智能电网中用电感知的数据分析需求响应方案研究--中国期刊网

字体：大中小

首页> 原创作品> 正文

智能电网中用电感知的数据分析需求响应方案研究

发表时间：2020/8/4 来源：《电力设备》2020年第8期作者：李芳梅1 符雪寒2

[导读] 摘要：用电负荷需求的迅速增长加重了传统配电网的负担，并且住宅用电作为电力消耗的主要源头。

        （1.国网新疆电力有限公司额敏县供电公司新疆塔城 834600；
        2.国网新疆电力有限公司阿克苏供电公司新疆阿克苏 843000）
        摘要：用电负荷需求的迅速增长加重了传统配电网的负担，并且住宅用电作为电力消耗的主要源头。为了满足日益增长的需求，电力公司必须建立新的输电设施或降低负荷需求。为了降低负荷需求，电力公司可利用用电信息和通信技术(ICT)对智能电网(SG)进行智能决策，管理智能家居(SH)等所连接负载的需求响应(DＲ)，从而减轻配电网的总体负担。
        关键词：智能电网；需求响应；高峰负荷；智能家居；电费支出
        引言
        住宅、商业、工业和交通等不同类型的用电需求的快速增长，加大了电网的负担。其中住宅用电约占总电力消耗的38%，且预计将保持0.3%的年增长率。为满足这一增长需求，电力企业需要建立新的基础设施，或者采取手段削减高峰负荷需求，使当前资源能够满足用户负荷需求。为减少负荷需求，电力企业需要对连接负荷的需求响应进行管理，以降低电网总体负担。
        1电力大数据技术分析
        智能电网的发展，促使了大数据技术在电力系统中的应用，构建完善的技术体系，包括：数据采集、数据分类、数据分析、数据存储以及数据应用。不同数据处理步骤的功能与任务不同：（1）数据采集，为基础环节，主要作用为电力数据的采集与收集，是开展数据分析工作的基础与前提。具体运行中，通过实时数据采集、离线数据抽取、文件数据采集等形式进行数据的全面收集。（2）数据分类处理。主要作用体现为数据筛选，甄选出高价值的数据信息，并按照预选设定标准进行数据识别与分类。经分类整理后，重复、多余数据将被剔除，在保障数据价值前提下，使剩余数据更为清晰、规整。（3）数据存储。预先构建电力数据库，用于存储分类整理后的电力数据，依托于数据库应用来管理、存储数据，可实现对以往电力数据存储困难、调取困难问题的有效解决。（4）数据分析与挖掘。电力数据信息依托于数据统计、神经网络、机器学习、模糊算法等方式进行分析与挖掘，将数据信息存在的隐藏价值、潜在联系充分挖掘并分析，直观呈现出数据信息的关联与规律。数据挖掘过程中涉及关联分析、分类分析、特异群组分析、聚类分析、异常分析等。针对数据分析的开展，则是借助高性能计算技术完成对数据信息的计算与处理，常用计算技术包括Hadoop分布式计算、YonghongZ-Suite等技术。
        2本文方案概述
        本章将详细介绍智能家居（SHs）的DR管理方案，从而在每个时隙开始时，实时降低智能电网（SG）在高峰时段的负荷。本文方法使用了固定的计费策略，以确保不会在电网中产生回升高峰。为了将提出的方案应用于现实中，需要将SHs的用电数据传递至电力企业。图1给出了SHs和电力企业服务器之间的通信场景。通过实施轻量级加密安全机制来确保数据的安全性和隐私性，该安全机制不会影响到整体系统性能。如图1所示，数据采集过程被分为三层。第1层中，SHs中的设备将其用电数据传递至各自家庭中的本地控制器。第2层利用接入点（APs），将本地控制器的采集数据传递至第3层中的SG服务器。在数据传递至SG服务器后，立即执行数据分析以做出DR决策，其后将DR决策转回本地家庭控制器，以控制各自家庭中的设备。
        将全天划分为多个相等时间间隔的时段，其中，峰值负荷的管理如下:第t个时段开始时的配电网发电功率为G(t)(单位为kW)，考虑装机容量和可再生能源发电，SH的总数为n，在第t个时段的第i个家庭用电功率为Hu(i，t)(单位为kW)。

