大数据技术在电力调度工作中的应用

袁浩亮

摘要：伴随着我国科技水平的发展，大数据技术被广泛应用在电力调度工作中。针对大数据在电力调度中的应用研究，结合理论实践，在简要阐述大数据在电力调度中应用价值的基础上，分析了目前大数据在电力调度中应用存在的挑战，并提出具体的应用思路。得出在电力调度中应用大数据提高调度效率和准确性关键的结论，希望对相关单位有一定帮助。

关键词：大数据技术;电力调度;应用

引言

随着互联网技术、计算机技术的飞速发展，大数据技术和理念应运而生，虽然现在仍处于发展阶段，但在许多领域已经创造了巨大的价值，可谓前景无限。电力调度体系和大数据的结合，凭借其强大的数据挖掘和智能判断能力，能为电力调度打造出高效的业务流程，助力自身战略决策，并将逐步改变电力企业发展方式，为全球能源互联网和智能电网的建设提供新的思路。

1数据挖掘技术及其原理

数据安全研究中心网站对数据挖掘的定义是：基于现实或虚拟的数据处理中心，围绕一个特定的研究对象或一个特别的研究目的，对数据进行采集、保存、分析等数据收集与管理。目前，国网电力公司正在实施“SGl86”工程，正在建设并完善以数据采集、数据共享、数据分析为主要功能的智能型综合业务系统。

服务架构是海量实时数据中心对外提供的各种服务功能的集合，具体而言，包括数据接入服务、数据采访和基础工具服务。利用海量数据，可以访问电力系统各业务流程的历史记录，提供各流程业务的标准、统一访问方法，并为跨专业、跨部门的分析及辅助决策提供必要的支撑。海量实时数据中心提供标准的业务应用数据接入方法，主要包括以下几种。

（1）实时/历史数据通用应用程序访问接口（UAPI）。利用应用程序访问接口将数据写入中心服务平台，以实现实时/历史数据接入。业务应用可以直接使用UAPI直接向实时数据中心写入数据，从而完成实时历史数据的接入。该接入方法可以适用于同在管理信息大区的业务应用接入，生产控制大区的应用由于单向隔离网闸而无法应用。

（2）E格式语言文件。E格式语言文件是国网公司制定的一種通用的实时数据传输标准，实现文本文件在单向隔离网闸的穿越传输，在调度与信息的数据交换领域得到了广泛的应用。该接入方法能够适用于所有业务应用的接入，由业务应用依据需求持续形成E格式文件并输送至实时数据中心的接入服务器，接入服务器负责解析E格式文件并调用UAPI将数据写入实时数据中心。

（3）实时数据接入通用规约。该通用规约基于TC/IP，通过网络通信报文的形式将业务应用的数据传输到实时数据中心的接入服务器，接入服务器负责解析该通用规约并调用UAPI将数据写入实时数据中心。考虑到单向隔离网间的特点，该通用规约在设计时不考虑应答报文，其目的是通过通信规约的形式。

（4）其他标准的规约和接口。对于电力行业及相关行业内比较成熟通用的标准规约和接口，实时数据中心都应提供支持。

2大数据在电力调度中应用存在的挑战

大数据在电力调度中的应用大体上可以分为三个阶段，第一阶段，理论知识的研究阶段，对电力调度大数据相关知识和体系进行深入研究，明确其可行性;第二阶段，关键技术研究阶段，通过数据挖掘技术等对大数据在电力调度中应用的相关数据进行收集和处理，为后期的应用奠定基础;第三阶段，应用研究阶段，重点对各技术领域的详细需求分析、场景设计、分析模型和专业方法研究。

2013年，我国电力科学研究院所开始对大数据在电力调查中的应用进行研究，同时也提出了大数据在电力调度中应用时存在的挑战。主要包括：基础数据获取难度大、多领域数据融合比较困难、专业数据解析准确度有待提高等。与电力调度内部数据获取相比，外部相关数据获取的难度更大。而作为全球工业大国，德国很早就实现了大数据在电力调度中的应用，但上述三类难题一直没有得到有效解决。主要原因是大数据是一项综合性非常强的技术，其在电力调度中应用时，无论系统构建还是应用开发，都需要多领域、多学科的合作才能完成，就我国目前电力系统的发展现状而言，对此方面的研究还停留在起步阶段。因此，我国大数据在电力调度中的应用仍然任重而道远。

