智能配电网大数据应用需求和场景分析研究_刘科研
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
配电网
分析，将风险准确定位到局部，进一步对全网或局 部电网的风险状况进行集中判断、定位以及预防控 制。 2.3 有源配电网电能质量监测和评估 随着分布式电源不断地接入配电网，逐步形成 了小、中、大规模的有源配电网。伴随着分布式电 源的功率波动，配电网中的电能质量经受着较大的 冲击。通过收集配电网中的运行数据、负荷数据、 分布式电源运行等数据，能够开展配电网中的电能 质量分析和评估研究，从而得出精细化的配电网网 架和无功源的调节方案等。有源配电网电能质量监 测和评估示意图如图 2 所示。
LIU Keyan, SHENG Wanxing, ZHANG Dongxia, JIA Dongli, HU Lijuan, HE Kaiyuan
(China Electric Power Research Institute, Haidian District, Beijing 100192, China) ABSTRACT: There are a lot of multi-source heterogeneous data in smart distribution network (SDN), and the scale and characteristics of these data in accordance with the all features of the big data. Firstly, the source and characteristics of big data in distribution network (DN) were summarized. Then, loads forecasting of DN, operation evaluation and warning in DN, and power quality monitoring and assessment were analyzed from the perspective of SDN application scenario. Bad data identification in multi-source data fusion was investigated from different application system and different data structure perspectives. In addition, the modeling method of data association and analytical approach of DN data were generalized. The powerful computation and analysis condition can become potential by using big data technique application in SDN. The analysis results from big data can provide strong support for plan and safety operation, and the health level of DN devices can be also improved. KEY WORDS: big data; smart distribution network; scenario analysis; risk warning; operation evaluation 摘要： 智能配电网中存在大量异构多源的数据， 其中的数据 规模和特点符合大数据的各项特征。 首先总结配电网大数据 的来源和特征， 然后从智能配电网中的应用场景出发， 分别 从配电网负荷预测、 运行状态评估与预警、 电能质量监测和 评估、基于配电网数据融合的停电优化等方面进行分析。 从 不同系统和不同数据结构角度， 对多源数据融合中的不良数 据辨识进行重点分析， 同时还归纳了配电网大数据关联模型 建模方法和配电网大数据分析手段。 通过在配电网中运行大 数据的分析技术， 能够为智能配电网开展分析提供强有力的 计算和分析条件,大数据的分析结果可为配电网规划和安全 运行提供数据支撑，也可有效提升配电网各类资产健康 水平。
频率 节点电压水平 变压器负载率 线路负载率 安全性评价 基于 大数 据的 配电 网运 行状 态评 估与 预警 供电能力 评价 可靠性和供 电质量评价 经济性评价 故障辨识与 风险指标 容载比 负荷转移能力 负荷点故障率 电压合格率 电压偏移
1
配电网大数据的来源和特征
智能配用电大数据应用具备丰富的数据源，现
