电网规划用电网运行数据自动收集系统设计与实现--中国期刊网

字体：大中小

首页> 原创作品> 正文

电网规划用电网运行数据自动收集系统设计与实现

发表时间：2020/8/24 来源：《基层建设》2020年第10期作者：谢晟祥

[导读] 摘要：近年来，随着科技的进步，城市建设的推进，为了满足建设中电网系统的需求，提升电网系统的质量和技术水平，建设高水准智能电网。

        国网江西省电力有限公司新余供电分公司江西新余 338000
        摘要：近年来，随着科技的进步，城市建设的推进，为了满足建设中电网系统的需求，提升电网系统的质量和技术水平，建设高水准智能电网。建设过程中，应用高新技术展开工作，可以建设更加智能的电网系统。例如，电网调控中心，需要现代化程度更高的技术水开展规模大、数据信息多、更高效的运行调控工作，利用大数据优化存储与处理技术，有利于系统更好的运行，为电网系统的提供技术保障。对此，对电网系统中的大数据技术的相关类别特征、核心技术以及在电网调控中各个方面的具体应用作分析。
        关键词：电网规划用电网运行数据；自动收集系统设计；实现
        引言
        随着“互联网+”和全球能源互联网战略的发展与应用，近些年来，海量的数据成为生活中最为普通却又极为昂贵的财富。电力生产中产生的数据信息涉及到发电、输电、变电、配电、用电、调度各环节，是跨单位、跨专业、跨业务数据分析与挖掘，以及数据可视化的大数据表现。数据也从结构化数据分析向多类型数据分析的转变、从抽样数据分析向全量数据分析的转变、从小批量数据分析向海量数据分析的转变、从单一业务数据分析向跨业务数据分析的转变从准实时数据分析向实时数据分析的转变促使公司积极通过改进海量数据同步技术，提升集中服务组件的数据传输承载能力，支持未来实时性更高、单次数据传输量更大、数据类型更丰富的数据集成需求。
        1电网大数据核心技术
        1、数据收集管理技术。电网大数据其中的数据收集管理这项技术主要是对不同特征以及来源等各种各样的数据作更加有效的收集和整理，对数据做加载、转换后形成全新数据源，系统再对其进行管理，对外提供服务，为电网企业提供较新的服务与应用功能。2、数据分析技术。电网大数据中，有着较多的数据分析技术，比如数据挖掘技术、机器学习技术等等，应用对应的技术对各种数据分析，并且提取其中最有效的信息。数据挖掘技术可以高效处理电网系统中较为复杂的数据结构，且能够将有效分析其中的大量数据，使得数据质量提升，因此被使用在电力行为预测方面。人工智能电网系统的核心是机器学习技术，主要作用是改善计算机性能，因此被用于电力设备运行状态监测等方面。3、数据处理技术。内存计算技术、分布式计算和数据流处理技术是电网数据处理技术的三大模块，其中内存计算技术主要作用是将提前收集好的数据存储，之后对其计算和分析；其中分布式计算技术一般是通过网络技术，将电网系统与计算机硬件端口连接，核查超级计算机，存储和分析数据；分布式数据流处理技术能够对电网系统中的实时数据进行处理，具有开放性、实时性和伸缩性特点。4、可视化技术。可视化技术即图形化处理技术，是将各种形式的数据以更加直观、可视度高的形式呈现出来，可以帮助运行管理人员更直观地了解信息。在电网系统运行实时监测时，可以发现一定信息、分析数据，做出相应决策，可以提高电网系统的自动化程度。
        2电网规划用电网运行数据自动收集系统设计与实现
        2.1技术架构
        主要从电能质量等外部系统获取数据，特别是从应用营配贯通工程的电能质量监测系统中获取准确度较高的台帐数据、运行数据。并定期从调度获取调度工作Excel文档。引入包括用户用电信息采集系统、地区调度SCADA系统在内的实时数据。（1）数据接入层。包括数据抽取服务、数据转换服务和数据质量校检服务，分别获取外部的数据，和对数据进行清洗、质量校检，自动判断数据的正确性并转换为系统特定的数据格式。（2）数据层。