3大数据电力调度中的应用思路

3.1异常数据统计分析

异常数据统计分析的作用是从电力系统海量信息中自动挖掘错误或异常数据，达到错误异常提示的目的。电力系统中的错误、异常数据往往预示着电网中设备的故障或异常状态，指引调度管理者处理电网缺陷，提升电网的稳定性。例如，负荷突变推送，系统实时采集各县域总加负荷，并形成负荷曲线，当某县域负荷突增或骤减时，自动生成负荷异常记录，并通过短信的形式告知调度专责。又如厂站运行率，系统自动统计每座变电站当前通讯状态、当月通讯中断时长，并算出一定时间段内的厂站运行率，厂站运行率较低的说明厂站自动化设备故障或通讯通道欠佳，供调度自动化专责参考。再如遥控失败、遥信异常、遥测异常、监控信号频发统计，更是直指SCADA基础数据缺陷，有助于提升调度自动化基础数据水平。

3.2数据挖掘技术的应用

在对电力调度自动化系统挖掘过程中，可以使用现代化机械学习系统紧盯数据开发、挖掘、使用，并将传统的数据信息进行连接，以保证数据信息的准确性，确保调度自动化系统的使用安全。针对电力调度自动化系统的特点，使用扩展的方式进行处理，结合中央处理器与图形处理器结构进行分析计算，从而保证电力调度自动化系统的使用安全与人们日常用电安全，从根本上提高我国社会经济效益，提高人们的生活质量，促进电力行业快速发展。

除此之外，还可以使用半监督半学习的形式，保证数据的项目使用的准确性，同时还可将这些数据信息结构结合，将数据信息进行可视化分析，从而达到最终的数据挖掘效果。

3.3数据存储压缩

数据中心主要应用于存储和获取时间序列的实时数据，用于工厂数据的自动采集、存储和监视，它是连接工厂底层控制系统与上层管理信息系统的桥梁。在数据库中的电力数据类型是多种多样的，既包括电力生产的实时数据，又包括一些累计数据。特别是在电能量采集系统和用电信息采集系统中的计量关口和大用户数据，这些数据往往规模庞大，如果把这些数据分散存储在各个数据单元，将浪费大量测点资源，也不利于数据的管理。数据存储压缩技术将数据通过时分法进行无损压缩，从而保证数据的精度与质量。以电量数据为，将电量数据集成到实时数据库，基于实时数据库完成分析电表运行状态、电量平衡、网损计算和各种统计管理功能。

3.4互动负荷大范围的广域优化调度

传统电力调度主要是通过调节相应的电机组来实现电力调度和调整，但当风电间歇性能源的容量达到一定临界值时，仅仅凭借电机组很难实现电力的调度和调整。在未来“五纵六横”高压电网骨架中，相应的可控资源也要纳入电力调度系统中，传统的调度方式则更加难以满足具体需求。而利用大数据技术，就可以实现对全网负荷信息的全方位、全过程监测，甚至可以根据资源优化配置的原则，实现大范围的广域调度，可以有效提高电网全局姿态感知和统一控制决策的能力，满足电网安全、经济运行，而且也可以最大限度上接纳可再生能源的需求。

结语

大数据在电力调度中的应用，充分利用了大数据高性能计算、数据挖掘、统计分析的能力，将电网运行数据和调度管理信息结合起来，成为提升电力调度发展水平的新的发动机。未来电力调度大数据的应用必将转变电力公司发展方式，促进电力行业转型升级，为智能电网的全面建成打下坚实的数据基础。

参考文献

[1]中国电机工程学会信息化专业委员会.中国电力大数据发展白皮书[M].北京：中国电力出版社，2013.

[2]赵云山，刘焕焕.大数据技术在电力行业的应用研究[J].电信科学，2014，30（1）：57-62.