刘佰臣
大唐山东发电有限公司新能源分公司济南风电集控中心 山东济南 250014
摘要：经济的发展，社会的进步推动了我国综合国力的逐步提升，我国电力行业的发展水平也越来越高，当前，电力系统的异常预测主要采用两种方式实现：一种是基于系统历史异常数据，采用数据分类、数据分析和数据挖掘等人工智能算法，建立系统历史异常、当前运行状态与未来潜在异常情况之间的关系，实现对电力系统异常的预测；另一种方式是基于对系统运行状态的实时监测。根据系统常规的电气参数及表征各电力设备当前运行状态的特征参量变化，对系统局部及整体的运行状态做出判断，实现当前系统异常的监测，同时预测未来系统故障的发生。在电力系统运行状态信息呈爆炸性增长的大环境下，这两种预测方式必须依赖大规模的数据处理平台才可以发挥其应有的效用。随着国家电网“泛在电力物联网”概念的广泛推行，大数据已逐渐渗透到电力系统的各个环节，传统的电力系统日志分析技术已无法满足海量的电力设备运行信息的分析要求。基于历史数据的异常分析技术本质上是通过系统运行状态的时间序列来发掘故障发生的规律，随着大数据处理技术的发展，出现了较多各有优势的时间序列预测算法。
关键词：智能电网应用；电力大数据；关键技术
引言
当前，自人类进入电气时代以来，电在人们生活中的作用日益明显，为实现电力资源的区域调配与保障用电安全，电力系统可靠性与安全性一直是电力行业关心的主要内容之一。在传统电力系统优化升级的过程中，将大数据应用电力系统促进传统电力系统的改革这一技术得到了的推广应用。电力大数据贯穿于电力产业的各个环节，依托电力大数据价值的深度挖掘，实现“数据转化资产”、“数据转化智慧”，以及“数据转化价值”，以大数据驱动企业创新化、智能化，助力电网迈进全景实时的电网时代已经到来。
1配电网中大数据技术的特点
配电网中大数据技术的特点主要涉及到以下方面具体内容：（1）配电网中的大数据。想要掌握充放电状态，配电网要采用频率为200kHz的高频采样信息，配电网当中安装了包括储备设备在内的一系列设备，可以加强采样频率，而且相关设备的广泛分布，也获取了更多的数据量。由于分布式电源越来越多，扩充了数据收集点的渠道，目前调度的系统化函数的收集点已经达到了十万多。经分析，配用电数据中心能够形成千万级别。监测设备可以把所获取的设备信息输送进数据中心，并与大电网互换，以此就可以让配电网达到自动运行的效果，同时还能够实时监管供电范围内的设备。配电网在分布式电源运行期间会获得非常多的信息，它们对控制和完善信息工作带来了参考依据。而风机、光伏的储能预测要使用以前的数据，同时还要发掘出有关的数据。而在确定分布式能源和储能设备的位置的时候，要对地理环境和天气条件进行综合性研究，所以这就导致配电网需要非常多的数据。配电网想要准确的收集到使用者和电网互动期间所形成的数据，那么就要采用具备双向通信能力的智能手表，其可以给电力企业创建出非常多的用电数据。通过调查发现，太平洋天然气电气企业只是了使用900万个智能手表，就在一个月内收集到3TB数据，并且由于配电网的完善，收集量还在进一步的增加。（2）分布式电源平稳性较差，外加具有明显的负荷波动性，会减少主动配合网配电网运行信息的获取量，所获取的数据很有可能会出现异动，而若想合理的使用这些有可能出现变化的数据，那么还要进行更加充分的研究。除了以上介绍的内容以外，高准确度也是大数据非常突出的特点，而所获取的高水准的数据会给分析工作带来很大的帮助作用。目前的配电网对数据提出了更多的要求，所以要把受到破坏的数据值进行清理，以确保电网数据的精准度。
2基于大数据技术的配电网运行可靠性管理策略
