国网冀北电力有限公司唐山供电公司
1导言
电力能源作为一种不能大量存储的能源,其特点是"发电-输电-配电"同时完成,发电的多少要依据用电侧的符合进行调配,维持发电和用电的均衡,这对电网频率和电压的稳定起到了至关重要的作用。传统电网中,此项工作主要由各电力公司的电力调度负责,通过对输配电的控制使电网的频率和电压运行在允许的范围内。
2智能电网大数据的特点
(1)电网数据规模大。智能电网不断发展,电网发电机节点及负荷节点数量不断增加,负荷与电网双向交互等因素,使得电网数据量迅速增加,数据存储大小已达到了PB量级[3]。
(2)电网数据高速性。该性能决定于电网最重要的属性,即实时保持电力电量平衡,但由于负荷波动的随机性,因此发电侧出力必须实时跟踪负荷变化。同时电网故障也具有随机性,为了保障电网可靠的运行必须立即处理,这要求电网必须快速传输,及时处理电网数据。
(3)电网数据的多样性。电网数据的多样性主要表现为来源多样性、存储类型多样性、采集周期多样性。数据来源多样性如图1所示,其数据来源渠道众多,不只是网内的数据,还有大量的网外数据;数据存储类型多样,除了传统的结构化数据,如用电信息采集系统、广域测量系统采集的大量有关负荷、发电机及线路的数据,同时营销系统、调度系统会产生大量的语音数据,变电站值班机器人及用于高压线路巡线直升机也会产生大量的图像等非结构化数据。采集周期多样性,不同的数据采样周期有较大的差别如保护系统监测周期为毫秒级,广域测量系统及大型负荷数据采集一般为分钟级,普通居民用户数据每天传输一次。
总之,智能电网中数据具有数据来源多,数据量大,数据结构复杂,数据增长速度快等特点。当前大数据技术在国内刚刚起步,利用相关技术对电网数据研究较少,智能电网采集到的数据涵盖信息广,不但可以反应电网内部的规律,而且在一定程度上可以折射出当前社会发展的状况。
3大数据在电力应用中的关键技术
如何利用大数据整合所需资源达到实现未来电力发展需要的应用,提高生产率,提高管理效率、服务质量,这些都是实现大数据在电力应用中的关键。电力大数据主要包括数据的集成管理、数据分析、数据处理及数据展现。
3.1电力大数据的集成管理
电力大数据集成管理是融合来自多个传感器网络的异构数据,并进行抽取、过滤和清洗后提供给电力应用系统过程。从集成的角度来说,就是把不同来源、数据格式、特点、性质的多样性数据在逻辑上或者存储介质上进行清洗和集中,为应用系统存储一系列面向主题的、集成的、易于管理的、反映历史变化的数据集合,从而为系统提供全面的数据共享。电力大数据集成管理技术就是为解决内部各系统间的数据冗余和信息孤岛而产生的。
3.2电力大数据的数据分析
电力大数据分析是将传感器采集到的数据进行分析和提炼,从多个维度触发,找出海量数据中潜在的模态和规律的过程。电力大数据分析的关键技术源于统计学,并利用计算机技术对数据进行关联分析、机器学习、数据挖掘和模式识别。
电力大数据分析技术,从根本上讲,属于传统数据挖掘技术在海量数据挖掘下的新发展,针对发电数据、输电数据、配电数据和用户用电数据等大数据海量、高速增长、多样性的特点,从大数据的治理与抽样、特征选择的角度入手,将大数据小数据化,然后对大数据利用聚类、分类算法进行聚类提取特征,最后利用机器学习与数据挖掘技术提取数据中的应用知识,提供给应用系统。
3.3电力大数据的数据处理
电力大数据的数据处理主要是利用现代计算机大规模计算技术优化数据的处理过程,提高数据的处理速度,主要包括分布式并行计算技术,内存计算技术,流处理技术等。分布式并行计算技术是为了解决海量数据的分布式存储与处理。内存计算技术是为了解决数据的快速读取和利用内存的高带宽特性进行实时计算。流处理技术针对连续的、未知数据量的数据进行实时处理,且处理过程不受信息完整度的影响。
4、智能电网中大数据技术应用
4.1负荷波动及新能源出力预测
