电力调控大数据集成及管理技术分析金明明

电力调控大数据集成及管理技术分析金明明

金明明

(宝应县供电公司江苏省扬州市225800)

摘要：随着特高压交直流混合电网的大规模建设以及“大运行”体系建设的全面推进，电网调度控制系统的服务范围快速扩大，数据来源增多，数据类型多样，数据规模和处理压力急剧增大，调控业务对海量多源数据分析处理的要求不断提升，系统运行面临新的挑战。基于此，本文对电力调控大数据集成及管理技术进行分析。

关键词：电力调控；大数据集成；管理技术

现有的电网调度控制系统，更多的是作为调度员眼睛、耳朵和手的延伸，决策更多地依赖于调度员的经验。随着随机性、不确定性新能源接入电网，以及让电网连接越来越紧密的特高压输电等新型技术不断引入，调度员的经验将面临着极大的挑战。需要引入数据分析挖掘技术，将数据应用提升到关联规律揭示层面，更迅速地完成数据的价值“提纯”，更好地为调度控制系统的应用提供决策分析支持。

1电力调控大数据集成及管理技术在电力调控中的重要性

1.1提高运营效率，优化客户体验

大数据集成及管理技术能够显著提高电力企业的运营效率并优化客户体验。对于电力企业而言，运营效率主要涉及支撑功能优化、资产管理、需求预测、产品与网络管理以及收益保证等方面的内容。而通过大数据集成及管理技术对客户关系进行优化、定制优惠服务政策、创新主动营销策略，能够优化客户体验。以实际案例来看，某电力公司使用大数据集成及管理技术发现，当停电之后，若是恢复供电的实践可以比用户预期的时间提前十分钟，则客户反馈的满意度最高；但是，如果电力系统恢复供电的时间比用户预期的时间早两个多小时，则会降低客户的满意度。而客户满意度直接决定了客户的留存率。事实说明，电力企业使用大数据集成及管理技术能够降低客户的流失率，从而降低成本损失。

1.2大数据集成及管理技术显著提高电力企业营销服务水平

用电客户可以通过永洪一站式大数据分析平台，把大量详细的数据信息上报给电力企业业务部门，之后由业务部门自动完成数据分析、管理、应用等工作。通过对电能信息采集、电能计量、电费管理、客户服务、市场和综合管理、新兴业务以及有序用电等不同方面的分析，企业管理人员能够全面掌握电力营销服务工作落实的实时状况，从而有效监测营销稽查工作指标、新兴业务工作质量指标、有效用电落实、能效管理成效、智能电表、电费管理以及客户服务等各项营销服务工作实施状况。

1.3提高电网监视控制水平

通过数据分布式收集与汇聚技术，可实现监控信号、保护信号等实时运行数据的汇聚，同时引进大数据实时处理及分析挖掘技术，可以保证电网监控数据规模急剧扩大后数据访问的实时性，提升智能告警流式计算的时效性，支持在线的电网及设备关联分析、故障预判，强化电网安全风险预防预控能力，提高电网运行可靠性。

2数据集成概述及方法

2.1数据集成概述

数据集成是将来自几个不同数据源的数据，整合到一个统一的数据集合中，整合的方式可能是在逻辑上整合或是在物理上整合。数据集成的核心任务是整合有关联的分布式异构数据，使得用户能够以透明的方式来对它们进行访问。数据集成的系统模型如图2-1所示。

图2-1数据集成系统模型

2.2数据集成方法

常见的数据集成方法包括联邦数据库系统、中间件集成方法以及数据仓库方法等。下面分别对这三种数据集成方法进行介绍。

2.2.1联邦数据库系统

该方法为了能够让用户透明地访问不同数据源的数据，将不同数据源的视图集成为全局模式。数据模式可以被其他的数据源共享，构成一个联合的系统，如图2-2所示。

图2-2联邦数据库系统结构

2.2.2中间件集成方法

该方法为用户提供统一的数据访问的接口，从用户的角度看来集成数据源是一个整体。如图2-3所示，中间件用来协调不同的数据源系统，充当一个中间人的角色。

为实现用电信息采集、地理信息、配电自动化、调度自动化、生产管理、气象预报、营销等调控多业务数据集成，本文采用数据仓库方法。采用数据仓库方法的原因有如下几点：

第一，数据仓库方法在业务数据库已经大量存在的情况，能够在不影响原有业务系统的前提下实现业务数据的高效集成，不占用本地处理资源，还能够存储以及集成历史信息，并且支持复杂的多维查询；

第二，中间件集成方法需要复杂的信息过滤和集成处理，会抢占本地处理资源，频繁查询时的效率低下并且还需要高成本的付出；

第三，联邦数据库系统查询起来需要的反应时间稍微长些，因此频繁查询也是不适合的，尤其是该方法容易出现锁争用和资源冲突等问题。数据仓库能够有很大的存储容量，本文建立的调控大数据分析系统存储容量为100TB，5年的业务数据量约为18TB。

3电力调控大数据存储管理需求

电力调控大数据包括实时数据、历史数据、模型数据等结构化数据，高频变化的时间序列数据，还有CIM/G、CASE断面、电网综合故障报告和波形文件、DTS教案、语音数据等非结构化数据。不同业务对数据访问性能要求不同。单一的数据库技术无法满足所有要求，需要研究将若干种数据库技术结合起来的数据库管理技术，适应不同场景和特点，互为补充。

电网运行多年来积累的大量历史数据，系统对数据的管理需满足以下要求：

3.1存储大量历史数据

数据库中保存的历史数据时间较长，能够使得综合分析有足够的历史数据做支撑。

3.2数据保持一致性

由于数据库是将分散在不同数据库中的相关数据集成在一个系统平台上，所以考虑将不同的数据进行一致化和标准化。

3.3数据具有稳定性和能随时间扩充

数据库中有大量的插入和查询操作，但修改和删除操作却很少，一般情况下数据进入数据库后会长期保留，为确保数据的连续不间断，数据库需不断补充新的分析数据。

数据存储的设计，重要的是要确保使用正确、合理、高效的数据存储结构，使得各类运行数据可以正确的分布到不同类型的数据库中，遵循相应的设计原则，同时能由外部应用方便的组织、关联而得，从而极大简化应用程序的相关工作，如查询、窗体、报表、代码等。电力调控系统中的数据主要分为运行数据、电网模型、基础数据及文档资料等四种类型，并分别存储于时序数据库、关系数据库和分布式文件库。

结束语：

电力调控大数据将贯穿未来电力调度生产及管理等各个环节，随着智能电网建设，其来源、规模、种类正快速扩充和丰富。调控大数据中蕴含着电网运行和安全生产的宝贵信息，目前这些数据存在独立维护、共享困难，缺少全景数据集中管理、综合分析和应用手段等问题。

参考文献：

[1]大数据技术在电力调控中的应用研究[J].马贵波,张旭,郑雯泽.南方农机.2018(19)

[2]大数据技术在电力调控中的应用方向研究[J].韩延龙,李国强,魏大庆,陈国强.山东工业技术.2018(20)

[3]基于电力调控大数据平台的指标展示应用研究[J].刘青,卓越.科技风.2018(27)