基于图计算的配电网建模与分析

4
特别策划
基于图计算的配电网建模与分析
谭俊1，张国芳2，刘广一1，魏龙飞1，刘克文3，戴仁昶1
（1．全球能源互联网美国研究院，加利福尼亚州 圣何塞 95134；2．国网四川省电力公司，四川 成都 610041；3．全球
能源互联网研究院有限公司，北京 100031）
摘 要： 随着电力系统的快速发展，其规模和复杂度正在急剧增加。

电力系统需要更加高效的数据管理和更快的分析计算工具。

这些挑战可以通过图数据模型和图计算技术得到很好的解决。

图数据模型可以为电力系统提供高效的数据管理手段，同时图计算可以通过并行计算提高分析计算速度。

文章提出了一种基于图数据模型的配电网建模方法，并在此基础上开发了基于图计算的并行潮流算法和基于图数据库的配电网分析软件。

所提出的并行潮流算法可以有效地提高计算效率，减少潮流计算时间。

同时，开发的配电网分析软件可以提供灵活的可视化功能和强大的数据分析及管理功能。

关键词：图数据库；图计算；图数据模型；配电网分析；并行计算
中图分类号：TM 72 文献标志码：A DOI：10.19421/ki.1006-6357.2019.11.004
基金项目：国家电网有限公司科技项目（5455HJ180018）。

Supported by State Grid Corporation of China（5455HJ180018）．
［引文信息］谭俊，张国芳，刘广一，等．基于图计算的配电网建模与分析［J］．供用电，2019，36（11）：28-34，54．TAN Jun,ZHANG Guofang，LIU Guangyi，et al．Graph computing based power distribution system modeling and analysis［J］．Distribution & Utilization，2019,36（11）：28-34，54．
0 引言
随着太阳能和风力发电等可再生能源的快速增长，配电网变得越来越复杂，因此需要更高效的数据管理方法和更高效的网络分析手段［1-4］。

为了实现高效的数据管理和更快计算速度的目标，需要新的电力系统的建模方法来突破传统关系数据库带来的限制。

图数据库和图计算从图论的角度构建电力系统网络，是解决该问题的一种突破性技术。

图数据库通过将信息直接存储在节点和边上来提供更有效的数据管理方法，利用节点和边组成的图形结构使得图数据库只需要很少的处理时间就可以检索任何深度的数据［5］。

市场上已开发出多种针对不同应用的图数据库平台，如Pregel ［6］、Neo4j ［7］、Giraph ［8］
、TigerGraph ［9］等。

目前，国内外已经在图形计算领域及其在电力系统中的应用展开了一系列研究［10 -15］。

文献［10］利用整体同步并行计算模型提出了基于图计算的快速非线性迭代潮流算法，实现了万级节点输电网的毫秒级快速潮流求解。

文献［11］分析总结了图计算技术在能量管理系统（EMS）中的应用前景。

文献［12］采用基于图论的网络流方法对电力系统的运行进行实时分析，以提高网络连通性的可视化功能。

文献［13］提出了一种基于图划分理论的混合整数线性规划方法，用于电力系统孤岛运行分析。

文献［14］提出了一种基于图论的最优潮流算法来规划电能质量检测装置在电网中的最优接入方案。

文献［15］应用因子图来实现分布式电力系统状态估计。

基于目前开展的研究工作，图计算在输电网的运行分析［10］和电力系统的资产管理［16］等方面已经进行了初步的应用研究。

然而，在配电网的运行分析领域，图计算的应用还十分缺乏。

因此，本文将提出一种基于图数据模型（graph data model，GDM）的配电网网络建模方法。

该方法能够提供快速的并行潮流计算分析平台，高效数据管理应用和基于图数据库的数据可视化方案。

该并行
潮流算法采用整体同步并行计算模型（bulk synchronous
parallel computing model，BSP）［17］
中的分层同步并行
计算机制，能够有效地减少大型系统的潮流计算分析时间。

同时基于提出的GDM 和并行图潮流算法，开发了配电网的图计算分析软件平台，该软件平台能够提供生动的数据可视化，并执行灵活的数据分析和数据管理功能，实现馈线供电路径追踪、配电网重构分析和连续时间序列仿真分析等多种应用。

