基于大数据技术下智能电网系统设计

胡波， 李宏亮

(1.江苏双度电气有限公司， 南京 210005；2.杭州得正电气有限公司， 杭州 310052)

0 引言

目前随着电力市场化的深入展开，在社会电力系统中面临着安全可靠问题、资源环境等问题，现代电网的迅速发展对系统的智能化需求不断提升，快速发展和完善的科学技术及网络信息技术，为电力系统的发展提供了技术支撑，为了更好的满足构建电力系统的高质量和高适应性需求，智能电网的概念应运而生，智能电网涵盖电力运行的主要环节(包括发送、输送、配送、使用和调度)，其中调度环节是智能电网系统中的关键所在，可保证电量合理安全地流通，对智能化的设计需求较高，电站和电力传输路线的信息均需通过调度环节完成采集，再将采集的信息传输至主站完成自动分析和处理，从而实现智能化监视和控制整个电网的过程，在节约能源的基础上提高整个系统的运转稳定性，提升电力系统的自动化程度。

1 大数据与云计算在智能电网系统中的应用优势

1.1 大数据与云计算技术概述

大数据技术为获取、存储、处理分析大数据及结果可视化提供了技术支撑，通过使用大数据技术能够挖掘出电网运行过程中大规模数据中有价值的信息和知识，有助于提高电网的运行效率。而从技术上看大数据与云计算关系极为密切，单台计算机难以满足大数据处理需求，需采用分布式架构，对海量数据需依托包括虚拟化、分布式数据库和云存储等在内的云计算技术完成分布式数据挖掘处理过程，为对电网运行进行快速可靠的只会提供了便利条件。云计算基于网络服务，在计算机高速发展的时代，可使设备的工作环境得以有效加强，基于SOA架构加以延伸后的云计算，数据分析处理能力显著提升，并且数据安全得到进一步的保障，云计算已广泛应用于各个领域，其所提供的虚拟化资源具有动态、易扩展及高弹性等优势[1]。

1.2 应用优势

本文尝试在设计智能电网调度系统时应用大数据技术及云计算平台，使电网资源的利用率得以有效提高，为电力领域带来更大的经济效益。基于云计算平台的智能电网系统的主要优势在于：(1)提高了电力资源的公开透明度，突破时间和空间的限制，具有使用权限的平台用户能够随时随地对平台上的资源进行查询和使用，实现对智能电网中的信息资源进行统一有效管理；(2)通过云计算的人机交互口能够实现资源共享，有效满足电力领域的资源管理需求，为智能电网的运行和管理带来很大的优势；(3)能够实现资源的动态分配及弹性缩放，使用过程更加快捷方便，用户无需掌握大数据技术处理过程的信息，云计算会将智能化的分析处理结果提供给用户，实现资源的动态分配(具有高度弹性)，从而确保数据的有效性，并提高系统的计算能力及调度环节处理效率[2]。

2 基于大数据技术的智能电网调度系统

2.1 系统架构

智能电网能够有效满足对电网系统对调度的高标准要求，让工作更加具体细分，并且在故障发生时，通过各个调度中心间的相互协调，智能电网可自动完成调整，由管理中心统一筹划日常管理、控制及监控工作，具备较高的工作效率，系统架构具体如图1所示。

图1 智能电网调度系统架构

智能电网调度系统简洁易操作，进一步实现自动化及智能化调度过程。

基于大数据架构的智能电网系统，全方位集成了智能电网中的各子项，结合使用物联网及云计算技术、分布式数据管理技术，与其他子项通过统一数据接口的方式，使现有平台存储、计算、分析和管控电力大数据的能力得以显著提升，高效处理调度任务数据信息，能够对用户能耗进行自动分析，有效实现了采集、处理与分析海量用电信息数据过程，提升了电力负荷预测分析能力，通过大数据服务体系的构建，主要实现业务趋势预测功能及挖掘用电行为数据中的有价值消息，在此基础上实现对用电方案的进一步优化能力；并且能够精益化分析处理配电网故障从而提高抢修能力。从而确保智能电网经济运行的实现[3]。

2.2 智能调度中心的功能

智能调度中心的功能主要包括：(1)进一步提高了智能电网的可观测性更强，对用户的使用情况进行实时监测，并在此基础上利用云计算完成用户信息的分析以做出准确估计；(2)扩大了智能电网的可控制资源范围，可有效控制基础发电资源、储能装置、输电装置和变电器等；(3)智能电网会对各种因素进行综合考虑，在确保满足供电需求的基础上，对经济性和环境因素进行充分考虑，降低能耗、减少环境污染，协助管理人员对调度策略做出适时调整，不断提高电网调度及系统控制方法的灵活性；(4)智能电网可实现能量的双向流通，简化了信息交流方式，提高了系统的智能化及开放程度[4]。

3 调度系统云计算平台设计与实现

电网系统依靠网络实现相互间的连接，不断扩大的电网规模程度增加了连接结构的复杂程度，使系统间的相互协调难度加大，结合使用云计算可使大数据技术信息挖掘分析能力得到有效实现，电网系统通过“私有云”的构建，以实际电网级别为依据将其细分为主云和子云，实现在短时间内对现有设备和软件资源的充分利用，在此基础上进行资源的合理分配及整合。本文通过设计针对调度系统的云平台作为各调度中心的数据信息服务总站，使电网自动化设备同分散的信息资源有效对接，以满足电网调度系统运转过程中对计算数量及质量的要求，为总线的合理分析和控制提供支撑，有效提升了智能电网系统的实时性和准确度。

