欢迎访问标准论文网!本站提供各专业优秀论文范文供大家学习参考。网站地图
在线咨询:
您当前所在位置:标准论文网 > 工程论文 >

智能电网大数据处理与分析方法

添加时间:2018-12-21 14:13

  摘    要: 随着“互联网”时代的到来, 所有的行业都在使用大数据进行分析, 智能电网与大数据之间的关系越来越密切。为了建立一个健康稳定的智能电网, 我们需要正确、合理、高效地使用大数据。本文介绍了智能电网大数据的特点和相应的数据采集方法, 如交通数据采集、数据库采集、文件采集等, 还介绍了一些成熟的数据挖掘方法。同时, 本文又展望了大数据在智能电网中的应用前景。

  关键词: 电网工程; 数据治理; 智能化;
 

智能电网大数据处理与分析方法
 

  Abstract: With the advent of the “Internet”era, all industries are using big data for analysis.Among them, the relationship between smart grid and big data is becoming more and more closely related.In order to build a healthy and stable smart grid, we need to use large data correctly, reasonably and efficiently.The characteristics of large data in smart grid and corresponding data acquisition methods, such as traffic data acquisition, database acquisition, file acquisition, etc., Some mature data mining methods are introduced.At the same time, the application prospect of big data in smart grid is prospected.

  Keyword: power grid engineering; data management; intelligentization;

  0、 引言

  近年来, 随着全球气候变化和石材能源的不断增加, 世界各地的国家正在积极建设智能电网, 以确保供电系统的稳定和高效。在我国, 智能电网主要以超高压压电网络为骨干网络, 全电压等级电网则是协调运行的基础。同时, 利用各种信息处理技术, 并结合大规模数据挖掘和分析技术, 建立了基于信息的数字智能电源系统。供电系统包括发电、输电、变电站、配电、电力使用和调度。为保证系统的稳定、安全、环保和自愈运行, 通过智能电表可以实现整个电网的实时数据采集、存储、传输、分析和决策。

  1、 数据治理的发展

  在20世纪90年代之前, 外国公司在数据治理方面也存在许多问题, 如IBM和摩托罗拉。在1992年以前, IBM在数据治理方面存在的问题包括:没有明确的数据源依赖, 没有明确的数据所有者, 数据质量差。1995年, IBM整理并发展了业务数据标准, 定义了15个业务标准和79个次级类别业务标准。这样, 整个公司有了一个统一的业务定义。2004年, IBM开发了一个数据责任系统, 并联合该行业设立了若干公司和学术研究机构, 建立了一个数据治理论坛, 该论坛开发了一个数据治理框架和方法, 包括四个领域的11个要素, 以指导数据治理的实施。2005年其又成立了一个数据治理委员会和数据审查委员会。通过数据治理, IBM简化了基础架构和管理。

  此外, 在上世纪末期, 摩托罗拉提出了一个SIGMA管理策略, 包括在定义、测量、分析、改进和控制等方面的应用, 不过最初只用于解决产品或服务质量问题, 随后才用于处理数据质量的DMIC过程。近年来, IBM研究了大数据治理, 提出了一种应用于电信、零售、金融、公共交通等行业的大数据治理18步统一过程模型。

  2014年, 中国出现一个专门研究数据治理的组织ITSS WG1, 其正式提交并发表了一份关于ISO的数据治理研究白皮书。目前国内电力行业开展的数据治理工作主要分为两类, 一是处理现有业务环节的数据质量问题, 如市场研究;二是数据治理, 适用于数据质量等业务实体、业务分布和运行检验中心的TY评价。目前的数据治理工作尚未形成系统, 缺乏统一的标准、组织结构和管理评价机制, 难以持续有效地进行。

