电网安全稳定特性分析的调度运行大数据挖掘技术探究--中国期刊网

字体：大中小

首页> 原创作品> 正文

电网安全稳定特性分析的调度运行大数据挖掘技术探究

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

[导读] 摘要：在企业生产中自动化技术得到普遍的应用。

        国网吉林供电公司电力调度控制中心吉林省吉林市 132001
        摘要：在企业生产中自动化技术得到普遍的应用。而在现代化信息网络数据加工层面，应用数据挖掘技术有利于处理与采集数据。数据挖掘技术不仅提高了利用数据资源的能力，还帮助电力企业得到所需的数据。在电力调度运行中应用数据挖掘技术，必定促进电力企业的健康发展，增加企业经济收益。
        关键词：电网安全稳定；调度运行；大数据挖掘技术
        引言
        数据库的信息量较小，能用于分析的数据不多，它相当于整个数据库的一小部分。但是，在应用过程中隐藏的数据发挥了参考和预测的作用。如在电力调度系统中，很多监控数据、单量信息与设备数据都在与之紧密联系的数据库内，而电力系统虽然得到一些电压信息与设备信息，但无法为用户提供有效帮助。数据挖掘技术较好解决了这个问题，找出用户感兴趣的信息，并将其转变为知识。
        一、数据挖掘技术概述
        （一）数据挖掘技术内涵
        基于技术角度分析，利用各种有效的工具与措施，在海量信息的数据库中，梳理数据与模型的关系，并在分析两者关系的过程中为企业提供决策依据。信息挖掘技术在发展中，陆续产生了很多的方法与技术，决定了信息挖掘技术的众多分类。一般情况下，可将信息挖掘技术划分为发现驱动型和验证驱动型两类。前者由学习机器发展新的构架；后者是用户对假设进行验证或否定。
        （二）数据挖掘技术类型
        在信息挖掘技术发展中，相继出现了不同的挖掘技术和方法，复杂的数据类型导致信息挖掘过程更混乱，因此，有条理划分信息挖掘技术非常关键。

        图1 信息挖掘技术分类
        （三）数据挖掘的过程与步骤
        图2显示了数据挖掘技术的应用过程与步骤。

        图2 数据挖掘技术流程示意图
        1.确定业务对象
        数据挖掘工作，应按照计划实行探索，有效挖掘数据，同时厘清业务，明确数据挖掘的目标。
        2.准备数据
        数据处理工作划分为三个层次。
        1）选择数据。对与所有与业务有关的数据信息实施检索，选择有价值的数据。
        2）预处理数据。系统分析选择数据的质量，做好数据分析工作，并决定采取数据挖掘的技术。
        3）转换数据。在转化数据中建立挖掘算法的模型。
        二、调度运行对数据挖掘技术的需求
        目前，我国全面发展数据挖掘技术，有效处理数据，汇总分散数据，将最完整、精确的数据提供给用户或企业，为企业管控提供参考。长时间以来，电力调度系统搜集了很多信息数据，但这部分数据繁多且不统一，无形增加了数据的管理难度。我国持续扩大电网规模，增加了采集数据的量，在这种情况下，企业的生产与管理要转化历史数据，获得有价值的信息。
        电网调度运行的数据挖掘技术功能需求，表现为以下方面。
        1）数据挖掘技术节省了手工操作的时间，从调度系统中自主获取有价值的信息。
        2）管理层通过数据挖掘技术得到实时数据，掌握关于生产与经营的信息，避免其他因素影响数据。
        3）从各个方面定性与定量分析数据信息，达到预测与管理的目的。
        4）制定与分析电网报告，更好开展其它岗位工作。
        5）高效查询数据，保证工作顺利推进。
        关于电网调度运行的决策应用数据挖掘技术，有利于管理层交流信息，科学应用各种不同的资源，以推动企业发展。企业根据电负荷的变化规律规划电网活动，管理者第一时间获得数据，经分析与整理，不断调整规划方案。根据电负荷的变化特点，收集与整理电网的技术信息，锁定规划决策。电网在调度自主决策的过程，真实再现了数据信息挖掘的意义，企业管理者以科学计划建立发展目标。
        三、数据挖掘技术在电网调度运行中的应用
        （一）智能过滤“坏数据”
        通过获取大量的稳定数据智能分析和预测电网的运行，但在目前的环境内，外部因素如天气、辐射等都会影响采集数据的过程。这部分无法体现电网运行状态的数据便是“坏数据”，这部分“坏数据”直接影响了后期设备运行的统计情况。
        电网信息数据库存储了不同类型的数据，对这部分数据选择不一样的调整方式，编写修正数据函数和修正系数。根据设备特点划分实时数据库的数据。比如电力负荷数据，通常存在两种“坏数据”：①“毛刺数据”，由于通道错误、远程终端单元故障等引起数据的反常状态，包括数据缺失和毛刺等；②特殊事件，如设备发生故障和停运，或由于天气、限电、大用户等因素的影响，在个别事件内产生负荷波动曲线。这部分异常数据都是“坏数据”。负荷波动体现出横向与纵向的相似特点。前者是指负荷在相近的时间内变化不显著。后者是指在邻近几天内日负荷曲线形成一致的数值，其中曲线波谷附近无明显的差异。在过滤中，科学划分数据类型，在实时数据库内根据设备划分数据：
        电压数据、负荷数据、主变压器数据、线路数据等，结合每一类数据的特征，编写数据修正函数和修正系数，提取每一类数据，利用公共算法模块实现修正，得到准确的数据。数据经处理可成为统计分析根据，架构见图3，划分数据流利用以下两个过滤器组实现过滤。
        （1）在线数据滤波组件：实时状态下修正错误的数据，并在数据库内输入修正的数据，根据原始数据填写日志。当无法准确判断是数据错误还是系统异常时，输出异常疑似数据列表，指导用户操作。该组件实现了在线处理操作，保证精确开展实时监测。
        （2）根据数据的有关信息、业务逻辑和系统修正数据，联系小波的滤波新口离线T度滤波器，将某一时间内的原始数据输入数据库，结合小波的检测法与隐马尔科夫模型嵌入组件，对逻辑关系复杂的异常数据有效处理。