本文的主要贡献可以归纳为：①提出了基于GDM 的配电网建模方法；②提出了基于图计算的配电网并行潮流算法；③开发了具有多种应用功能的配电网图计算分析软件平台。

特别策划
4 1 配电网的图数据模型与图计算
1.1 图数据库介绍
在图计算的应用中，图数据库被定义为具有节点、
边和属性并利用图结构来进行语义查询的数据库［18］。

在图数据库中，每个节点或边表示一个实体，这些实体
之间的关系由图结构表示。

因此，通过适当地定义节点
和边，可以将诸如电力系统网络、交通网络、社交网络
等各种场景建模为图模型。

对于关系数据库，其数据检索过程需要复杂的表格
连接操作。

与关系数据库不同，图数据库通过图的概念
将存储中的数据项与图结构中的节点和边关联，使得数
据之间的关系被构造成数据库中的图形结构。

当从图数
据库中检索数据时，往往通过一个简单的查询操作就能
完成。

因此，通过使用图数据库极大地增强了数据检索和数据更新的效率。

使用图数据库的好处是显而易见的，特别对在处理具有复杂层次结构的系统和拓扑遍历问题时非常有效。

这种应用之一是分析配电系统中馈线的电压分布。

这种分析对于配电网的运行和规划是十分必要的，并且可以在图数据库中有效地实现。

图1具体对比了配电网在关系数据库和图数据库中的表达方式和信息检索的区别。

对于如图1（a）所示的IEEE 13节点系统的示例，关系数据库需要构建13条记录的母线表、12条记录的支路表和24条记录的连接表，而图数据库只需要创建13个节点和12条边。

如图1（b）所示，由于关系数据库不支持表之间的多对多关系，需要创建连接表来表示节点和支路之间的关系。

但是，在如图1（c）所示的图数据库中，连接信息可以直接表达在图形结构中。

举例说明，为了检索从节点650到节点675这条供电路径的电压信息，图数据库仅需要找到这条高亮路径中的每个遍历节点的父节点。

从节点675定位路径中的所有节点只需要4个步骤。

但是，这个过程对于关系数据库来说却十分复杂，如图1（b）中显示的高亮路径，它需要8个连接操作才能找到路径中的所有节点。

这些表格的连接操作十分消耗计算与内存资源，并且计算消耗会随着系统规模的增加呈指数增长。

因此，图数据库在配电系统的数据管理应用中非常有效。

1.2 配电网的图数据模型
图计算是对现实世界的一种图结构的抽象表达，以及在这种以图结构为基础的数据结构上的计算模式。

图计算技术可以把现实中的事物之间的关系通过图形刻画并完整地描述出来。

配电网网络本质上是一个图形，因此它可以很容易地建模为图计算中的图形网络。

为了构
图1 配电网在关系数据库与图数据库中的表达方式Fig.1 Power distribution network data representation in relational
database and graph database
建配电网络的GDM，需要将配电网网络定义为图形网络G(V,E)，其中V是节点的集合、E表示边的集合。

直观地说，母线、负载节点、电压调节器、开关和并联电容器可以建模为图中的节点，而线路和变压器则可以建模为图中的边。

节点和边都有一组属性，表示为P(a v,a e)。

因此，用于潮流计算的数据和计算结果可以通过属性存储在图的节点和边上。

由于图数据库是内存数据库，因此图计算不需要浪费时间来执行潮流程序和数据库之间的通信。

此外，图数据库对数据的检索更加有效，因为它不需要传统关系数据库中耗时的连接操作。

例如，与负载点相关联的所有数据（例如负载大小、电压大小、连接母线等）都存储在负载节点中，并且不需要连接负载表，网络拓扑表和潮流计算结果表来检索负载点的信息。

此外，图结构还有助于实现基于节点并行与分层并行的并行计算程序。

因此，图数据库能够通过提供快速的并行潮流计算以及有效的数据管理和数据分析功能来实现高效的配电网运行与分析。

2 基于图计算的并行潮流算法
2.1基于分解聚合的并行算法
图计算在数据存取、网络关系建模和并行计算等方面有着明显的优势。

本章节将具体分析图计算的并行原理与并行潮流算法的实现。

图计算的并行原理如图2所示，分为3个阶段：第一阶段是GDM的定义与计算资源的分配；第二阶段是基于BSP同步实现递归、迭代分解计算；第三阶段是获取计算结果与输出。

在获得GDM 之后，可以在图上执行并行计算， BSP模型通过一个
图2 图计算的并行原理
Fig.2 Parallel computing mechanism for graph computing
基于MapReduce
的图潮流算法的计算过程如图
3
所示。

