基于大数据分析技术的电网智能调控分析方法

夏盛海, 金宇，杨攀，黄宇

(贵州电网有限责任公司贵阳供电局，贵州 贵阳， 550000)

近年来电网公司发展战略中对电网提出更加严格的调度要求，使电网管理向着更加集中化、专业化、智能化方向发展[1]。电力调度是电网运行体系中的核心环节，实现了电网资源优化分配，对电网运行过程中的安全风险进行管控，保证电网经济安全稳定运行。随着电网调度与电力监控、电力传输等其他业务的深度融合，加快了电网调度方式的调整，多种清洁能源的加入使当前电网结构更加复杂[2]，当前的调度运行管理模式需要进行改进和升级，以适应未来电网的发展趋势。

在当前电力调度监控研究中，文献[3]中通过电力站端采集设备、智能电力设备将电力信息上传到调度主站，主站通过监控和控制变电站端设备进行电力调度。文献[4]中应用人工智能技术，通过无人控制的方式获取远端的电力信息，并根据预设条件和策略进行判断，改变电网运行方式和潮流运行情况。文献[5]中选取C/S架构作为系统的总体架构，设计出电网末端设备的公共信息模型，并建立数据仓库进行数据交互和共享，从海量的基础电力数据中筛选有用信息进行调度。由于对电网进行监控调度中使用了大量不同类型的电力设备，有些系统的开发缺少统一的建设标准，系统的兼容性较差，对于大量的电力信息处理分析能力有限。

1 电网智能调控分析系统

在系统的总体架构设计中，系统面向电力公司不同专业的工作人员和管理人员，为电力调度运行提供各类电力数据的监控和分析。系统的功能模块设计中，电力智能调控分析系统应满足智能电网的发展要求，以调度数据网为支持，进行统一调度和分级管理，系统的各功能模块需要基于标准化的数据接口和统一的公共模型[6]。系统能够通过浏览器获取分布式的电力数据，通过监控工作站对变电站相关数据和信息进行监控。

为应对电网运行过程中产生的大量电力数据，本研究应用大数据技术，使用HADOOP开源分布式框架实现电力大数据信息的处理与分析；在应用过程中还应用了大数据组件和管理工具，通过这种方式提高了系统的存储容量和计算效率。该研究还设计了分布式文件系统HFDS，通过该系统能够处理不同位置处的电网运行数据和调度数据[7]。便于用户实现不同类型、 不同位置的电网用电信息调度。该研究还针对电网智能调度和位置进行全方面地分析与定位。在具体数据分析时，能够在系统中建立统一的数据标准，实现系统中各业务模块的协同配合，在上级调度和下级调度之间实现数据共享，通过标准化接口和调度数据规范化管理，进一步提高对电网的管控能力[8]。电网智能调控分析系统总体架构如图1所示。

图1 电网智能调控分析系统总体架构Fig.1 Overall architecture of the intelligent regulation and analysis system of the power grid

本研究系统的软件架构包括数据层、网络层、应用逻辑层、表示层。数据层主要用来存储系统基础的电网运行数据，分为实时数据和历史数据；网络层主要用来采集和获取电力数据，并为系统的功能模块提供数据，应用逻辑层对数据层中的数据进行处理，对数据进行处理分析后传递到表示层；表示层主要面向系统用户，对获取到的电力监控信息进行读取和查询，系统的电力监控情况和事件告警也是通过表示层与用户交互。网络层为系统的基础组成部分，为系统的智能调控分析提供数据支持，通过变电站的一次侧和二次侧电力设备，与配电网终端设备采集开关量、模拟量、电网运行状态数据等[9]。网络层支持多种类型的数据采集和处理，通过系统的数据接口获取其他调度机构数据，形成多源的综合性电网信息，为系统提供统一的数据服务。应用逻辑层支持大数据处理需求的扩展性，导入到HADOOP集群后，使用MLLIB对电网大数据进行分析和挖掘，使用了资源调度管理组件YARN[10]，用来管理和分配系统中的分布式计算资源。

2 调控分析数据集中器设计

系统中表示层的调度工作站和监控工作站对电网进行调控时需要依据数据层中实时的电力数据，数据集中器融合了数据层和网络层等不同的形式，该研究基于现场可编程门阵列(field programmable gate array,FPGA)实现数据集中器的设计与控制，大大提高了数据处理能力，提高集中器的数据处理能力。数据集中器连接电力设备接入端口和监控工作站的监控端口，通过Xilinx Virtex-6 FPGA作为核心控制部件，融入硬件平台，集中器主要包括数据集中模块、时钟模块、TCP模块和UDP模块[11]。数据集中器总体框架如图2所示。