        图 2 过滤组件架构图
        （二）数据测点管理
        根据时间序列的存储技术存储数据，其中数据库发挥了搜集、加工、存储和发布数据的作用。在采集数据上，数据库不断修正数据，形成较强的吞吐数据量与高效的读写速度。在存储数据上，数据库压缩了数据，可以存储历史悠久的数据。
        根据原测点实现有效管理，围绕原测点对检索时间戳、全景模型与新旧测点管理，客观评价测点的价值。检索重复存在的两个测点。在这个前提下人工检验这部分测点，如果测点不存在储存价值，则彻底删除。
        数据库采取时间序列存储方式管理与存储实时数据，测点数目对数据库的响应与管理造成一定的影响，当前主流的数据库都收取高昂的费用。因此为了高效管理系统测点，有必要及时梳理大量的历史数据，删除不重要的测点。
        （三）数据存储压缩
        数据中心主要获取实时数据的时间序列，并对其有效存储，这部分数据联系了工厂底层控制系统与上层管理信息系统。数据库包括不同类型的电力数据，不仅包括电力生产的实时数据，还对这部分数据不断累加。特别针对采集点和用电信息系统内的庞大用户数据，如果在各个单元分别存储，无形消耗了若干测点资源，也影响了管理数据的效果。数据存储压缩技术借助时分法无损压缩数据，进而获得精确的数据。比如电量数据，在数据库内集成电量数据，根据这部分数据分析电表的工作状态。
        结束语
        综合分析，数据挖掘技术在电力系统调度自动化过程中应用，重点表现为优化电网拓扑模型和系统组态工具等。在日常业务需求中不断提高数据挖掘技术的服务水平，可以产生大量的优化方式。在建设智能电网中应用大数据技术，必然产生很多新需求、新技术和新应用，本文联系相关技术的应用情况，不断提高电网云顶的稳定性。
        参考文献：
        [1]李云飞，张鹏，程鹏飞.大数据挖掘下冲击性负荷特性电网短期负荷预测的探索与实践[J].贵州电力技术，2019（4）：80-86.
        [2]吴晓虎，武晓龙，郭小英.电网调度关键信息主动挖掘与智能分析预警技术研究[J].科技创新导报，2018（31）：18-19.
        [3]邱继业.基于大数据技术的配电网运行可靠性研究[J].河南科技，2019（32）.