得到计算的GDM 后，需要添加虚拟节点S 和T 来指明图计算中网络的起点和终点。

这些虚拟节点也可以被视为配电网网络中不同部分的分离点。

首先定义两个相对概念，子节点集和父节点集。

子节点集是当前正在处理的节点，而父节点集是指直接与子节点相连的上端节点的集合。

如图3所示，如果子节点集是T 0，则父节点集是T 1。

该计算采用两种不同的并行计算机制：第一个是基于节点的并行机制，该并行机制使得图中所有节点的计算同步进行，如计算矩阵的形成和节点属性更新
3所示，处MapReduce
图3 基于分解聚合的图潮流算法原理
Fig.3 Graph computing based on MapReduce
2.2 基于图计算的并行潮流算法
图4显示了基于MapReduce 原理的并行前推回代潮流算法［20］在三相不平衡潮流计算中的应用。

该算法的前推过程类似于一个正向的MapReduce 过程，计算各节点的用功功率，回代过程类似于一个反向的MapReduce 过程，计算各节点的电压，两个过程双向交互进行直到到达收敛条件。

具体算法流程如图5所示。

图4 基于图计算的并行潮流算法原理
Fig.4 Working principle of the parallel power flow algorithm based on graph computing
特别策划
4
图5 基于图计算的并行潮流算法流程
Fig.5 Parallel power flow algorithm based on graph computing
2.3 连续时间序列仿真的图数据结构方案设计
连续时间序列潮流仿真分析需要涉及时空数据的管理，而利用图数据库的优势，可以对连续时间序列仿真中的时空数据提供有效的管理方案。

如图6右侧的时间图所示，通过把时间这个对象描述为一个时间网络，
用来表征时间节点，
用来表征年到月、月到日的关联关系，这样就生成了一张时间图。

图6左侧是IEEE 123节点的馈线图
，其中。

通过建立
图G P 到图G T 的联系，例如从节点Node 到节点Day 建立连接边Time Series Data，这样就可以把配电网某个节点上对应某天的数据存储在边TimeSeriesData
的某个属性上。

图6 连续时间序列仿真的图数据模型
Fig.6 Graph data model for time series power flow analysis 3 基于图计算的配电网分析应用
本部分将介绍基于图数据库和图计算技术开发的配电网分析软件及其应用功能。

该软件的计算内核基于上文提出的并行图潮流算法，并通过图数据库提高数据管理与分析的效率。

此处将重点介绍该软件在供电路径追踪与网络重构、连续时间序列仿真分析中的储能与电压控制等两方面的应用，并展示其在数据可视化和数据分析方面的优势。

3.1 软件架构
如图7所示，该软件架构基于前端—后端—数据库的3层结构设计。

前端是基于网页设计的人机交互界面，使用Angular 作为软件框架，并利用HTML、CSS 和JavaScript 为不同的应用程序开发功能组件。

后端采用Flask 架构，负责服务器、应用程序和数据库之间的通信。

图数据库采用TigerGraph ［9］，它可以实现快速的数据检
索、数据更新和数据通信。

图7 基于图计算的配电网分析软件架构
Fig.7 Architecture of the power flow software based on graph
computing
3.2 供电路径追踪与网络重构
图数据模型的一个重要优势是可以对拓扑结构数据进行高效的查询和分析，典型的应用有供电路径追踪和网络重构。