图2 数据集中器总体框架Fig.2 General framework of the data concentrator

为保证集中器数据交互的准确性，时钟模块产生准确的定时信号控制其他时钟，其他模块需要一个全局时钟进行同步。集中器的时钟模块在进行模块化划分时，包括主时钟、以太网时钟、光纤时钟和输出时钟等不同的模块，其中主时钟通过FPGA产生本地时钟BRDCLK和全局时钟TTCCLK，TTC_READY信号决定主时钟的切换，同时也是全局时钟准备好的指示信号[12-13]。时钟模块的四种时钟信号采用双端传输的差分时钟进行传输，利用差分信号两端的特点消除噪声干扰。

其中TCP模块主要传递重要的控制命令信息，UDP模块负责传输大量的电网数据，TCP和UDP模块以1Gbps的传输速率与监控工作站进行交互。数据集中模块发出DTC_CLK时钟信号和DTC_DRIG触发信号传输到各子卡中，电力采集设备的各自卡发出DTC_DATA数据信号和DTC_RETURN应答请求信号传输到集中模块[14-15]。TCP模块明确主机所在的网段，并确认工作站接收到发送的数据包，如果未接受到确认信号则进行重新发送。TCP和UDP模块如图3所示。

图3 TCP和UDP模块Fig.3 TCP and UDP modules

TCP和UDP模块对集中器传输的信息进行数据封装和帧解析，UDP模块通过ARP协议根据IP地址获取目标硬件的物理地址，使同一个主机的应用程序被唯一对应的端口找到。将需要传输的数据封装为数据包后，根据分段控制信息和分段偏移信息[16]，判断是否对当前数据包进行分段。

3 多目标优化调控方案

本研究系统的表示层的调度工作站对电网进行调度时，以可再生能源资源情况和电网负荷需求为调度依据，在电网运行的约束条件下，确定电网中各电力设备的最佳出力调度方案，采用适当的电价激励机制，缓解电力供应紧张的问题，降低其他能源不确定性产生的波动[17]。

系统中的多目标优化调度模型以电网运行经济成本最优为目标，考虑到各类供能设备的运行维护成本，电网运行成本可表示为[18]：

(1)

式(1)中F1表示电网总的经济成本，Fop,t表示运维成本，Fg,t表示电网运行过程中的燃料成本，Fex表示电力交互成本，Fc表示电网运行过程中的购碳成本，Pi,t表示电网运行过程中的供能设备出力情况，cop,t表示电网运行过程中的供能设备运维成本，cg表示电网运行过程中的天然气价格，Lc表示电网网中低热值，ηi表示电力设备运行效率，Vp表示电网运行过程中的设备的产气量，cc表示电网运行过程中的碳单价，Mp表示电网运行过程中的耗碳量[19]。系统在对供能设备进行调度时，需要满足电网的功率平衡约束条件，可表示为：

辣椒的辣感来源于果实所含辛辣成分如辣椒碱、二氢辣椒碱、降二氢辣椒碱、高辣椒碱、高二氢辣椒碱等；另外如壬酰香荚兰胺、辛酰香荚兰胺等决定了辣椒特殊的体香；而诱人的肤色则是依靠内在有辣椒红素、隐黄素、辣椒玉红素等的衬托；而胡萝卜素、维生素C、柠檬酸、酒石酸、苹果酸变成了它的钗头凤。

(2)

其中PWT表示风电机组的供电功率，PCH表示热电机组的供电功率，PFC表示燃料电池的供电功率，PGT表示电网交互功率，Pl表示电负荷功率，Pes、Peb、Pp表示蓄电池、电锅炉、P2G设备的用电功率，QCH、QGB、Qeb表示热电机组、燃气锅炉、电锅炉的供热功率，Ql表示热负荷功率[20]。多目标优化调度模型需要满足电网电热负荷需求，在分时电价机制下减轻电网的供电压力，多目标优化调度策略如图4所示。

图4 多目标优化调度策略Fig.4 Multi-objective optimal scheduling strategy

优化调度策略根据用户的响应行为进行建模，使用电量电价弹性矩阵表示用户的响应行为，电量电价弹性系数可表示为：

(3)

其中ρii表示弹性系数，ΔQi表示电量改变量，Qi0表示初始电量，Qi表示为改变后的用电量，ΔPi表示电价改变量，Pi0表示初始电价，Pi表示电价改变量。用户的用电需求随电价的提升而升高，所以ρii一般为负值，优化调度模型为降低用电需求的峰值[21-22]，采用电力负荷波动率最小为目标函数，可表示为：

(4)

其中PDR,t表示t时刻响应后的电负荷功率。电负荷需求响应的约束条件包含功率平衡约束、电量平衡约束、电价约束、负荷转移约束等[23-27]，功率平衡约束可表示为：

(5)

(6)