  随着对数据资产的理解越来越清晰, 电力行业数据治理的目标也在不断变化。国家电力研究所已开始研究数据治理系统, 包括数据治理系统的建设和应用, 但技术和管理尚未涵盖。智能电网的大数据及其特性随着智能电网的发展而发展, 电力行业需要在发电、输电、变电站、配电、用电、调度等关键领域部署数据采集智能仪表和智能管理系统进行数据分析。H.N.术语“智能电网”之所以引起全世界的关注, 主要是由于奥巴马的“智能电网”战略, 他在参加总统竞选时, 将其作为一个重要的竞选政策。2009年2月, 奥巴马决定为发展智能电网提供11亿美元的预算支持。仅两年后, 大数据的概念就被提出。因此, 电力部门的大数据管理成为时代趋势。2013年, 由中国电工学会信息技术委员会负责发布了一份关于中国电力大数据的白皮书, 这表明智能电网和大数据的融合已成为人们关注的焦点。大数据通常具有以下特性:多样性、速度、体积和价值, 这被称为“4V”。随着智能电表的普及, 人们能够访问大量的数据, 但是这些数据仍然存在诸如价值低、更新速度缓慢和分类混乱等问题。这要求我们使用科学的统计方法对这些数据进行分类和挖掘。

  2、 智能电网大数据处理方法

  智能电网有大量的数据, 许多类型的数据相关性较低, 这要求我们在数据收集阶段进行有针对性的数据收集。对于后续的分析和处理, 需要根据不同的数据类型来选择不同的获取方法。目前, 智能电网的数据采集有三种类型:交通数据采集, 采集设备监控日志等数据, 采集供电系统中采集的信息, 用于分布式采集、汇总、传输;数据库采集, 该方法主要从关系数据库中提取相关数据到分布式存储系统中;文件收集, 此方法主要存储诸如数字磁带和纯文本数据的文件, 标准化后, 将文件连接到分析系统。

  3、 智能电网大数据分析方法

  数据分析和挖掘是收集数据处理的最关键任务。由于智能仪表采集的各种数据和速度的快速变化, 有必要对数据进行快速分类和标准化, 否则处理数据将失去时效性。由于上述特征, 分析大数据的方法难以再次应用, 这就要求我们在分析矿山数据采用改进的分析方法。目前常用的分析方法有:主成分分析、K均值聚类、C均值聚类、分类决策树算法、深度学习算法、Spark-FCM算法。

  尤其对于深度学习算法, 我们可以通过建模来执行多个过程, 例如特征选择、参数选择和模型集成。在聚类分析中, 数据挖掘可以通过聚类、相关、回归和分类来实现。

  4、 大数据在智能电网中的应用

  4.1、 配电设备负荷估算和过载报警

  4.1.1、 状态和需求

  在中国电网中, 一些城市和农村由于配电变压器超载, 会造成电力问题, 如:“瓶颈堵塞”、低电压和频繁的断电。电力部门发现, 智能电表可以安装在变压器过载频繁的平台区域。智能电表可以收集和监控配电设备上的负载, 以确定配电设备是否处于重过载状态。在电网建设项目全过程管理系统的设计过程中, 必须坚持现代的管理理念, 更新传统的管理模式, 使之更加现代化, 并顺应时代潮流, 确保可行性和实用性, 以及整个过程管理系统的可操作性。此外, 整个过程管理系统在电网建设项目中的应用, 提高了管理效率, 大大降低了投资成本, 对相关的技术内部和人员提出了更高的要求。公司应建立新的人力资源管理模型, 优化资源配置, 选择更先进的管理方法, 提高员工的专业技能, 有效维护和管理系统[1]。因此, 在开发电网时, 必须将项目全过程管理的要求放在一个重要的位置。在此基础上, 根据设计计划进行研究分析和实施。

  4.1.2、 应用前景

  在未来, 通过对用户的电力负荷分析, 结合大数据流处理技术, 利用智能仪表采集的数据实时计算每个终端的功率负载, 同时, 根据电网运行数据, 计算在重载下运行的配电设备和在正常条件下运行的配电设备, 结合电网中相应的GIS系统, 可以准确定位重负荷条件下的配电设备的具体位置。