2.1基于大数据技术的人工智能电力系统
基于大数据技术的配电网运行可靠性管理策略之一是基于大数据技术的人工智能电力系统。这里的人工智能电力系统是基于大数据技术的计算机模型仿真技术，电力系统的智能化不仅是电力企业降低成本的关键，也是电力系统安全管理的必然要求。例如某地区220kV输配电系统故障，人工智能电力系统便可对这一故障中相关数据进行统计与分析。当检测电网中电压、电流数据的异常波动情况与相关电力系统故障相类似，人工智能电力系统便可进行声光告警，同时将故障电力系统模块剥离开，由此避免故障的进一步扩大。《电力大数据技术及其应用》中的第八章就对频繁停电的问题进行了介绍，从实际需求来看，基于大数据的人工智能电力系统能够将停电范围最小化，最大限度弱化对人民群众生活带来的影响。但是，这里需要注意的是，数据的获取与整理是一项较为复杂的工作，相关数据的真伪性应进行辨别，否则将导致人工智能电力系统无法正常工作。
2.2电力大数据的数据收集和预处理
基于大数据技术的配电网运行可靠性管理策略之二是电力大数据的数据收集和预处理。电力大数据收集的目的是确定所选挖掘任务的目标电力大数据，根据用户的不同需求，从原用户侧电力大数据库中提取数据特征。电力大数据预处理是数据挖掘过程中的一个非常重要环节。它可以消除电力大数据的噪声，推导和计算丢失的用户侧电力大数据，并消除重复的处理记录，完成离散电力大数据和连续电力大数据之间的相互转换，从电力大数据初始特征中获取有效的数据特征，减少数据挖掘过程中必须考虑的变量特征，从而降低电力大数据的维数。
2.3挖掘结果的解释和评估
基于大数据技术的配电网运行可靠性管理策略之三是挖掘结果的解释和评估。被挖掘的电力数据模式可能存在冗余的数据或与数据挖掘阶段无关的模式。这时，需要将冗余的电力大数据消除，否则挖掘到的电力大数据可能不能满足用户需求。整个评估过程需要回到数据挖掘的阶段，比如重新选择电力大数据，采用新的数据转换方式，设置新的挖掘参数值，通过改变挖掘算法完成用户侧电力大数据的挖掘。用户侧电力大数据的挖掘流程如图3所示。数据挖掘的质量主要取决于两个因素:一是采用的数据挖掘算法是否有效;二是挖掘所用电力大数据的数量和质量。若电力大数据的数据转换格式不正确，就会影响最终的挖掘结果。
2.4大数据处理方法
基于大数据技术的配电网运行可靠性管理策略之四是大数据处理方法。首先是随机矩阵理论。使用决策树算法以后，可以让用户高效地把不同的数据种类按照一定的标准属性选择出来。在数据传输中，如果了解不同数据之间的关联性与关系，也就需要通过各类数据之间的关系进行不同电力营销之间的大数据的评估关系。需要更进一步对数据进行研究，因此引进了随机矩阵理论。文中设计的系统还能够统计，分析出不同地区的MMIS数据之间的关系，在运用随机矩阵理论以前应该列出相关矩阵公式。式中，要假设不同市的MMIS数据库（如B市区的MMIS数据库里的基本数据库，S市区MMIS数据库里的共享数据库，D市区MMIS数据库里的决策数据库等）有A种，数据库集合为：{P1,P2,P3,PA}参数（例如电费的收据单、收费服务的数据、负荷管理数据等）的数据有N种，数据集合为：{Q1,Q2,Q3,QN}，在评估时间窗区范围内，连续测试K次，矩阵E1是它构成的用户投诉的数据，在矩阵当中，数据集合元素pij为第i个MMIS数据库在j时间下进行检测数值。电能计量数据用E2表示，例如电量数据、收费服务数据、符合管理数据、电费数据等。其次是混合智能算法。采用单一算法进行时间序列预测通常难以达到较高的准确度。因此在较多领域的分析方法上出现了一种结合不同算法机制，从而将各算法的优势结合，提升数据分析准确度的思路。为了使该混合智能算法应用于电力大数据的异常预测中，需要对告警日志进行数据的预处理。告警日志数据主要包含：异常信息的紧急程度、告警信息的具体类型、发出告警信息的设备编号、发生故障的设备或接口位置及告警时间等。数据的预处理首先要对数据进行精简，提取出关键信息并对数据进行简化。
