大数据技术在电力调控中的应用方向分析 上官敬

大数据技术在电力调控中的应用方向分析上官敬

发表时间：2018-08-21T14:04:20.407Z 来源：《电力设备》2018年第15期作者：上官敬原

[导读] 摘要：随着我国全球能源互联网及智能电网的建设不断推进，各类新能源、分布式能源、电动汽车等不断接入，电网的复杂性和不确定性进一步加剧，电力调控变得比较复杂，对电网安全、经济、可靠性运行及用户服务水平提出了较高的要求。

（国网侯马市供电公司山西侯马 043008）

摘要：随着我国全球能源互联网及智能电网的建设不断推进，各类新能源、分布式能源、电动汽车等不断接入，电网的复杂性和不确定性进一步加剧，电力调控变得比较复杂，对电网安全、经济、可靠性运行及用户服务水平提出了较高的要求。而大数据技术在数据整合集成能力方面表现的比较优越，为其在电力调控中的应用提供了广阔的空间。本文就针对大数据技术在电力调控中的应用方向进行深入探讨。

关键词：电力调控；大数据；应用；方向

大数据应用已是大势所趋，“大数据时代”已然到来。随着国家智能电网的发展建设，电力行业的数据急剧增长。而以大数据、云计算为代表的新一代互联网技术在电力系统中的应用更加广泛。因此，大数据技术将成为我国电网未来发展模式转型后新的增长点。

1、电网调控运行大数据分类及特征

在电网调控运行过程中，各类数据的来源有三种，分别为基础数据、电网运行及设备状态监测数据以及外部信息数据。三种不同来源的数据可以相互作用和影响，在促进电网稳定运行方面都发挥着十分重要的作用。在电网调控运行的多个数据种类中，结构化数据种类占90%以上，包括电网运行数据、负荷预测数据、基础数据等等，另外，现如今，非结构化数据也逐渐被导入至电网调控运行参数组成中，比如视频监控数据、图形图像处理数据等等。

2、电力大数据的核心技术

（1）数据集成管理技术。在电力大数据中，数据集成管理技术的是对不同数据源、特征形式的数据进行收集和整理，在对数据进行转换、加载后，得出全新的数据源，然后载对全新的数据源进行管理和，并对外提供服务。数据集成管理技术可以为电力企业提供新的服务和应用功能。（2）数据分析技术。在电力大数据中，数据分析技术有很多种，包括机器学习技术、数据挖掘技术等等，通过数据分析，可以提取大数据中的有用信息。机器学习技术是人工智能的核心，其能够改善计算机系统使用性能，主要被应用于电力系统暂态稳定性评估、电力设备运行状态检测等方面。数据挖掘技术在实际应用中可以有效处理复杂的数据结构形式，对海量数据进行分析处理，进而提升数据质量，主要被应用于电力行为预测中。（3）数据处理技术。电力数据处理技术可以分为分布式计算技术、内存计算技术以及分布式数据流处理技术。其中，分布式计算技术指的是通过应用网络技术，将电力系统中的计算机进行连接，进而形成超级计算机，对大数据进行存储和计算；内存计算技术指的是将已经收集到的大数据存储在内存中，然后直接对大数据进行计算和分析；分布式数据流处理技术具有实时性、伸缩性和开放性特征，可以对电力系统中的动态数据进行实时处理。（4）可视化技术。可视化技术指的是通过应用图形化处理技术，将各类信息以比较容易理解的形式来展现，便于运行管理人员能够准确掌握各类信息。可视化技术的应用目标是发现信息，洞察数据，然后再做出决策。通过将可视化技术应用于电力系统状态实施监测中，能够有效提升电力系统自动化水平。

3、大数据技术在电力调控中的应用方向

电力系统是实现电能生产、传输、分配和消费实时平衡的复杂系统。随着全球能源互联网及坚强智能电网建设的不断推进，各类新能源、分布式电源、电动汽车等不断接入，对电网安全、经济、可靠运行及用户服务水平提出了更高要求，持续提高电力调控智能化水平势在必行，而大数据技术在数据整合集成能力上表现优越，为其在电力调控中的应用提供了广阔空间。

3.1提高电网运行安全性、经济性、可靠性

大数据技术在负荷预测、智能告警、电网状态监测与诊断等方面广泛应用，将有利于提高电网运行安全性、经济性、可靠性。在负荷预测方面：负荷预测对于电力系统安全、经济、可靠运行有重要作用，负荷预测精度对电网计划检修安排、安全裕度校核有较大影响。分布式电源、电动汽车的接入使得负荷的规律性变差，负荷预测精度难以提高；同一地区负荷中包含有不同负荷特性的各类负荷，本身的负荷特性和变化规律各不相同，且缺乏气象、地理、经济等数据信息，负荷预测精度不理想。引入大数据技术，整合集成气象、地理、经济等其他行业数据信息，为提高负荷预测精度带来新的可能。在智能告警方面：随着电网规模不断扩大，调控中心监控信息量不断加大，调控员淹没在海量的告警信号中；各种设备缺陷、告警信号、视频监控信息、历史修试记录等没有集成，存在重复安排处理的现象，仅凭历史经验人工进行分析判断，处理效率低下。引入大数据技术，将分散在调控、输变电运维检修等不同部门不同专业的信息进行集成整合，为实现高效的智能告警提供可能。在电网状态监测与诊断方面：目前侧重于对单个设备监测，各个设备之间的监测数据没有共享，无法对整个电网设备全局进行分析，需要人工干预判断；另外，设备的基本试验参数、运行缺陷、修试记录等信息集成后，数据量大，分布离散，传统的数据分析方法处理效率低下。利用大数据技术对这些海量数据进行综合分析，实现设备状态的实时监视和趋势分析，有利于提高电网设备监测水平。

3.2提升客户用电服务水平

大数据技术在用户需求侧管理、计划检修安排等方面广泛应用，将有利于改善用户用电体验，提高客户用电服务水平。在用户需求侧管理方面：通过分析用户历史用能数据，归纳消费特征，促进用户需求侧管理，合理引导错峰用电，削峰填谷，提高地区负荷率水平，避免负荷大起大落，造成局部电压变化过大，影响大工业客户安全生产。引入大数据技术，将影响客户用能方式和水平的经济、政策、气候等影响因素及历史用能数据整合集成，为用电客户打造专属的负荷计划，提升用户需求侧管理水平。在电网计划检修方面：重复停电、延期送电等情况时有发生，因电网设备临时缺陷引起的非计划检修消缺工作，对客户供电可靠性及生产用电安排有较大影响，间接影响客户用电体验，降低了客户满意度。引入大数据技术，将客户设备检修计划、客户用电需求、电网设备检修计划、电网设备缺陷数据集成整合，统筹安排，减少重复停电次数，降低非计划检修概率，为电网安全可靠供电及用户合理生产用电创造良好的基础，最终提升用户服务水平。

4、结束语

随着数字信息化时代的迅猛发展，信息量也呈爆炸性增长态势。在人类充分享受信息化带来的资讯、方便和快捷时，也使得全球的数字信息资源正进入到一个前所未有的快速增长期。大数据在电力调控中的应用，充分利用了大数据高性能计算、数据挖掘、统计分析的能