在大多数地市拥有多个配电管理系统，包括配电自 动化系统、调度自动化系统、电网气象信息系统、 电能质量监测管理系统、生产管理系统、地理信息 系统、用电信息采集系统、配变负荷监测系统、负 荷控制系统、 营销业务管理系统、 ERP 系统、 95598 客服系统、经济社会类数据等数据源，这些数据源 的总体状况如表 1 所示。 这些数据源涵盖了调度、运检、营销等多个管 理业务， 以及绝大部分 110 kV 及以下多电压等级的 电网监控和采集信息。从数据源类型来讲，智能配 用电大数据应用的数据源类型丰富，覆盖配变、配
第 35 卷 第 2 期 2015 年 1 月 20 日
中
国 电 机 工 程 学 Proceedings of the CSEE
报
Vol.35 No.2 Jan.20, 2015 ©2015 Chin.Soc.for Elec.Eng. 中图分类号：TM 71
287
DOI：10.13334/j.0258-8013.pcsee.2015.02.004
第2期
刘科研等：智能配电网大数据应用需求和场景分析研究
289
3）对配电网可靠性和供电质量进行评价，如 负荷点故障率、系统平均停电频率、系统平均停电 时间、电压合格率、电压波动与闪变、三相不平衡 度、波形畸变率、电压偏移、频率偏差等； 4）对配电网经济性进行评价，如线损率和设 备利用效率等。 通过计算风险指标，判断出所面临风险的类 型；预测从现在起未来一段时间内配电网所面临的 风险情况；根据风险类型辨识结果，生成相应的预 防控制方案，供调度决策人员参考；可以对突发性 的风险和累积性风险进行准确辨识、定位、类型判 断、生成预防控制方案等；依据对多源异构的数据
内， 用常规的工具软件(如现有数据库管理工具或数 据处理应用)对其内容进行抓取、 管理、 存储、 搜索、 共享、 分析和可视化处理的由数量巨大、 结构复杂、 类型众多数据构成的大型复杂数据集合[1-2]。 大数据 具有 4V 特点， 即高容量(Volume)、 快速性(Velocity)、 多样性 (Variety)和价值密度低(Value)。大数据带来 的挑战在于它的实时处理，而数据本身也从结构性 数据转向了非结构性数据，因此使用关系数据库对 大数据进行处理是非常困难的。 配电网处于电力系统的末端，具有地域分布 广、电网规模大、设备种类多、网络连接多样、运 行方式多变等鲜明特点。随着城镇化建设和用电需 求的增长，配电网一直在不断地改造和扩建，其规 模也不断扩大，国网公司系统内大多数县级以上配 电网的规模都已达到百条馈线以上，一些中、大型 城市的中压馈线已达到或超过千条。 随着配电自动化、用电信息采集等应用系统的 推广应用，对于有千条馈线的大规模配电网，配电 网中会产生指数级增长的海量异构、多态的数据， 数据集合的大小可达到当今信息学界所关注的大 数据级别。此外，大规模配电网还具有其特有的特 征：1）数据采集多，每个采集点采集相对固定类 别的数据，且分布在各个电压等级内； 2）不同采 集点的采样尺度不同，数据断面不同； 3）数据不 健全，数据采集存在误差和漏传； 4）数据分布在 不同的应用系统中。 含有包括光伏发电、风电、燃气轮机等分布式
基金项目：国家电网公司研究项目(PD71-14-032)。 Project Supported by State Grid Corporation of China Research Program (PD71-14-032).
关键词：大数据；智能配电网；场景分析；风险预警；运行 评估
0
引言
在信息技术中，大数据是指无法在一定时间
电变电站、配电开关站、电表、电能质量等配用电 自动化和信息化wenku.baidu.com据、 用户数据和社会经济等数据。
2
2.1
配电网典型大数据场景分析
面向有源配电网规划的负荷预测 随着配电网信息化的快速发展和电力需求影
响因素的逐渐增多，用电预测的大数据特征日益凸 显，传统的用电预测方法已经不再适用。由于智能 预测方法具备良好的非线性拟合能力，因此近年来 用电预测领域出现了大量的研究成果，遗传算法、 粒子群算法、支持向量机和人工神经网络等智能预 测算法开始广泛地应用于用电预测中。传统的用电 负荷预测，受限于较窄的数据采集渠道或较低的数 据集成、存储和处理能力，使得研究人员难以从其 中挖掘出更有价值的信息。通过将体量更大、类型 更多的电力大数据作为分析样本可以实现对电力负 荷的时间分布和空间分布预测，为规划设计、电网 运行调度提供依据，提升决策的准确性和有效性。 2.2 配电网运行状态评估与预警 基于大数据技术的配电网运行状态评估与预 警研究内容如图 1 所示，包括以下方面： 1）对配电网进行安全性评价，如电力系统的 频率、节点电压水平、主变和线路负载率等； 2）对配电网的供电能力进行评价，如容载比、 线路间负荷转移能力等。当供电能力不能满足负荷 需求时，根据负荷重要程度、产生的经济社会效益 以及历史电压负荷情况，进行甩负荷；
表1 典型配电系统数据源 Tab. 1 Typical data source of distribution system