负荷预测作为电网电量管理系统的重要组成部分,其预测误差的大小直接影响电网运行的安全性及可靠性,较大的预测误差会给电网运行带来较高的风险。现阶段负荷预测主要是通过负荷历史数据,利用相似日或者其他算法预测负荷的大小,短期预测精度较高,中长期精度较差。随着电网采集数据范围增加,利用大数据技术可以将气象信息、用户作息规律、宏观经济指标等不同种类的数据,通过抽象的量化指标表征与负荷之间的关系,实现对负荷变化趋势更为精确的感知,提高预测精度。
分布式发电的不断接入,特别是新能源渗透率的不断增加,打破了原来电网运行管理的模式,不但需要考虑负荷侧的波动,还要计及新能源出力的间歇性。在我国,新能源接入主要受制于两个因素:新能源大多分布在电网末端远离负荷中心,网架结构较为脆弱,从而造成电网接纳能力较弱;新能源预测误差较大,目前风电出力预测日前和实时的误差分别为20%、5%左右,这样就会给电网调度带来较大的挑战。由于新能源较大的预测误差,往往需要在大型新能源基地周边建立配套的大型常规能源作为旋转备用,以弥补新能源预测精度方面的不足。作为备用的常规电源,由于担负着较重的旋转备用,长期不能工作在最佳运行点,将造成其发电效率低以及能源的浪费。
4.2网架发展规划
电网已经从传统电网发展到智能电网,随之将会成为能源互联网的一部分,从而使得电网与整个能源网联系的更为紧密。电转气技术的提出,为新能源接入提供了新的思路,试图将不宜存储的电能转化为便于存储的天然气,但由于转化效率较低,尚属于技术论证阶段。冷热气三联技术实现了能源的阶梯利用,能源利用效率高、环境污染小、经济效益好。电动汽车的兴起将会显著提高能源末端电力消费的占比,充换电站将会像加油站一样分布在城市的每个角落。传统的电网规划数据来源渠道不足,数据分析挖掘能力欠缺,因此造成规划过程中面临着众多不确定性因素的现象,特别是现在新技术不断涌现,能源结构不断发生变革,使得传统的电网规划方法往往与实际需求差别较大。电网规划的过程中,需要利用大数据技术综合考虑多种因素如分布式能源的接入、电动汽车的增长趋势、电力市场环境下为用户提供个性化用电服务等,多类型、海量数据的引入,可以有效减少电网规划过程中的不确定性,使得整个规划的过程更加合理、有序。
4.3源网荷协同调度
利用大数据技术可以有效降低新能源预测误差,但这对于新能源出力固有的波动性,传统的调度方法通过增加系统的旋转备用来解决。在电力市场不断完善的背景下,可以不通过调节常规电源的出力,而是利用市场手段,使得一部分用户主动削减或者增加一部分负荷去平衡发电侧出力的变化,即通过需求侧管理实现系统电量平衡。若要达到网源荷协调优化调度需要大量的辅助信息,如新能源出力波动大小、电网线路输送能力、负荷削减电量的范围、实时电价等,其中每个因素又受很多条件的影响,因此是一个非常复杂的电力交易过程,此时必须利用大数据技术发掘数据内部之间的联系,从而制定出最佳调度方案。智能电网和传统电网最大的区别在于源网荷三者之间信息流动的双向性,三者之间信息在一个框架内可以顺畅的进行交互,极大地提升电网运行的经济性、可靠性。
5结语
本文阐述了智能电网中大数据的数据特点以及应用价值,重点介绍了目前智能电网中大数据聚合管理、分析处理以及数据展示的关键技术,为我国智能电网大数据处理提供参考。
参考文献:
[1]崔凯翔.互联网,大数据技术在智能电网中的应用[J].无线互联科技,2016(19):33-34.
[2]张根周.大数据在智能电网领域的应用[J].电网与清洁能源,2016,32(6):114-117.
[3]张巍,阎立.下一代互联网技术在智能电网中的应用[J].电力系统通信,2013,33(12):95-100.
[4]张东霞,苗新,刘丽平,等.智能电网大数据技术发展研究[J].中国电机工程学报,2015(2015年01):2-12.