基于云计算平台的智能电网调度系统由海量数据存储系统、数据服务总线(分布式)、动态负载均衡系统(对资源进行调配)以及集成计算引擎四部分构成，逻辑架构如图2所示。

图2 基于云计算平台的智能电网调度系统构架

数据服务总线作为系统的核心起到交换中心的作用(负责远程管理、写日志、对系统配置参数进行修改、系统维护等工作)，采用极大规模的分布式构架使数据服务总线有多种连接方式可供选择，其他子系统的信息通过数据服务总线实现相互交换、信息共享及信息整合的过程，实现对底层物理设备的统一管理，各个端口通过此种信息交流机制可快速准确的实现调用过程，提高了调用效率[5]。

通过统一的管理监控界面的设置，实现对调度系统的运行情况进行实时监测和调整，便于管理员根据实际监控情况及时进行相应调整。此外，各区域的调度中心还增加了备用功能，由附近的节点暂时代替发生故障的某个调度中心完成相应功能。各调度中心相互间资源的获取均需通过总线，从而确保系统的可靠性和稳定性。各平台间可完成多级动态调度，由交换中心负责处理这些信息，进而实现了各种资源和信息的共享，辅助调度员对系统参数进行准确高效的调节。

根据各子平台的运算速度由动态负载均衡系统完成任务的动态分配，根据对各重要节点的负荷情况的实时监测结果实现动态调整过程，平台之间可实现共享，当监测结果表明某个节点无法正常运转时，系统会找出工作量最小的调度中心，并由其代替失效节点完成相应任务，在确保系统稳定运转的同时，简化了系统的使用过程并降低了维护成本，在无需增加新设备的前提下，有效解决了大量数据的存储和管理问题。多种类型的计算资源通过集成计算引擎功能实现集成，计算并整合任务分配过程中的大量数据，在此基础上完成快速分析和处理，使计算速度得以提高。

4 智能电网调度云计算模型及仿真分析

4.1 模型构建

本文在构建智能电网调度云计算模型时，采用改进的遗传算法(PFGA)，通过在各个环节寻求最优解，使模型的寻优能力得以有效提高。编码方式包括直接和间接编码，在智能电网中最需计算的部分为调度环节，而调度资源与调度任务密切相关，为达到编码和解码的目的，需用函数的方式将这种关系表达出来，本文选用间接实数编码方式，用染色体的长度表示子任务的个数，各网络资源上所分配到的不同的子任务对应不同的基因值，其基因的值由子任务对应的编号表示，假设调度任务总数由T表示，分配给第i个任务的子任务数量由Si表示，子任务总数由N表示，则其具体表达式如下：

染色体的解码过程为：以染色体的序列信息为依据进行反推，从而实现各个节点任务情况的获取，假设在电网调度系统中，第w个worker资源由w表示，资源个数由m表示，任务总个数由n表示，i表示子任务，w完成第i个任务的时间由t(w，i)表示，由Tk表示解码后完成第k个任务所需时间，具体表达式如下[6]。

假设总任务数为Q，完成总任务所需时间由T表示，则其具体表达式如下：

4.2 仿真分析

为了验证本文所设计的智能电网系统的可行性和可靠性，将电网调度云计算作为特殊网络环境进行仿真试验分析，本文采用的改进遗传算法(PFGA)同自适应遗传算法(AGA)进行对比分析，具体的初始值设置如表1所示，总任务完成时间如图3所示，总任务平均完成时间如图4所示。

表1 仿真模型基本参数设置

图3 总任务完成时间曲线

仿真结果表明，在完成总任务所需时间上，相比于本文算法DFGA，自适应遗传算法所需时间更短，原因在于AGA进行云计算开始时以总任务所有完成时间为关注重点，导致在运算过程中易屏蔽丢失掉部分优良因素，影响了运算的最终质量。而本文算法在初始运算时即加入自适应度因子，搜索最短路径时兼顾总任务时间及平均时间，导致初始所需时间相对较长，但随着运算的持续，不断增加的进化迭代次数会使AGA逐渐陷入局部最优收敛工况，而本文算法仍会对运算分析过程进行继续优化，使本文算法在后期进化过程中获取的云计算顺序策略更优越，总任务及平均时间较短，从而使搜索分析运算时间及调度任务的综合统计分析时间得以显著降低，提升电网调度海量数据的效率，便于调度员制定高效经济的调度决策方案。

图4 总任务平均完成时间曲线

5 总结

本文主要对基于大数据技术下智能电网系统进行了设计，利用大数据技术依托云计算技术构建云计算平台，可高效计算大量复杂问题，平台中各功能模快相互独立，通过总线完成信息和数据的交换，借助大数据技术能够实现大规模数据的高效处理，而云计算的资源共享功能及强大的计算能力，为智能电网调度系统计算分析调度运行数据信息提供了强大的技术支撑，在确保系统可靠性和精确性的同时，为提高云计算的实时响应性，将改进遗传算法结构(DFGA)引入到云计算中，对平台资源通过实时监测和合理协调实现科学高效的动态分配过程。仿真结果表明引入改进遗传算法结构(DFGA)有效提高了计算效率及总任务完成效率，资源之间可以共享，为保证智能电网经济运行调度的科学高效提供参考。