编号 1 2 3 4 5 6 7 8 9 10 11 12 13 数据源系统 配电自动化 生产管理系统 地理信息系统 调度自动化系统 用电信息采集 负荷控制系统 负荷监测系统 营销业务应用系统 电能质量监测系统 电网气象信息系统 95598 客服系统 ERP 系统 地区社会经济数据 数据格式 结构化数据 结构化数据 半结构化/非结构化数据 结构化数据 结构化数据 结构化数据 结构化/半结构化数据 结构化数据 结构化/半结构化数据 非结构化数据 非结构化数据 结构化数据 结构化/非结构化数据
文章编号：0258-8013 (2015) 02-0287-07
智能配电网大数据应用需求和场景分析研究
刘科研，盛万兴，张东霞，贾东梨，胡丽娟，何开元
(中国电力科学研究院, 北京市 海淀区 100192)
Big Data Application Requirements and Scenario Analysis in Smart Distribution Network
288
中
国
电
机
工
程
学
报
第 35 卷
电源 (distributed generator ， DG) 的配电网即有源配 电网，分布式电源的不断渗透给大规模配电网传统 的分析与计算带来更大的挑战。分布式电源接入电 网后，向电网调度机构提供的信息至少应当包括： 1）电源并网状态、有功和无功输出、发电量；2） 电源并网点母线电压、频率和注入电力系统的有功 功率、无功功率； 3）变压器分接头档位、断路器 和隔离开关状态。因此，分布式电源接入后，在原 已规模很大的配电网数据采集中新增了一组需采 集的数据项，同时也会恶化配电网数据采集的非健 全性和不确定性。 鉴于大数据在电力系统的应用场景越来越多， 有必要对大数据在配电网的应用场景和目标进行 分析与总结，为大数据技术在智能电网中的应用提 供有益的参考。
平均停电频率 电压波动闪变 频率偏差 平均停电时间 线损率 设备利用率 配网设备故障率 DG故障率 指标计算 波形畸变率
图1 Fig. 1
有源配电网运行状态评估和风险预警 active distribution network
Operational status evaluation and risk warning in
分析，将风险准确定位到局部，进一步对全网或局 部电网的风险状况进行集中判断、定位以及预防控 制。 2.3 有源配电网电能质量监测和评估 随着分布式电源不断地接入配电网，逐步形成 了小、中、大规模的有源配电网。伴随着分布式电 源的功率波动，配电网中的电能质量经受着较大的 冲击。通过收集配电网中的运行数据、负荷数据、 分布式电源运行等数据，能够开展配电网中的电能 质量分析和评估研究，从而得出精细化的配电网网 架和无功源的调节方案等。有源配电网电能质量监 测和评估示意图如图 2 所示。
LIU Keyan, SHENG Wanxing, ZHANG Dongxia, JIA Dongli, HU Lijuan, HE Kaiyuan
(China Electric Power Research Institute, Haidian District, Beijing 100192, China) ABSTRACT: There are a lot of multi-source heterogeneous data in smart distribution network (SDN), and the scale and characteristics of these data in accordance with the all features of the big data. Firstly, the source and characteristics of big data in distribution network (DN) were summarized. Then, loads forecasting of DN, operation evaluation and warning in DN, and power quality monitoring and assessment were analyzed from the perspective of SDN application scenario. Bad data identification in multi-source data fusion was investigated from different application system and different data structure perspectives. In addition, the modeling method of data association and analytical approach of DN data were generalized. The powerful computation and analysis condition can become potential by using big data technique application in SDN. The analysis results from big data can provide strong support for plan and safety operation, and the health level of DN devices can be also improved. KEY WORDS: big data; smart distribution network; scenario analysis; risk warning; operation evaluation 摘要： 智能配电网中存在大量异构多源的数据， 其中的数据 规模和特点符合大数据的各项特征。 