图8显示了IEEE 123节点测试系统的潮流计算结果分析页面。

图8的左侧是系统网络拓扑结构的图形展示，右侧是供电路径的分析结果。

如图8所示，单击图形上的任意节点后，该功能将找出从所选节点到变电站节点的供电路径并高亮显示。

同时显示了该供电路径的电压分布曲线、有功功率变化、电压不平衡度分析、分相负载分布和线路损耗分析。

图9显示了该软件的网络重构功能。

通过更改左侧网络结构中的开关状态，该功能将自动更新图9的网络拓扑结构，并为网络分析提供新的网络拓扑模型。

4
特别策划
图9 配电网网络重构应用
Fig.9 Network reconfiguration page for the distribution system
3.3 连续时间序列仿真
基于上一章节构建的连续时间序列潮流计算的图数据模型，本节内容实现了基于图计算的连续时间序列仿真，并针对储能控制和电压控制两个应用分析了该软件中连续时间序列仿真模块的功能。

3.3.1 储能控制
储能控制功能的一个应用场景是利用储能设备来削减大型电力用户的峰值负荷，减少其用能成本。

本配电网分析软件的储能控制功能可以针对该应用为用户提供储能单元的控制模式优化与容量规划，可以根据用户的用能特点选择合适容量的储能设备并优化其控制模式。

用户可以设置储能的容量与最大充放电功率，以及储能的控制模式。

该功能通过监测用户的实时用电功率来决定储能单元的动作：当用户的负荷大于放电启动限值时，储能单元开始放电，减少用户的净用电负荷，直到用户负荷低于放电停止限值；当用户的负荷小于充电启动限值时，储能单元开始充电，为下次放电积攒能量，直到用户的负荷大于充电停止限值。

因此，储能控制模式的设置包含放电启动限值、放电停止限值、充电启动限值、充电停止限值等4个参数。

下面举例说明其工作过程：设置储能容量为100 kWh，充电与放电的功率上限为30 kW，放电启动
限值为55 kW，放电停止限值为45 kW，充电启动限值为25 kW，充电停止限值为40 kW。

因此，当测量到用户负荷大于55 kW 时，储能单元启动并开始放电，当用户负荷小于45 kW 时，储能单元停止放电；当用户负荷小于25 kW 时，储能单元开始充电，当用户负荷大于40 kW 时，储能单元停止充电。

仿真结果如图10所示，通过图10（a）的负载净负荷的变化可以分析当前设置的储能充放电功率最大限值是否合适。

图中可以看出，大多数时候净负荷可以限值在55 kW，但6:00附近时，由于负载
较大，净负荷出现尖峰。

因此，需要选择充放电功率限值更大的储能设备。

结合图10（c）中储能单元SOC 的变化可以分析当前储能的容量选择是否合适，同时根据一天结束时SOC 的值可以判断充电启动限值是否设置合理。

原则是让储能SOC 的最后状态与初始状态接近，保障第二天开始时，储能的SOC 在0.5左右。

图10 储能控制功能的仿真分析结果
Fig.10 The simulation results for energy storage control application
3.3.2 电压控制
电压控制在配电网的运行中十分重要，可以保障负载点的电能质量。

本应用中，通过在对电压敏感的负载
特别策划
4
点安装投切电容来控制电压。

采用IEEE 123节点系统为
例，负载点每相的额定电压为2 400 V，在负载节点88
安装投切电容，容量为每相100 kvar。

设置投切电容的
动作电压为2 300 V，最大电压为2 400 V。

仿真结果如图11所示，当电压低于2 300 V时，电
容开关闭合；当电压高于2 400 V时，电容开关断开。

通过电容的无功补偿后，该负载节点的A相最低电压为
2 220 V，大于0.9 p.u.。

该功能可以分析补偿后的电压曲线，为选择合适容量的补偿电容提供参考。

图11 电压控制功能的仿真分析结果
Fig.11 The simulation results for voltage control application 4 仿真结果分析
本部分将详细测试所提出的基于图计算的并行潮流算法的计算性能。

测试内容包含比较同一测试系统在不同计算线程下的计算时间和比较不同测试系统在相同计算线程下的计算时间。

测试系统基于IEEE 123节点系统［21］，较大的测试系统由多个IEEE 123节点系统组成。

图计算平台基于TigerGraph v.2.3图数据库，测试服务器有2CPUs6核2线程@2.10GHz，内存为64 GB。

图12给出了IEEE 123节点系统中，计算时间随着计算线程数的变化情况。

从图12可以看出，计算时间随着计算线程数的增加而减小，而当计算线程数达到一定数量后，提速效果并不明显。

较大的测试系统由多个IEEE 123节点测试系统并联组成。

其测试结果如图13与图14所示。

图13显示了图图12 图并行潮流算法在IEEE 123节点测试系统中的计算性能Fig.12 The performance of the parallel computing algorithm for
IEEE 123 node test feeder
并行潮流算法在不同规模测试系统中计算时间随着计算线程数的变化情况。