期刊文章分类查询,尽在期刊图书馆

存储了系统的所有数据，主要包括抽取来的原始外部数据；被清洗、质量校检、转换后的配网设备台帐数据；系统自动生成或编辑后的全网模型和拓扑图数据；在对供电可靠性进行分析时各类评估指标的计算规则；支撑系统运行的配置数据；另外，除保存原始的实时数据外，将通过实时数据分析服务对实时数据通过采样的方式，获取配网运行状态曲线数据，用于业务应用功能。（3）服务层。为承载业务应用功能所需的基础服务，包括基础的数据管理服务；融合模型、拓扑、数据的模型拓扑融合服务；进行拓扑服务使用的拓扑分析引擎。数据管理服务：除了日常数据管理服务外，还将构建实时数据分析服务，对引入的实时数据进行分析，提取配网运行状态曲线数据，以备拓扑分析时使用。（4）业务应用层。数据维护：提供系统采集、导入的数据进一步维护的功能，具体包括模型维护、拓扑增补、馈线分段补充、条图编辑调整、垃圾数据检查清理、误报数据删除等功能。指标在线计算：提供规程规定的主要指标和参考指标在线周期性计算，按年、季度、月进行计算，并按照量化因子按周进行供电可靠性指标进行预算、预估。可视化展示指标：利用数据可视化技术，对计算出来的指标以图表、区域图的方式进行直观展示，并结合区域化分片进行展示。
        2.2核心数据库优化
        核心数据库分为4层：第一层为数据硬件层：数据硬件层指互感器线圈、红外探头、音频探头、陀螺仪等数据采集使用的硬件设施，及相关硬件用于数据存储和分布式数据处理的CPU、RAM、SSD等硬件资源。第二层为独立数据层：独立数据层指存储在分布式系统及分布式系统的服务器中的相关数据集合。这些数据一般只服务于独立系统，并不能形成跨系统的数据交互。第三层为整合数据层：通过对变电站中所有独立数据系统进行实时查询并在中央大数据仓库中进行备份，形成整合数据。同时对这些数据进行初步治理，如各种回归及在回归基础上构建的多维度状态空间模型，将这些空间模型也在整合数据层中进行存储。第四层为服务数据层：整合数据因为体量庞大，查询和更新时间都较长，所以无法进行直接利用，必须构建服务数据层。服务数据层一般使用源数据库结构实现。
        2.3数据中心概览
        结合采集到的台账、负荷、电能量数据，对数据进行统计，并采用多样式的图表进行直观展示，同时支持点击图表上的元素展示详情具体展示的维度为：（1）地区电网220千伏、110千伏、35千伏全市、市区、七县月度、年度网供负荷。（2）地区电网220千伏、110千伏、35千伏各变电站月度、年度最大负荷（有功及电流）、负载率及时刻。（3）地区电网220千伏、110千伏、35千伏变电站主变各侧月度、年度最大负荷（有功及电流）、负载率及时刻。（4）地区电网220千伏、110千伏、35千伏、10千伏线路月度、年度最大负荷（有功及电流）、负载率及时刻。（5）地区电网最大负荷时刻及本地区（市区及七县）最大负荷时刻220千伏、110千伏、35千伏变电站主变各侧负荷（有功及电流）、负载率。（6）地区电网最大负荷时刻及本地区（市区及七县）最大负荷时刻220千伏、110千伏、35千伏、10千伏线路负荷（有功及电流）、负载率。（7）按自定义时间、设备调取相关数据并统计分析重过载。（8）地区电网220千伏、110千伏、35千伏变电站各主变月度、年度电量。（9）地区电网220千伏、110千伏、35千伏、10千伏各线路月度、年度电量。
        结语
        电网调控中，其核心是有效对各种数据有效存储、处理和评价，进而实现电网有效调控。随着国家建设，电网系统不断革新，电力行业中电网系统中的数据种类、数量日益增加，应用大数据技术优化电网调控系统，可以促进电网调控运行向智能化、自动化方向发展，提高各种电力调控效率，促进电网转型持续发展。
        参考文献：
        ［1］翟灏，卓放，易皓，等．基于SVG的电网多节点电压不平衡综合抑制方法［J］．电力系统自动化，2017，41（12）：40－47．
        ［2］黄彦，黄劼，陈凌，等．基于多数据源校验的电网EMS数据质量在线监控方法及其实现［J］．电力系统保护与控制，2017，45（17）：130－135．
        ［3］曲广龙，杨洪耕，李兰芳．主动配电网电能质量实时监测系统设计与实现［J］．电力系统自动化，2015，10（15）：137－139．