基于云计算的电力调度控制系统关键技术浅析

赵 金

（国网山西省电力公司电力科学研究院）

0 引言

随着我国技术水平的发展与提高，逐渐开始对云计算技术展开深入研究和探索，这会对生产生活的方方面面带来积极影响。目前，云计算在电力系统的应用主要体现在分布式存储上，为顺应时代发展趋势，在电力调度控制系统运行期间也应加强对云计算的重视，及时调整原系统中不匹配的架构与技术模式，为云计算提供良好的应用环境。这样不仅可以充分发挥云计算在数据处理与存储方面的优势，还有助于实现电力系统的长期稳定运行。

1 云计算应用过程中的关键技术

1.1 虚拟化技术

云计算以互联网为依托，在应用过程中实现虚拟化功能。一是存储过程的虚拟化，数据摆脱独立储存模式，实体存储设备的硬件制约能力明显降低，在虚拟化技术的应用下，用户可以实现对相关检索技术的应用，并对海量数据进行整合。二是主机虚拟化，指的是在主机硬件及相关操作系统中的虚拟化技术，该技术在应用中体现出显著的实时性特点，但同时也存在一定的完善空间［1］。

1.2 分布式设计

并行计算技术属于分布式设计的重要组成部分，在该技术作用下，用户可以对电力调度控制数据进行统一采集，同时进行实时监控，确保电力设备资源的优化配置。值得注意的是，并行计算技术对应用条件提出了较高的要求，因此在使用前，工作人员需要先明确划分计算任务，并对网络稳定性加以展示。分布式设计的应用还体现在分布式数据库上，这也是电力调度云计算的重要组成部分。站在核心技术的角度上来说，电力调度控制系统运行效果会直接受到分布式数据库的影响。在数据库作用下，其独立性功能将更加显著，并为数据共享等操作提供技术支持。

2 基于云计算的电力调度控制模型

为保证电力调度控制系统的稳定运行，可以先建立相应的目标函数，建模过程中需要考虑发电成本、惩罚成本条件风险值、电网成本、光伏电场惩罚成本条件风险值以及电网运行成本几方面因素［2］。

2.1 电力系统发电成本

电力系统发电成本主要包括运行成本与燃料成本两方面，其公式可表示为：

2.2 电力系统惩罚成本条件风险值

在云计算技术运用期间，存在一定的不确定性，加上考虑到输出功率的影响，电力系统惩罚成本条件风险值公式可表示为：

式中，Zjl和Z′jl表示辅助变量；M表示样本值数量。

2.3 电网成本

电网成本的计算与发电成本相似，其公式可以表示为：

式中，Rsj表示电网成本系数；表示第j个电网计划出力；Ns表示电力系统电网数量。

2.4 光伏电场惩罚成本条件风险值

光伏电场惩罚成本条件风险值公式可以表示为：

2.5 电网运行成本

电网系统运行成本公式可以表示为：

式中，Rcj表示电网系统运行成本系数；表示电网系统出力。

综合上述分析，可以计算各个因素之和，将其最小值定义为目标函数，公示表示为：

③-4层中砂(Q3al+pl)：灰白色～灰黄色，局部青灰色，密实，饱和，局部含黏土成分，上部主要为中砂，局部为粉砂；矿物成分以石英、长石为主，磨圆度一般，级配不良；场区普遍分布。

3 围绕云计算电力调度控制系统的构建

3.1 总体架构

如图1所示，电力调度控制系统云计算平台由网络服务器、用户访问终端、数据采集装置、被控的计算资源以及云计算控制中心构成。

图1 电力调度控制系统云计算平台总体架构

根据图1可以看出，用户可以通过手机、笔记本电脑等固定或移动终端获取电力服务，在虚拟化技术以及分布式设计作用下，用户可以享受到单向、独立的服务模式，同时避免各终端之间发生冲突。保证服务顺利进行的根本就是云计算控制中心，负责对各计算资源进行控制与合理分配［3］。首先，云计算平台可以将用户服务需求化整为零；其次，将各个子模块的任务信息通过互联网传递至各计算设备；最后，将计算信息汇总至控制中心并提供给用户。对于用户来说，可以通过移动终端访问云计算平台，这也提升了云计算服务应用的便捷性与高效性。

为进一步发挥出云计算技术优势，有必要对现有的电力调度控制系统进行改善，以为云计算提供良好的应用环境。总的来说，是将当前系统架构中不合理的部分与技术加以转变，构建起与云计算相适应的运行框架，充分发挥出云计算在数据弹性计算与存储方面的优势。因此，可以对电网调度控制系统框架进行改良，具体内容如图2所示。