3数据建模
对电网数据进行建模，步骤示意图如图2所示。首先对原始数据进行关键字、属性等特征提取，并利用笛卡尔积方法生成数据集，包括元数据集和可交互数据集。其中，元数据集合主要负责数据备份。而可交互数据集合是包含可用于数据分析的电网数据，包括电网项目数据以及工程评估指标两部分。对数据特征进行提取，可以采用贪心算法思想，基于变量与属性之间的分布式距离对特征进行打分，将需要的特征提取出来。

        4实施效果
        （1）检修作业规范化，表单电子化。检修人员可以利用检修现场作业智能管控应用，根据收到的检修计划内容，在入库、检修、出库等检修环节选择合适的作业表单执行检修作业。作业表单进行了类型整合及电子化流程固化，解决了过去纸质检修作业表单种类繁多、填写不规范、存储麻烦和查阅不便等问题，这对检修规范化管理水平的提升大有裨益。（2）检修过程智能化监控，提高检修效率。通过智能化监控设备及定位标签设备，检修中心管理层可以实时了解设备检修进度、检修工艺耗时及备品备件、工器具库存情况，避免出现工位长时间占用、工器具未能及时归还、备品备件库存欠缺等问题，提高设备检修整体工作效率。
        5用户用电行为分析
        基于大数据挖掘前提下，用电行为分析主要研究的内容包括：用户用电负荷、用户分类、故障率预测等。依托于数据采集分析平台开展用电行为分析，将数据信息存储于数据库，依据分析目标选取特定类型的数据进行用电行为分析。具体分析过程中，首先，需对某类用户的整体数据信息进行整体性分析，制作用户用电曲线图，曲线图指标囊括功、电流、电量以及电压等。其次，将整体数据中存在影响因子的数据排除，如将涉及春节、周末等节日的数据全部排除，对剩余数据进行分析与研究。在排除影响因子数据后，以月、季、年分段标准进行剩余数据的划分，分析与比较不同阶段用户数据的具体特征。
        6智能电网大数据平台的关键技术
        6.1数据集成分享技术
        智能电网里面的大数据拥有复杂性、多样性以及分散性等特征，这些特点也给大数据处理工作展开带去了非常大的挑战。要想更加高效的完成智能电力大数据的处理工作，电力工作人员必须要采用科学合理的方式展开对这些数据的集成管理工作，并以管理工作为基础构建更为完整准确的智能电网大数据。但是，要想有效完成数据集成管理，还需要综合考虑各种不同的因素采用更加多样化的技术手段展开工作，这样才可为智能电网的集成化发展起到更大的推动作用。
        6.2数据分析、处理技术
        为了将原有的数据转化成为有效的信息，要对数据进行分析，使工作人员通过这些数据做出正确的判断，更好的应对电网运行中的故障问题，目前电网的处理技术可分为分布式、内存式、流处理式三种。分布式处理技术可以将大数据分割成小数据，并进行针对性处理；内存式处理技术可以缩短数据处理时间，提高处理技术的；流处理式处理技术，可以帮助用户把握金融市场的变化情况，对金融业务的处理有着较好的效果。
        结束语
        基于大数据挖掘的用户行为分析，依托大数据技术的合理应用，为企业开展全面、精准的用电行为分析提供技术支撑，借助多种算法方法提升数据处理的科学性与合理性，促使电力企业在海量电力数据中获取更多高价值信息，充分挖掘电力数据中隐藏的关联、规律信息，为电力企业经营管理水平的提升提供数据支撑。
        参考文献
        [1]吕俪俪.智能电网大数据处理技术分析[J].科技创新导报,2019,16(34):148+150.
        [2]杨子元,许晓斌,李欣,赵一萌.基于智能感知技术的用电事件识别方法研究[J].物联网学报,2019,3(04):109-115.
        [3]李石,赵苏虹.大数据在智能电网中的应用研究[J].电工技术,2019(24):126-127+134.