2.5智慧化电厂运维中心的功能和构成
基于大数据技术的配电网运行可靠性管理策略之五是智慧化电厂运维中心的功能和构成。单位电厂机组是智慧化电厂运维中心系统中的基础内容。单位电厂在接入运维中心系统时，基本分为两种方式。其一为新建机组，通过采购和运用智能型设备，可以实现自动化数据的采集，并借助数据终端将全部数据传至上级。为了减轻DCS系统的工作量，可将一些与控制系统无关的数据不进行连接。就已投产机组而言，并不适合进行大规模的更换，对此，就需要将DCS系统和与其关联的系统所采集的数据进行同步上传，虽然整体数据量可能略有不足，但不会对系统基本功能产生影响。省级电力公司是智慧电厂运维中心的关键点，不仅能够实现对单位电厂的监管，还保障着信息通讯的安全和顺畅。通过互联网通讯技术收集下属电厂的各项数据，汇总后向上级系统进行传输。大区分公司是运维中心系统中的核心，包含诸多部门，如数据分析部、先进控制部和远程诊断部等，通过相互协作，能够更好地发挥出运维中心的作用。数据分析部的主要职责就是在大量的数据中挖掘所蕴涵的价值和规律。数据分析部门通过对运维中心所采集的海量数据进行分类、比较和统计，从而按照厂家或者是机组性能等进行合理分类，能够对机组的应用和运行进一步优化。通过将数据分析的结果传输给调试部门，不仅能够保证机组的生产效率，还可以将分析出的机组问题进行反馈，使厂家在对相关技术更新时有所参考，从而提高整体行业水平。先进控制部的主要职责就是借助先进的控制理论和控制系统，来解决当前存在的各种不足和问题，常见的有运行参数的波动、自动化技术水平等。先进控制部的控制理论是建立在以往经典控制理论基础上的，其包含模糊控制、神经网络控制以及模型预测控制等方面。其中，模型预测控制就是通过信息手段对机组整个生命周期建立模型，从而消除存在的偏差，提高对参数的控制的稳定性。在进行数字模型构建时，单位电厂所上传的大量数据为其提供了强有力的数据支持，而且还可以对相关数据进行验证，提高数字模型的精准性，保证预测结果不会出现偏差。运维中心需要定期地对模型进行维护，就精准度控制提出有效的建议，并将其传递给各单位电厂，实现对单位电厂运行的合理指导，进而保证运行状态的安全稳定。
结语
总之，科技的发展让电力系统越来越完善。而在大数据的背景下，大数据技术得到了广泛的使用，从而让电力行业得到了进一步的发展。而目前因为很多因素都会对配电网运行的可靠性造成影响，所以相关工作者要在评测运行可靠性的时候，全方位的分析有关影响因素，并制定出完善的控制方案，以确保配电网能够得到可持续的发展。此外还要正确的使用配电网大数据，从大量的信息里提取出有价值的数据，以此提升配电网运行的可靠性。
参考文献
[1]胡丽娟,刁赢龙,刘科研,栾文鹏,盛万兴.基于大数据技术的配电网运行可靠性分析[J].电网技术,2017,41(01):265-271.
[2]董学平.基于大数据技术的配电网运行可靠性探讨[J].科学技术创新,2017(36):98-99.
[3]何鹏飞.基于大数据技术的配电网运行可靠性提升思考[J].通信电源技术,2019,36(10):247248.
[4]费思源.大数据技术在配电网中的应用综述[J].中国电机工程学报,2018,38(01):8596+345.