电力调度大数据应用平台系统技术研究

黄丹

摘 要：目前传统的智能电网调度控制系统中，不同业务系统之间分散地开发、运行和管理，系统数据存储结构独立，带来数据多源、格式不一致，数据准确性、实时性不强，数据质量不高，缺乏统一的数据规范等问题，影响分析挖掘数据的效率，并且各业务系统的数据无法实时访问、共享和管理。业务部门独立对各自数据的质量、需求和应用等问题进行管理及解决，缺少统一数据管理途径和明晰的协调机制，统计分析需求不能及时、按需获得数据支持。数据抽取主要依靠技术服务人员进行，无法准确、清晰地把握数据总体情况，效率低下，不能获得电网全景实时数据，不能满足调控分中心对电网运行数据统计分析的要求，无法快速得到能够指导电网稳定运行的决策性信息，实现对电网进行智能的管理和实时的调度。

关键词：大数据;电力调度;数据清洗;数据存储;大数据平台

引言

随着当前电力行业的飞速发展，社会各项经济活动对于智能化电网提出了越来越高的要求。电力系统的数据处理能力较先前有了显著的提高，不但数据采样精度得到了提高，且数据的采集量也有了显著提高。这些数据对于电力调度实时状态的预估，以及电网运行的安全性、可靠性与稳定性起到了至关重要的作用。因此，数据的质量显得十分的重要。由于外部干扰及其他多方面的因素影响，电力系统状态数据在传输过程中无法避免会出现错误，这对智能电网进行实时的电力调度状态预估以及安全稳定运行造成不利的影响。因此需要根据电力系统的实时状态对电力系统的状态数据进行有效的检测与辨识。

1可靠性评价方法

针对复杂电力系统的多指标体系，需要根据指标的重要程度进行赋权，从而对电力系统调度进行评价。在综合评价的方法中，主要包括主观赋权和客观赋权两种方法。主观赋权主要依靠经验决策，分别有专家法、层次法以及评价法，这类评价方法主观性成分占了多数，更多依赖于专家等人员的工作经验，因此其评价结果不够客观。客观赋权主要是采用数理统计的方法，将各参数数值化，通过目标优化、概率算法等，得到不同指标参数的差异性和有效信息量，进而确定不同指标的权重，但这种方法又不能综合考虑指标的应用价值。为了衡量电力调度系统的稳定性，需要综合考虑其历史数据，结合大数据技术，对电网调度系统的各项数据进行深入挖掘，获得电网调度的各项信息，根据数据挖掘结果对系统可靠性进行评估。熵权法来源于信息论，无论理论基础还是应用前景，都有不错的参考价值，可被应用于电力调度系统的稳定性评价。熵权并不代表该指标的重要程度，而是对评价指标的变异程度进行区分，只有对整个系统进行综合，才能有效反映各参数的价值意义。将传统熵权法进行改进，结合兩种赋权方法的优势，利用客观熵权法进行计算，在计算结果中引入主观赋权法，考虑指标参数的主观价值。改进熵权法的计算过程如下。

2电力调度大数据应用平台系统技术研究

2.1数据类型

电力数据的类型可分为两种，一种是结构化数据，另一种是非结构化数据。结构化数据主要在源端业务系统存储，数据存储分为存量数据抽取和增量数据复制，存量数据抽取可以采用达梦ETL、数据复制及数据文件方式从源端业务系统接入。增量数据复制可以通过开发增量捕获工具，识别源表的增量标识，定期抽取最新时间标识的数据，并将增量数据接入到数据存储计算组件中。非结构化数据主要是存储在源端业务系统里的文件、图像、影音等文件，数据接入分成存量数据抽取以及增量数据复制，存量数据抽取把原系统中的历史数据通过迁移工具全部复制进数据存储计算组件内，增量数据复制通过开发集成接口将上传的文件实时推送到数据存储计算组件中。