可以看出，计算时间会随着计算线程数的增加而减少，而且对于规模越大的测试系统，计算时间减少的幅度越大。

图14给出了图并行潮流算法在不同计算线程数下对不同规模测试系统的计算性能。

从图中可以看出，计算时间随着系统规模的变大而增加，但使用较多计算线程时，计算时间随系统规模的增加并不明显。

根据测试结果可以分析得出，图并行潮流计算在多线程的并行环境中，计算速度会显著提升，而且对于规模越大的系统，效果越明显。

因此，本文提出的图并行潮流算法十分适用于分析大规模的配电网系统。

图13 图并行潮流算法在不同规模的测试系统中计算时间
随计算线程数的变化
Fig.13 The computing performance of the algorithm with different computing threads for different size of the systems
图14 图并行潮流算法在不同计算线程数下对不同规模测
试系统的计算性能
Fig.14 The computing performance of the algorithm with different size of the systems using different computing threads
5 结语
本文提出了一种基于图数据模型的配电网建模方法，把图数据库应用到配电网的数据管理与分析中，使得配电网数据的检索与分析更加高效，能够高效地实现供电路径追踪和网络重构等基于拓扑分析的应用。

基于配电网的图数据模型，提出了基于图计算的并行潮流算法，并开发了基于图数据库的配电网分析软件。

本文所提出
的并行潮流算法可以有效地提高计算效率减少系统分析的时间消耗，为大规模的配电网分析提供了高效的分析计算工具。

此外，研发的配电网分析软件可以提供灵活的可视化功能和强大的数据分析和管理功能，可以实现潮流计算分析、网络拓扑分析、储能与电压控制等多种应用。

参考文献
［1］刘广一，周建其．融合多源数据的智能配用电多时间尺度数据分析技
术［J］．供用电，2018，35（3）：10-16．LIU Guangyi，ZHOU Jianqi．Multi-time scale data analysis technology for smart distribution and utilization system with multi-source data integration ［J］．Distribution & Utilization，2018，35（3）：10-16．［2］刘广一，黄仁乐．主动配电网的运行控制技术［J］．供用电，2014，
31（1）：30-32．
［3］管志成，丁晓群，张木银，等．考虑时序特性含电动汽车配电网分布
式电源优化配置［J］．电力系统保护与控制，2017，45（18）：24-31．GUAN Zhicheng，DING Xiaoqun，ZHANG Muyin，et al．Optimal a l l o c a t i o n o f d i s t r i b u t e d g e n e r a t i o n o f d i s t r i b u t e d n e t w o r k c o n t a i n i n g e l e c t r i c vehicle considering timing characteristics［J］．Power System Protection and Control，2017，45（18）：24-31．
［4］张刘冬，孙健，李虎成，等．双时间尺度下主动配电网多目标无功电
压优化［J］．供用电，2019，36（4）：43-49，63．ZHANG Liudong，SUN Jian，LI Hucheng，et al．Multi-objective reactive power voltage optimization for active distribution network under dual-time-scale［J］．Distribution & Utilization，2019，36（4）：43-49，63．［5］VICKNAIR C，MACIAS M，ZHAO Z D，et al．A comparison of a graph
database and a relational database：a data provenance perspective［C］//Proceedings of the 48th Annual Southeast Regional Conference，2010：42．［6］MALEWICZ G，AUSTERN M H，BIK A J C，et al．Pregel：a system
for large-scale graph processing［C］//Proceedings of ACM SIGMOD Int.Conf.Manage.data，2010：135-146．
［7］MILLER J J．Graph database application and concepts with NEO4J
［C］//Proceedings of the Southern Association for Information Systems Conference，2013，Altanta，USA：141-147．［8］SCHELTER S．Large scale graph processing with apache giraph［EB/OL］．
［2019-05-29］．https:///researcher/files/us-heq/Large%20Scale%20Graph%20Processing%20with%20Apache%20Giraph．pdf．［9］DEUTSCH A，XU Y，WU M，et al．Tigergraph：a native MPP graph