首先总结配电网大数据 的来源和特征， 然后从智能配电网中的应用场景出发， 分别 从配电网负荷预测、 运行状态评估与预警、 电能质量监测和 评估、基于配电网数据融合的停电优化等方面进行分析。 从 不同系统和不同数据结构角度， 对多源数据融合中的不良数 据辨识进行重点分析， 同时还归纳了配电网大数据关联模型 建模方法和配电网大数据分析手段。 通过在配电网中运行大 数据的分析技术， 能够为智能配电网开展分析提供强有力的 计算和分析条件,大数据的分析结果可为配电网规划和安全 运行提供数据支撑，也可有效提升配电网各类资产健康 水平。
频率 节点电压水平 变压器负载率 线路负载率 安全性评价 基于 大数 据的 配电 网运 行状 态评 估与 预警 供电能力 评价 可靠性和供 电质量评价 经济性评价 故障辨识与 风险指标 容载比 负荷转移能力 负荷点故障率 电压合格率 电压偏移
1
配电网大数据的来源和特征
智能配用电大数据应用具备丰富的数据源，现
在大多数地市拥有多个配电管理系统，包括配电自 动化系统、调度自动化系统、电网气象信息系统、 电能质量监测管理系统、生产管理系统、地理信息 系统、用电信息采集系统、配变负荷监测系统、负 荷控制系统、 营销业务管理系统、 ERP 系统、 95598 客服系统、经济社会类数据等数据源，这些数据源 的总体状况如表 1 所示。 这些数据源涵盖了调度、运检、营销等多个管 理业务， 以及绝大部分 110 kV 及以下多电压等级的 电网监控和采集信息。从数据源类型来讲，智能配 用电大数据应用的数据源类型丰富，覆盖配变、配
第 35 卷 第 2 期 2015 年 1 月 20 日
中
国 电 机 工 程 学 Proceedings of the CSEE
报
Vol.35 No.2 Jan.20, 2015 ©2015 Chin.Soc.for Elec.Eng. 中图分类号：TM 71
287
DOI：10.13334/j.0258-8013.pcsee.2015.02.004
第2期
刘科研等：智能配电网大数据应用需求和场景分析研究
289
3）对配电网可靠性和供电质量进行评价，如 负荷点故障率、系统平均停电频率、系统平均停电 时间、电压合格率、电压波动与闪变、三相不平衡 度、波形畸变率、电压偏移、频率偏差等； 4）对配电网经济性进行评价，如线损率和设 备利用效率等。 通过计算风险指标，判断出所面临风险的类 型；预测从现在起未来一段时间内配电网所面临的 风险情况；根据风险类型辨识结果，生成相应的预 防控制方案，供调度决策人员参考；可以对突发性 的风险和累积性风险进行准确辨识、定位、类型判 断、生成预防控制方案等；依据对多源异构的数据
内， 用常规的工具软件(如现有数据库管理工具或数 据处理应用)对其内容进行抓取、 管理、 存储、 搜索、 共享、 分析和可视化处理的由数量巨大、 结构复杂、 类型众多数据构成的大型复杂数据集合[1-2]。 大数据 具有 4V 特点， 即高容量(Volume)、 快速性(Velocity)、 多样性 (Variety)和价值密度低(Value)。大数据带来 的挑战在于它的实时处理，而数据本身也从结构性 数据转向了非结构性数据，因此使用关系数据库对 大数据进行处理是非常困难的。 配电网处于电力系统的末端，具有地域分布 广、电网规模大、设备种类多、网络连接多样、运 行方式多变等鲜明特点。随着城镇化建设和用电需 求的增长，配电网一直在不断地改造和扩建，其规 模也不断扩大，国网公司系统内大多数县级以上配 电网的规模都已达到百条馈线以上，一些中、大型 城市的中压馈线已达到或超过千条。 随着配电自动化、用电信息采集等应用系统的 推广应用，对于有千条馈线的大规模配电网，配电 网中会产生指数级增长的海量异构、多态的数据， 数据集合的大小可达到当今信息学界所关注的大 数据级别。此外，大规模配电网还具有其特有的特 征：1）数据采集多，每个采集点采集相对固定类 别的数据，且分布在各个电压等级内； 2）不同采 集点的采样尺度不同，数据断面不同； 3）数据不 健全，数据采集存在误差和漏传； 4）数据分布在 不同的应用系统中。 含有包括光伏发电、风电、燃气轮机等分布式
基金项目：国家电网公司研究项目(PD71-14-032)。 Project Supported by State Grid Corporation of China Research Program (PD71-14-032).
