基于综合能源信息融合的大数据挖据分析与应用

邱桂华，吴树鸿，何　炎（广东电网有限责任公司佛山供电局，广东　佛山　528000）



基于综合能源信息融合的大数据挖据分析与应用

邱桂华，吴树鸿，何炎（广东电网有限责任公司佛山供电局，广东佛山528000）

本文对新能源发电大数据中心平台搭建架构、大数据中心与门户的集成和分析应用的集成进行了阐述。在此设计基础上和基于应用层面需求，对大数据中心平台的典型数据--预测和典型实测数据进行了数据入库、数据挖掘和数据分析，建立了新能源大数据挖掘分析的典型应用案例。

综合能源信息；大数据中心；数据入库；数据挖掘；数据分析

1　引言

本文基于已建设的信息数据大数据中心平台，建立大数据库，在大数据库基础上针对关键实测数据和预测数据，基于实际应用进行数据分析和数据挖掘，为发电公司、制造厂商的运营维护、设备检修提供多种大数据服务和便利，提高了电力系统发电运维水平，提高发电设备质量、产品性能，提升发电行业服务质量，提高整体市场竞争力，为提高设备制造水平及巩固和开拓新市场有着重要的意义。

2　平台架构

大数据中心技术架构体现为后台数据集成、存储和展现技术架构，分为数据获取层、存储组织层、数据分析层、展现层。其中涉及数据采集技术、数据存储技术、数据分析技术、数据备份与数据安全等多种关键技术。结构图见图1所示。

3　实测数据挖掘

3.1实测数据入库

入库的数据来源包括：①实际数据来源是由风场或者光伏电站实测数据定时回传到云平台ftp服务器；②数据来源由现场实施人员收资来的数据。

其中实测数据有，如新能源光伏电站同一断面同一时刻的光伏组件、逆变器发电数据、气象数据进行定时（如按分钟存储）存储，存储数据包括辐照度、环境温度、组件温度、风速、风向、I、U、P发电功率、发电效率、发电功率差值等。

3.2数据应用挖掘

图1　大数据中心技术架构

利用光伏组串实测数据进行分析挖掘，为光伏组串的运营维护提供实际指导，包括损坏告警、浮尘清扫预警等。

发电功率差值计算公式：

式中：P分析串：待分析串的输出功率值；P参照串：参照串的发电输出功率值。

参照串选择：与待分析串为同厂家、同型号、同一屋顶、安装位置稍远、投入发电运行的光伏组串。在未遮挡情况下：条件相似；遮挡情况下：与自己相比。采用优选串作为参照量，也可人工指定，手动选。参照串选多个，如挑5串，拿出前3名，做平均值。这5串调选可人为指定，可配置。

分析判据：

式中：Pset1：为整定值，用户可设置，默认值为PN×10%数据时间窗为1d内发电功率有输出的时间段内的点，如早8点～晚8点时间段。

发电离散报警判据：

式中：时间点数Nset1设置为3点，则离散点报警。发电异常报警判据：

式中：时间点数Nset1设置为60点/h×0.5h=30点，则发电异常报警。

运维报警判据：

损坏判据：第一天出现发电异常，第二天再出现发电异常事件，且功率＜Pnet2=Pn×10%，判该串损坏。

遮挡判据：第一天出现未发电异常，第二天出现发电异常，第三天未异常，判该串遮挡。

浮尘报警分析判据：

式中：Pset4为整定值，用户可整定，默认值为PN×5～8%。浮尘报警。

表1　特征列表

通过分析判据及特征列表呈现规律，可实现对光伏组串的遮挡、浮尘、损坏等不同运行工况进行预警或告警，并通知运行维护人员对相应工况进行处理。

4　预测数据挖掘

4.1预测数据入库

（1）气象源抓取数据（三种气象源）：抓取数据源到本地服务器，进行下载、转换、预测、发送（文件上传到60服务器）、生成当日电厂所需的气象文件和功率文件。

（2）标准文件入库（Hbase）：定时将文件下载到本地服务器后，进行文件解析，输出，最后存入到Hbase库中。

（3）抽取Hbase数据到oracle更新最新数据：设置调度当日定时抽取出次日的气象源数据（1d=96个节点，每15min一个节点。），把最新数据筛选抽取后录入到Oracle数据库指定表中，可供智能预测平台修模数据使用。

4.2智能算法应用

4.2.1设计智能修正模型

（1）启动程序：写入开始状态，更新JAB_STATE；

（2）数据查询：模型配置、实际功率、天气预报、场站运行，Data_Select；写入数据状态，更新JAB_STATE；

（3）综合表汇总及分析：ZHB_Analysis写入数据分析状态，Update_Status更新状态；

（4）样本筛选：Samples_Select写入样本分析状态，更新JAB_STATE。

4.2.2Java调用Matlab总体流程

预测数据应用展示用Java页面来展示，智能算法用Matlab实现，在智能算法应用时，Java须调用Matlab算法，Java调用Matlab总体流程见图2所示。

4.2.3预测告警应用

（1）采用智能预测自适应的预测模型包进行预测，解决了传统模式无法满足使用需求问题，采用web程序与预测程序分离方式，将预测程序打成一个可运行的jar包，使用批处理脚本执行。

图2　调用流程图

（2）短信告警：即短信发送告警短信通知触发器，每隔1min定时执行一次，持续时间为1d。

（3）邮件告警：邮件发送--丹麦：每天17：30执行，每隔12h执行一次，用来检查当日气象源文件未上传到外商 （丹麦）提供的ftp文件服务器，有异常后便发送异常确实的数据邮件。

5　结论

通过本文设计的新能源发电大数据中心平台架构，实现了新能源大数据信息平台管理，提升了信息通信平台的能力，对信息资源实现共享利用、动态调度，并基于此大数据平台，提供基于业务的大数据挖掘分析服务，提高设备利用率，降低设备的管理和运营成本，为确保新能源发电系统安全稳定可靠运行提供有效高质服务。

［1］王 璨，冯勤超．基于价值评价的电力用户分类研究［J］.价值工程，2009（5）：64～66．

［2］王 轶，达新宇．分布式并行数据挖掘计算框架及其算法研究［J］.微电子学与计算机，2006，23（9）：223～225．

［3］沐连顺，崔立忠，安 宁．电力系统云计算中心的研究与实践［J］.电网技术，2011，35（6）：171～175．

吴树鸿（1977），男，广东揭西人，工程师，工学学士，主要从事配电网运行工作。

何 炎（1986），女，广西玉林人，工程师，硕士，主要从事配电网运行工作。

邱桂华（1987），男，江西赣州人，工程师，硕士，主要从事配电网运行工作。

TP311.1

A

2095-2066（2016）11-0240-02

本论文由南方电网有限责任公司“区域配电网综合能源服务管控技术研究与应用”项目（GDKJ00000042）资助。

2016-3-8