2.2转移潮流策略

电力系统的大数据大致可以分为以下三种类型：首先是电力系统运行的状态数据以及各种测量设备检测到的数据;其次是电力企业的营销数据，如工业电价、民用电价、商业电价、售电量和用电客户信息等;最后是电力企业的内部管理数据。SCADA系统是智能化电网的重要组成部分，SCADA数据是电力系统运行和设备检测的关键指标，它的数据质量对电力系统的实时数据运算和电力系统运行状态的监控起着十分重要的作用。因此采用电力调度智能估计技术对于SCADA数据进行实时在线分析具有很重要的意义。SCADA数据会依据特定的规律实时刷新，时间轴上相邻的两个时刻的切面数据的差值能够有效反映出这个时间段之内电力系统网络状态发生变化的信息，即能够反映出注入功率的变化情况和电力系统网络拓扑结构发生重构所引发的支路转移潮流分布，这些信息中也包含了错误量测信息。这就对前一时刻电力系统状态估计结果的精确性提出了更高的要求，即在进行前一时刻电力系统状态估计的时候，电力系统拓扑结构的错误和其他数据的错误已经能够被正确地辨识出来，在实际运用过程中，经过专业技术人员维护过的状态估计基本上能够满足要求。能够基本上反映电力系统实际运行状态的状态估计被称为基态，其与当前时刻切面数据进行比较就能够得出转移潮流的分布情况。

2.3存量和增量数据的同步协同

跨集群数据同步：基于插件的设计方法，可支持不同集群间的数据同步。全量同步：分为表全量同步和库全量同步，表全量同步每次读取表中全量数据并写入，库全量同步策略是把库中所有表进行数据同步。增量同步：分为新增、覆盖和更新3种策略，新增策略主要通过在目的端新建分区或者追写数据实现，覆盖和更新策略在同步配置时选择唯一键，根据唯一键对比同步中的数据和目的端数据，结合增量策略来判断数据是覆盖还是更新。

2.4数据整合

对接入的多源数据进行有效整合，以实现数据模型统一，保证数据有效性、可用性和准确性，然后经过抽取、转换和装载，合并到一个企业级的数据仓库里，从而得到企业数据的一个全局视图，在此基础上利用合适的查询和分析工具、数据挖掘工具等对其进行分析和处理，最后将分析结果呈献给用户，为用户的决策过程提供数据支持。实现统一数据模型，平台接入多源信息后，将采用满足D5000标准的电力数据模型，对异构数据进行重新统一建模，实现平台数据模型的统一，根本上解决组织数据分散重复、口径不一致、共享困难造成的信息孤岛等问题，从而真正意义上实现了统一数据标准，提升平台支撑能力，同时支持用户利用公式定义模型，根据实际业务需求自定义模型。

结语

基于大数据背景及潮流转移策略的电力调度数据智能估计技术，能够有效实现对电力系统SCADA数据的实时错误辨识，从根本上解决了先前手工核验量测数据处理数据量大、处理效率低和人力成本高的问题，为电力技术人员提供了简单实用的工具。经实例验证，该策略能够实现对电网遥信、遥测状态跳变的有效辨识和精准定位，便于电力技术人员发现解决实时问题，大大提高了SCADA的错误数据量测检查能力。

参考文献

[1]申建建，曹瑞，苏承国，等.水火风光多源发电调度系统大数据平台架构及关键技＼术[J].中国电机工程学报，2019，12（14）：23-28.

[2]李端超，王松，黄太贵，等.基于大数据平台的电网线损与窃电预警分析关键技术[J].电力系统保护与控制，2018，11（2）：13-17.

[3]叶康，冷喜武，肖飞，等.基于大数据标签技术的电网监控智能分析方法[J].电测与仪表，2018，13（11）：18-22.

[4]郑茂然，余江，陈宏山，等.基于大数据的输电线路故障预警模型设计[J].南方电网技术，2017，18（4）：11-16.

[5]马云龙，梅峥，郭子明，等.电力调度系统广域分布式代理关键技术[J].电力系统及其自动化学报，2018，11（9）：12-17.