系统生成或人工输入的数据组成，包括预测计划类数据、报表数据和监控预警类数据。预测计划类数据主要有负荷预测、发电计划、检修计划、水电计划、机组组合等，周期为小时、天、月、年。监控与预警类数据是在异常或故障情况下产生的，包括大量告警信息，如各种保护信号、跳闸、SOE、过载等不断涌入调度中心的信息，以及不断的语音告警和事故推画面等，数据量呈爆发式地增长，另外，随着无人值守变电站的推广，还有大量视频监视与语音数据。此类数据随着智能调度应用的丰富，数据来源、2014年第12卷第10期ELECTRICPOWERICT9ELECTRICPOWERICT........................................特别推荐数据量、种类变化最大。4）环境数据。包括气候气象、地理地貌、国民经济、人口风俗、用地类型等方面的数据信息。此类数据之前使用较少，随着市场经济的发展，电力系统的经济效益越来越突出，该类数据与电网运行数据联合分析的应用会越来越多，对电力规划有重要的决策参考意义。2.2　数据特点1）数据量大，实时性强，采集周期短，有毫秒、秒、分钟级。SCADA采集了大量的电压、电流、开关状态等电网稳态数据。常规SCADA系统10000个遥测点，按采样间隔3~4s计算，每年产生1.03TB数据（1.03TB=12字节/帧×0.3帧/s×10000遥测点×86400s/天×365天），目前三华的数据量每日65.3万条，7.58GB；WAMS10000个遥测点，采样率100次/s，按上述公式计算，每年产生495TB的数据。2）数据类型以结构化数据为主，融合部分非结构化数据。实时量测数据、预测计划类数据、基础数据主要是结构化数据，占调度自动化数据的90%以上，一些历史断面数据、日志等以文本形式存储，另外还有告警和监视的语音与视频多媒体数据。3）生产数据分散于各调度中心。调度工作99%在当地进行，电网调度数据来源于生产系统，数据分布在各调度中心，同时闭环控制要求数据传输距离短。4）安全控制等级高（四级安全防护）。调度是电力系统的中枢，对安全要求极高，需要满足四级安全防护体系，因此，电网调度数据安全级别也非常高，获取比较困难。由此可见，智能调度数据除了满足大数据的数据量大、类型多、速度快、价值高特点外，还有一些自身独有的特点。2.3　应用特点监视控制是电网调度自动化的基本功能，因此电网调度应用仍以实时应用为主、监控为核心，但未来智能化是趋势，综合智能告警、网络分析、负荷预测等研究会更加深入[19]。同时对电网未来状态预测的重要程度提升，包括操作票安全校核、安全约束机组组合（SecurityConstrainedUnitCommitment，SCUC）、安全约束经济调度（SecurityConstrainedEconomicDispatch，SCED）、供电风险预判。此外，经济性逐渐被更多考虑，由保安全为主向安全、经济并重。3　智能调度大数据应用场景分析随着大规模风能、太阳能等新能源接入和电动汽车等大规模推广使用，以及储能、超导等先进电力技术的突破，中国未来电网的发电、输电、调度、配电、用电形态和运营模式都将发生重大变化[20]。未来智能电网的大体发展趋势是[21]：大规模集中式电源与大数量分布式电源相结合；大型骨干输电网与地方输配电网、微网相结合；清洁能源装机容量占比不断增长（据预测2050年将在50%以上），这些将对电网调度与控制产生重大影响。未来电力能量和信息将出现多元化、多向流动，使得智能调度业务支撑要求发生重大变化。大数据技术在智能调度领域的应用可极大提高电网调度的安全性、经济性。3.1　智能调度大数据应用架构随着智能电网建设的广泛开展，调度相关系统越来越多，积累的数据也越来越多，使得原有的各大系统关联性越来越强。需要将各类电网内外部及电网实时与业务准实时类大数据进行集成，在智能调度新需求下，形成了新的应用场景。智能调度大数据应用架构如图1所示。ளःၸڣ௿ࡎႂᎩᒬᢵὙԟஜڙጲᣱខႂᎩ߶КবὙᄢଌ᝹ܫКၶ֐ֆయክူ὚ጞᐎयϢႂഴयႂᎩፂ฿বὙ۪͕ࣸӐុऎ὚᠆ᕲᮔ฽ளႂᎩᭉයࡎႂᎩþശՓᬶ੆ὋጪՓ᠕᤯ÿʶͳӐࠃௐবᰳጆፑ̓̈ஜ૵ᚷՋᒬҮӐఄᑞӐ௃̠Ӑᓫᑞፂ฿ͯᇎဖγ᜺Ѳ͕Ӑܷஜ૵ᬶ੆ࡎႂᎩЮᦉ۲ᆨஜ૵ႂᎩࠃௐ᧙฽ஜ૵ႂᎩክူэࠃௐˉҫஜ૵ႂᎩܰᦉဖܑஜ૵คζোጆፑࡎ۲ᆨࣰԻὙႂᎩុଌᒬҮӐጆፑߔጆፑὙ4$%8.4.*ߔःၸὙᄢଌն᝜ុऎ᝟Ѳុऎክူܰᦉጆፑ(*4ච៵ᮔ฽ፂ฿ஊን图1智能调度大数据应用架构Fig.1Applicationarchitectureofbigdataingridintelligen