图2 电力调度控制系统云架构

结合图2可以看出，电力调度控制系统云架构可以划分为以下5个层级：（1）展示层。展示层由Web、移动终端以及调度员界面层构成。（2）服务层。服务层主要包括业务服务以及数据服务。（3）业务层。业务层划分为业务中心与数据中心，其中业务中心是支持弹性应用框架以及分布式并行数据处理功能的场所，数据中心则可以实现数据的统一管理与存储。（4）平台层。平台层涉及到弹性事件队列、分布式实时库以及分布式存储三项核心技术，其主要功能是为分布式系统构建提供技术支持。 （5）资源层。资源层也是整体架构中的核心层级，实现计算资源、存储资源、网络资源的统一管理。与此同时，在虚拟化技术的应用下，资源层可以将上述资源划分到统一的管理范围内，并实现动态化升级。

3.2 关键技术

3.2.1 分布式并行处理模式

在电力调度控制系统运行过程中，数据处理服务采取的是一个主节点、多个备用节点的运行模式，即在实际运行中，当主节点工作时，其余备用节点处于闲置状态，而一旦主节点出现故障，备用节点就可以自动升级为主节点，保证数据处理工作的有序开展。值得注意的是，为提升数据处理能力，当对主节点进行硬件升级时，其他的备用节点也需要进行升级处理，实现节点备用能力的提升。

数据处理过程中，云计算技术往往面临一定的性能瓶颈，为减少其不利影响，同时发挥云计算弹性扩展优势，应对当前的节点运行模式加以改进，采取分布式设计模式。通过并行计算技术，所有节点可以实时进行数据处理工作，而且在分布式并行处理模式作用下，系统数据可以先进行分区形成数据子集，各个节点对单个子集进行处理。各节点之间也会根据系统的具体运行要求形成备用关系，为后续数据子集的处理提供便利条件。此外，通过分布式并行处理模式，还可以进一步发挥出数据处理的伸缩性，凸显出云计算技术的弹性优势。

3.2.2 分布式实时数据库

以往电力调度控制系统运行过程中会面临实时库容量限制问题，因此可以引入分布式实时数据库模式，通过多个节点实现实时库分布，进而更好地满足实时库的伸缩性需求。分布式实时数据库有效应用了数据分片技术，在进行数据储存的过程中，可以通过运算过程与不同存储节点建立联系，为数据存储与访问提供便利条件。一方面，分布式实时数据库可以满足数据的分解与汇总要求，将其准确发送至各个存储节点，并将处理结果提供给用户。另一方面，分布式实时数据库还可以充分发挥云计算的弹性优势，通过水平扩展来提高数据库储存能力，适应电力调度控制系统的运行要求。分布式实时数据库结构如图3所示。

图3 分布式实时数据库结构

3.2.3 弹性事件队列

为更好发挥出云计算的弹性优势，可以通过事件队列为水平扩展提供支持，进而形成弹性事件队列。随着弹性事件队列的生成，说明节点可以实现自动扩展，保证系统具有更大的数据储存容量与更高的数据处理能力。在此过程中，电力调度控制系统需要构建数据分析框架来提高数据处理效率，同时为后续数据处理服务提供保障。在数据分析框架的支持下，各个节点可以承担对应数据子集的处理工作，并将数据处理结果进行汇总。

4 基于云计算的电力调度控制系统应用案例分析

某电厂运行期间，为满足电力调度需求，需要对现有的电力调度控制系统进行优化，以实现自动化功能。基于上述设计思路，首先，可以将云计算Spark技术引入其中，基于静态安全分析算法，通过各个节点完成分布式数据集计算；其次，可采取直流分析算法来完善Map构建，最终确定弹性分布式数据集（RDD）应用可行性。在此过程中，需要对RDD设备故障情况进行检测，以获取相应的映射任务。

为提高运算过程的准确性与安全性，可以在上述方案基础上应用附加方案，其具体流程为（1）实现数值仿真，并为节点测试工作做好准备； （2）以Scala为基础实现算法运行； （3）完善算法规划，在各个节点中确定一个主节点，其余作为备用节点；（4）分析算法性能并进行结果对比。总的来说，在云计算Spark技术的应用下，计算模型被划分为2645个节点，110kV、220kV以及500kV的电力设备可以实现独立算法运行50次［4］。结合算法运算结果可以看出，随着集群规模的扩大，运算所需要的时间逐步缩短。由此可见，将云计算技术引入到电力调度控制系统中有利于降低时间成本，相较于传统算法，其所需要的运算时间显著缩短，云平台可对电力系统运行起到积极作用。

5 结束语

综上所述，云计算技术在电力系统中发挥着十分关键的作用，为进一步适应云计算环境，应加强对电力调度控制系统的开发与完善，保证系统架构的科学性与合理性。在实际研究中，应将提升数据存储和分析能力作为主要需要解决的问题，在此基础上对电力调度控制系统云计算的应用展开重点分析，同时结合电厂应用实例，对相关关键技术的应用与升级展开讨论，提升云计算运行流畅性，更好地满足电力调度控制系统功能需求。