关键词：大数据；智能配电网；场景分析；风险预警；运行 评估
0
引言
在信息技术中，大数据是指无法在一定时间
电变电站、配电开关站、电表、电能质量等配用电 自动化和信息化wenku.baidu.com据、 用户数据和社会经济等数据。
2
2.1
配电网典型大数据场景分析
面向有源配电网规划的负荷预测 随着配电网信息化的快速发展和电力需求影
响因素的逐渐增多，用电预测的大数据特征日益凸 显，传统的用电预测方法已经不再适用。由于智能 预测方法具备良好的非线性拟合能力，因此近年来 用电预测领域出现了大量的研究成果，遗传算法、 粒子群算法、支持向量机和人工神经网络等智能预 测算法开始广泛地应用于用电预测中。传统的用电 负荷预测，受限于较窄的数据采集渠道或较低的数 据集成、存储和处理能力，使得研究人员难以从其 中挖掘出更有价值的信息。通过将体量更大、类型 更多的电力大数据作为分析样本可以实现对电力负 荷的时间分布和空间分布预测，为规划设计、电网 运行调度提供依据，提升决策的准确性和有效性。 2.2 配电网运行状态评估与预警 基于大数据技术的配电网运行状态评估与预 警研究内容如图 1 所示，包括以下方面： 1）对配电网进行安全性评价，如电力系统的 频率、节点电压水平、主变和线路负载率等； 2）对配电网的供电能力进行评价，如容载比、 线路间负荷转移能力等。当供电能力不能满足负荷 需求时，根据负荷重要程度、产生的经济社会效益 以及历史电压负荷情况，进行甩负荷；
表1 典型配电系统数据源 Tab. 1 Typical data source of distribution system
编号 1 2 3 4 5 6 7 8 9 10 11 12 13 数据源系统 配电自动化 生产管理系统 地理信息系统 调度自动化系统 用电信息采集 负荷控制系统 负荷监测系统 营销业务应用系统 电能质量监测系统 电网气象信息系统 95598 客服系统 ERP 系统 地区社会经济数据 数据格式 结构化数据 结构化数据 半结构化/非结构化数据 结构化数据 结构化数据 结构化数据 结构化/半结构化数据 结构化数据 结构化/半结构化数据 非结构化数据 非结构化数据 结构化数据 结构化/非结构化数据
文章编号：0258-8013 (2015) 02-0287-07
智能配电网大数据应用需求和场景分析研究
刘科研，盛万兴，张东霞，贾东梨，胡丽娟，何开元
(中国电力科学研究院, 北京市 海淀区 100192)
Big Data Application Requirements and Scenario Analysis in Smart Distribution Network
288
中
国
电
机
工
程
学
报
第 35 卷
电源 (distributed generator ， DG) 的配电网即有源配 电网，分布式电源的不断渗透给大规模配电网传统 的分析与计算带来更大的挑战。分布式电源接入电 网后，向电网调度机构提供的信息至少应当包括： 1）电源并网状态、有功和无功输出、发电量；2） 电源并网点母线电压、频率和注入电力系统的有功 功率、无功功率； 3）变压器分接头档位、断路器 和隔离开关状态。因此，分布式电源接入后，在原 已规模很大的配电网数据采集中新增了一组需采 集的数据项，同时也会恶化配电网数据采集的非健 全性和不确定性。 鉴于大数据在电力系统的应用场景越来越多， 有必要对大数据在配电网的应用场景和目标进行 分析与总结，为大数据技术在智能电网中的应用提 供有益的参考。
平均停电频率 电压波动闪变 频率偏差 平均停电时间 线损率 设备利用率 配网设备故障率 DG故障率 指标计算 波形畸变率
图1 Fig. 1
有源配电网运行状态评估和风险预警 active distribution network
Operational status evaluation and risk warning in