  4.2、 线路损耗的计算与分析

  4.2.1、 状态和需求

  在智能电表普及之前, 电力部门通常安排人员阅读用户线路上的仪表。这种统计不仅缺乏底层数据的时效性, 使粗糙的部门不能预测用户的实时负荷, 也使电力部门不能在TR中产生数据。计算并处理线路损耗时, 线路损耗往往较大。另外, 由于不能实时地知道用户的电力负荷, 所以不能及时地发现盗窃、泄漏等, 也使线路的损耗增加。这也是中国输电线路线损率比其他国家高的一个重要原因。在现代管理理念下, 以项目管理的全过程为出发点, 运用数据集和各种先进的信息技术, 最终集成了项目管理的应用信息和业务信息。为实现企业管理的目标, 在整个项目管理过程中进行一系列的实时管理活动, 是电网建设项目管理的全过程。

  在项目管理过程中, 虽然涉及多项目、决策、个别项目等多层次的管理。但是, 这些不同的管理层次具有一致的发展目标, 共同为企业项目管理应用服务。整个过程管理系统必须满足多种管理的需要, 实现全面的综合分析, 灵活的调整和控制。该系统在电网项目建设中占有很高的地位, 是规范电力企业管理的基本要求。从安全、质量、进度、成本效益等方面获得了电网项目管理的全过程, 进一步完善了管理应用, 并将整个管理过程渗透到项目建设的各方面, 以提高电力企业的质量。

  4.2.2、 应用前景

  利用分布式存储技术, 建立了网格与客户端实时更新与互连的数据管理系统。系统可查询智能仪表的统计数据, 对各参数进行比较, 当数据异常时就会报警。同时也可以为相关部门提供源数据, 帮助其分析线路是否损坏, 有助于泄漏报警、防盗报警等。使用分布式计算技术, 该区域根据管理级别实时执行相应的线路损耗管理和控制, 并根据不同的区域和不同类型的电网配置执行线路损耗管理和控制, 对实际线路损耗和理论线路损耗进行了比较分析。根据统计数据, 利用数据进行挖掘, 找到一种较好的减少线路损耗的方法。通过对上述电网建设项目全过程管理系统的设计、结构和功能的分析, 总结了该系统的效益分析。在整个项目管理体系的条件下, 电力企业实现了对多个目标的集中管理, 使项目管理更全面、更具体, 提高了管理效率。此外, 通过较强的可操作性, 系统可以从全局的角度对不同业务和项目之间的关系进行合理的调整和布局, 对项目的实施进行分析和评价, 提高项目管理的效率。

  另一方面, 电网建设项目的全过程管理系统还可以向决策部提供项目成本、设计、合同、分析、评价等相关报告, 丰富管理数据, 帮助相关人员的工作。全面了解项目管理, 及时有效处理管理问题, 使数据管理更现实、可靠, 为项目价值评估奠定基础, 确保项目决策的有效性。电网建设项目全过程管理系统的项目决策功能, 为电力企业的运营创造了良好的环境, 促进了电力企业的可持续发展。

  5、 结论

  在大数据时代, 随着智能电表的普及, 未来的网格数据将表现出几何性增长, 大数据分析将给人们带来新的理解, 帮助人们更好地处理问题, 大数据智能电网的开发也将促进大数据的快速发展。智能电网的发展将为智能城市的建设提供巨大的帮助。

  参考文献:

  [1]张亚平, 陈颖.电网工程数据治理与应用[J].中国电力企业管理, 2017 (36) :44-45.
  [2]李飞.基于GIS的贵州电网营配数据治理管控研究与实现[J].贵州电力技术, 2014, 17 (10) :48-53.
  [3]谈韵.电网大数据治理体系初探[J].电子技术与软件工程, 2017 (5) :182-183.
  [4]马洪波.南阳电网工程数据管理系统的规划与设计[D].南京:南京理工大学, 2011.
  [5]刘宏志, 屠庆波, 韩延峰.大数据环境下的电网工程造价分析管控体系研究[J].华东电力, 2014, 42 (12) :2722-2727.
  [6]宋渝茜.大数据环境下的电网工程造价分析管控[J].信息化建设, 2016 (2) :87.