database［EB/OL］．［2019-05-19］．https:///pdf/1901.08248.pdf．［10］
刘克文，张国芳，袁琛，等．基于图计算的快速非线性迭代法求解潮流计算［J］．电力信息与通信技术，2018，16（10）：19-24． L IU Kewen，ZHANG Guofang，YUAN Chen，et al．Fast nonlinear iterative
method based on graph calculation for power flow calculation［J］．Electric
Power Information and Communication Technology，2018，16（10）：19-24．
［11］ 路轶，刘克文，袁琛，等．图计算在EMS中的应用研究初探［J］．电
力信息与通信技术，2018，16（9）：1-7． L U Yi，LIU Kewen，YUAN Chen，et al．Application prospect of graph
computing in energy management system［J］．Electric Power Information and Communication Technology，2018，16（9）：1-7．
［12］
W ERHO T，VITTAL V，KOLLURI S，et al．Power system connectivity monitoring using a graph theory network flow algorithm［J］．IEEE Transactions on Power Systems，2016，31（6）：4945-4952．［13］
D ING T，SUN K，HUANG C，et al．Mixed-integer linear programming-based splitting strategies for power system islanding operation considering network connectivity［J］．IEE
E Systems Journal，2018，12（1）：350-359．［14］ W ON D J，MOON S I．Optimal number and locations of power quality
monitors considering system topology［J］．IEEE Transactions on Power Delivery，2008，23（1）：288-295．［15］ C HAVALI P，NEHORAI A．Distributed power system state estimation
using factor graphs［J］．IEEE Transactions on Signal Processing，2015，63（11）：2864-2876．［16］
张冰雪，刘婷婷，汤亚宸，等．基于图数据库的电力设备全生命周期管理技术研究［J］．电力信息与通信技术，2019，17（3）：1-7．
Z HANG Bingxue，LIU Tingting，TANG Yachen，et al．Research on power equipment life-cycle management technology based on graph database［J］．Electric Power Information and Communication Technology，2019，17（3）：1-7．
［17］ V ALIANT L G．A bridging model for parallel computation［J］．
Communications of the ACM，1990，33（8）：103-111．［18］
R AVIKUMAR G，KHAPARDE S A．A common information model oriented graph database framework for power systems［J］．IEEE Transactions on Power Systems，2017，32（4）：2560-2569．［19］ D EAN J ，GHEMAWAT S．MapReduce：simplified data processing on
large clusters［J］．Proceeding of Communication of the ACM，2008，51（1）：107-113．［20］ K ERSTING W H．Distribution system modeling and analysis［M］．Boca
Raton：CRC Press，2006：2-3．［21］
S CHNEIDER K P，MATHER B A，PAL B C，et al．Analytic considerations and design basis for the ieee distribution test feeders［J］．IEEE Transactions on Power Systems，2017，33（3）：3181-3188．
作者简介：
谭俊（1986—），男，博士，工程师，研究方向为电动汽车电网
集成、电力系统分析、电网可靠性分析、电力市场分析和博弈论。

张国芳（1985—），女，硕士，工程师，研究方向为电力系统及其自动化。

刘广一（1963—），男，博士，教授级高级工程师，国家特聘专家，研究方向为能量管理系统/配电管理系统、主动配电网、电力大数据、电力市场、图计算。

收稿日期：2019-09-18；修回日期：2019-09-23魏龙飞（1989—），男，博士，工程师，研究方向为电力市场分析、电网网络安全和稳定性分析、数值优化计算和博弈论。