其中ΔLDR,f,t表示电价峰值时段的负荷转移值，ΔLDR,p,t表示平时电价时段的负荷转移值，ΔLDR,g,t表示谷时电价的负荷转移值，Ø表示电网运行过程中的负荷转移极限值，LDR,p,t、LDR,f,t、LDR,g,t表示电网运行过程中的各时段的负荷总量。在电网调度周期中，对分布式发电单元和储能设备的有功功率进行控制，根据用户侧的需求响应，利用负荷侧的调度完成电网的能量分配。

4 应用测试

在实现电网智能调控分析系统逻辑功能部署的前提下，对系统进行应用测试，分析系统性能是否能够实现电力调控的目标，检验系统功能是否能够满足应用需求。在实验环境中部署多个不同的终端对系统的并发性访问，使用实验工具读取不同主机的相关参数。实验环境架构如图5所示。测试系统环境配置参数如表1所示。

图5 实验环境架构Fig.5 Experimental environment architecture

表1 测试系统环境配置参数Tab.1 Test system environment configuration parameters

根据表1中的配置参数布置好实验环境和网络环境后，服务器主机和相应的节点主机保持连接状态。在系统界面中，测试人员根据实际情况设定文件名、数据种类和保持位置，导出部分电网信息作为实验数据，实验数据集如表2所示。

表2 实验数据集Tab.2 Experimental data sets

在进行电网调度测试时，选取某地区内一组典型的日负荷数据进行分析，实行分时电价机制前固定电价为0.5元/千瓦时，设定负荷转移限制为0.3，峰谷电价比限制为4，电负荷数据与电网温度如表3所示。

表3 负荷数据Tab.3 Load data

使用本研究系统对10小时的调度周期进行优化调度，加入分时电价机制,系统进行对比实验，得到电负荷需求响应结果如图6所示。

图6 电负荷需求响应结果Fig.6 Electricity load demand response results

由图6中调度前用户侧电力负荷需求可知，4h～6h和7h～8h调度时段内的电负荷功率达到1000kW以上，处于用电高峰时期，并且高峰时期的电价较高，调度前用户负荷曲线的最大负荷可达到1192.5kW，峰谷差最大为618.8kW。调度后高峰期时段的最大负荷降低到1000kW左右，低谷负荷最大增加到718kW，在8～9调度时段内，电负荷需求最大可达到1096.7kW，系统调度后仍存在较高的峰谷差。

本研究系统调度后的电负荷明显比响应前有所降低，在用电高峰时期的用电负荷最大不超过1000kW，缓解了高峰时期电网负荷压力。在0h～4h调度时段内，电力负荷有所增加，最大可达到865.8kW，低谷时期和平时电价小于固定电价和峰值电价，用户的用电费用减小。在整个调度周期中，低谷负荷增加了92.6kW，峰谷差降低了365.2kW，本研究系统能够有效降低峰谷差，平滑电力负荷波动。

在电网优化调度过程中，系统控制各发电单元的出力情况，综合考虑运行成本得出最优出力调度策略，电网中各时段各单元的优化调度结果如图7所示。

图7 优化调度结果Fig.7 Optimized scheduling results

在优化调度结果中，电网的负荷优先由风电和热电出力满足，当负荷超过风电和热电出力时由储能设备进行放电弥补电网负荷的缺额。在这种运行模式下，风电机组和热电机组作为电网的主要能源，在调度周期前期，热电机组的输出功率在400kW～500kW范围内波动，燃料电池的出力情况低于300kW，风电出力最高达到256kW。在3h～6h调度时段为用电高峰时期，燃料电池发电比燃料轮机更加经济，燃料电池的输出功率增加，最高可达到496kW，此时优先考虑靠燃料电池发电，由热电机组弥补功率的不足。在用电的低谷时期，燃料电池的输出功率降低到400kW以下，储能设备从电网中吸收电能，在用电高峰时期储能设备出力提供电能，电网的出力模式随着用户侧的负荷状态而改变，降低电网运行费用，实现电网的安全平稳经济运行。

5 结论

本研究应用大数据计算分析计算设计出电网智能调控分析系统，使用大数据算法和工具满足系统数据存储和计算需求，提高对电网中电力设备的运行状态的监控效率，调度工作站进行优化调度满足多能源负荷需求。系统的关键在于：

(1)基于FPGA技术设计出数据集中器，连接电力采集设备与监控工作站的监控端口，时钟网络采用双端传输的差分时钟信号，降低噪声干扰并保持各模块同步，TCP和UDP模块完成电力数据封装和帧解析，并确认接收端接收到电力数据。

(2)调度工作站中构建多目标优化调度模型，在满足电网运行约束条件和用户侧电力负荷需求的同时，采用优化算法对电网进行调度，分配电网资源完成能量配合，减缓能源波动提高电网运行的稳定性。

在优化调度中考虑到的分布式电源为风电机组，在以后工作中需要加入更多的优化目标，考虑到供电可靠性、功率损耗等因素。