刘克文（1981—），男，硕士，高级工程师，研究方向为综合能源服务、电力系统分析、计算机应用技术。

戴仁昶（1974—），男，博士，高级工程师，研究方向为电力系统调度自动化、图计算、智能电网和可再生能源发电。

（下转第54页 continued on page 54）
Research on Power Equipment Quality Integrated Management System Based on Graph Database
LI Wenbo1，JIA Rong2，ZHANG Huaichun1，LIU Guangyi3，ZHAO Hang1，TANG Yachen3，MA Fuqi4（1．Shaanxi Local Power Group Co．，Ltd．，Xi’an 710065，China；2．Xi’an Key Laboratory of Intelligent Energy，Xi’an University of Techonlogy，Xi’an 710048，China；3．Global Energy Interconnection Research Institute North America，San Jose 95134，USA；4．School of Electrical and Automation，Wuhan University，Wuhan 430072，China）
Abstract：Under the background of ubiquitous power Internet of things，it is of great significance to realize the unified modeling and management of distribution network data． However，the traditional distribution network generally contains many information management systems． The multiple subsystems are independent of each other，and the phenomenon of information islands is prominent． There are problems such as low comprehensive utilization rate of information，insufficient cross-sharing of business，and insufficient efficiency of automation equipment． For this reason，this paper designs a spatiotemporal data management system for multi-source distribution network based on graph database，spatiotemporal data analysis technology，visualization and display technology and the design concept of “one graph of distribution network”．Using the topological structure of distribution network，the unified modeling and information fusion of multi-source data in distribution network are realized，and the unified management and command of distribution network operation is realized．Key words：distribution network；one graph of distribution network；graph database；knowledge map；command and management （上接第11页 continued from page 11）
Active Distribution Network Integrated Energy Service Technical Support System Based on Graph
Computing Platform
LIU Guangyi1，HE Ming2，ZHOU Jianqi3，TAN Jun1，KAN Bowen1，FAN Hong1，WEI Longfei1，DAI Renchang1（1．Global Energy Interconnection Research Institute North America，San Jose 95134，USA；2．State Grid Sichun Power Company，Chengdu 610041，China；3．State Grid Jiaxing Power Supply Company，Jiaxing 314031，China）
Abstract：Power grid enterprises are vigorously promoting the development of integrated energy service business，adheres to electricity as the core，multi-energy and mutual benefit．The traditional passive power grid is gradually becoming an active distribution network that must provide comprehensive energy services for a large number of controllable resources．There is an urgent need to develop an integrated energy service technical support system for active distribution networks．This paper first introduces the characteristics of the graph computing platform which integrates data management，analysis calculation and vi-sualization together．On this basis，the technical architecture of the integrated energy service technical support system is pro-posed，which fully uses a spatio-temporal data management platform based on the concept of “one graph of power grid” and the implementation mechanism of graph database query application．The technologies of the10kV distribution load/distributed photovoltaic power generation prediction based on graph machine learning，the distribution network simulation analysis based on fast graph parallel computing，the distributed resource optimization control management mechanism based on virtual power plant concept，the grid equipment quality cross-system lifecycle management based on knowledge graph are developed．Finally，the six application functions of the integrated energy service technical support system are developed．It is expected that these new technologies will provide new technological options for the active distribution network integrated energy service business that is currently booming in terms of data management scale，analytical computing performance，and interactive visualization．Key words：active distribution network；integrated energy service；graph database；graph computing；one graph of power grid （上接第34页 continued from page 34）
Graph Computing Based Power Distribution System Modeling and Analysis
TAN Jun1，ZHANG Guofang2，LIU Guangyi1，WEI Longfei1，LIU Kewen3，DAI Renchang1
（1．Global Energy Interconnection Research Institute North America，San Jose 95134，USA；2. Sichuan Electric Power Corporation，Chengdu 610041，China；3.Global Energy Interconnection Research Institute，Beijing 100031，China）
Abstract：With the emergence of the graph database and the graph computing technologies，the power system is facing a new era of technology development. Meanwhile，the fast-growing power distribution systems with increased scale and complexity re-quire more efficient data management and faster power flow solving algorithm. These challenges could be well solved by applying the graph data model (GDM) and graph computing technologies as the GDM provides more efficient data management methods and the graph computing is suitable for the node to improve the speed of analysis and calculation based parallel computing. This paper proposes a GDM based power distribution network modeling approach. Based on this，a parallel power flow algorithm based on graph computing and distribution system analysis software based on graph database are developed. The proposed parallel power flow algorithm is implemented on a graph database platform and the simulation results show that it is able to effectively reduce the computing time of the power flow with large test systems. Moreover，the power flow software is able to provide vivid data visualization and perform flexible data analysis and data management functions.
Key words：graph database；graph computing；graph data model；power distribution system analysis；parallel computing。