曹硕 邓卓俊
国网冀北电力有限公司廊坊供电公司，河北 廊坊 065000
摘要：随着新时代社会经济的不断发展，电网调度的稳定运行逐渐得到了人们的高度重视。为了提高电网运行的可靠性，促使我国电力事业更快发展，相关人员需要加强对电网大数据智能调度及应用场景的研究。
关键词：电网；智能调度；大数据应用
1 电网调度大数据分析
传统电网调度系统主要采用数据采集与监视控制系统（SCADA系统），主要包括自动发电控制、安全分析、状态估计、负荷预测、经济调度、调度员培训模拟等高级应用，该系统丰富了电网监视和调控的手段，调度人员驾驭复杂电网的能为得到了大幅度提升。随着新能源接入以及特高压和分布式电源的大力发展，面对日益复杂的网络结构，传统的经验型、分析型调度已不能满足超大规模电网调度的业务需求。电网调度运行向高度智能化的方向发展，先进的信息技术、人工智能技术、数据挖掘技术等正逐步融入调度自动化系统。电力系统自动采集数据信息后，通过集成和深入挖掘得到隐含的重要信息，从而实现电网调度的高度智能化。
随着智能电网的建设，调度环节的数据在传统电网基础上，数据来源、种类、规模等都有了极大的扩充和丰富。电网调度中心的数据主要包括以下几类：（1）描述电力设备固有属性的基础数据及相关参数、定值；（2）电网实时测量类数据；（3）电网准实时应用类数据，由调度自动化系统生成或人工输入的数据组成；（4）环境数据。以上四类数据数据量大、实时性强、采集周期短、、类型多、速度快、价值高，具备大数据的“4V”特点。
2 智能电网中大数据与云计算的基本概念
大数据是指海量、异构、多态的数据集合，不但包括传统的符号、数字等结构化数据，也包括图像、声音、手写字体等非结构化数据。但不是数据多就能够称为大数据，必须要同时满足体量巨大、类型多样、价值密度低以及处理速度快这四个特点，才能够被称为大数据。在电力行业内，电网运行的情况以及日常的监测数据等、电力企业的营销数据，以及企业的管理数据信息等可以被称为是大数据。随着智能电网的不断发展，这些数据都在以指数级的速度增长。智能电网中的数据以传统的关系型数据库中存储的结构化数据为主，包括业务数据、表单数据等。而非结构化数据主要是视频监控数据以及一些图像数据等。随着电力行业的发展和自身的特点，智能电网中的非结构化数据的比重越来越重，但分析和处理的难度却较大。另外，电力行业数据还在气象预测、能源分析等行业中有着应用意义，对智能电网的大数据分析就显得格外重要。最后，在智能电网的调动工作中，业务管理数据要求是实时数据，对实时数据的处理难度更大。云计算（CloudComputing）是指在网络技术高速发展的基础上，通过网络存储、负载均衡、虚拟化、分布式计算等现代计算机处理技术，将网络中多个计算机实体融合起来，建立一套具有强大计算能力的系统，为用户提供方便、可靠、强大的计算能力。通过不断提高云平台能力，减少用户在本地实体中投资的资金。随着云计算的不断发展，传统的依靠个人终端的存储和计算模式将逐步被为新的信息存储、处理模式所替代，数据、资源及应用程序将被保存在云平台服务器中。用户不但可以从云平台中获取数据，还可以完成应用程序的二次开发。因此，近年来云计算技术得到了飞速发展。云计算是通过云端的服务器集群提供计算、存储和处理服务，用户通过网络或其他工具直接访问。云计算的服务方式主要有三类：即基础架构即服务（infrastructureasaservice，Iaas）、平台即服务（platformasaservice，Paas）和软件即服务（softwareasaservice，Saas）。
3 基于大数据技术的电网智能调度方案
随着智能电网建设的广泛开展，调度相关系统越来越多，积累的数据也越来越多，使得原有的各大系统关联性越来越强。需要将各类电网内外部及电网实时与业务准实时类大数据进行集成，在智能调度新需求下，形成了新的应用场景。基于大数据技术的电网智能调度方案如图1所示，主要包括电网调度数据数据源的采集、大数据处理平台及应用层三个层次。电网调度信息数据源主要包括电网内部数据、电网实时测量数据、电网管理准实时业务数据、电网外部环境数据及系统运行数据源等。大数据平台主要采用数据集群监控管理、数据批量和实时处理、在线分析及数据存储等技术对海量电网调度信息进行大数据处理。处理后得到的有用信息传输到应用层，构建基于电网参数在线辨识、监控设备全寿命周期管理、广域优化调度及负荷预测等多维数据下的功能表达。
.png)
图1 大数据技术的电网智能调度方案
4 电网大数据智能调度应用场景
随着新能源的进一步到来以及先进电力技术的突破，我国电网的发电、输电、以及调度等方面发生了较大程度的变化。大规模集中式电源与大数量分布式电源相结合将是智能电网发展的主要趋势之一。此外，加大对电网大数据智能调度应用场景的分析，对进一步提高电网调度的安全性有积极作用。因此，针对电网大数据智能调度应用场景进行了如下分析。
4.1 电网大数据智能调度应用架构
受电网大数据智能化建设的影响，我国现有的调度系统和积累的数据越来越多。这一现象的存在将使原有的主要制度变得越来越相互关联。因此，有必要整合电网内部和外部的各种大数据，形成新的智能调度需求下的新的应用场景。图2为现有电网大数据智能调度应用架构。分析和研究电网大数据智能调度应用场景时，应依托电网各类信息系统的融合和大数据集成技术。
.png)
图2电网大数据智能调度应用结构
4.2 大范围交互负荷优化调度
据相关研究发现，传统电网调度控制是在进一步调节发电机组功率平衡的基础上进行的，但在间歇性能源如风力发电时，电网容量在平时相对存在一定程度的扩大，相关人员如果仅仅依靠常规发电机进行盲目的调节，不仅不能充分发挥电网的全部控制能力，而且不能提高最终的调度效率。为了解决传统调度的缺点，有效提高调度效率，相关人员需要利用大数据技术对全网负荷信息等内容进行综合分析，并根据资源优化配置原则，在最大范围内对不同时间尺度下的决策进行优化。这样既能有效提高电网的动态感知，又能实现电网的安全运行，达到资源合理配置的目的。
结语
总而言之，在智能电网中，大数据技术的应用在不断的深入，对于分析和处理海量的数据信息起着重要的作用。我们应该不断研究和完善电力大数据技术，加大科研力度，实现国家和电力企业的可持续发展。
参考文献：
[1]徐立波,郭琳琅.面向智能电网应用的电力大数据关键技术分析[C].中国电力科学研究院有限公司、国网电投（北京）科技中心、《计算机科学与探索》杂志社.全国第四届“智能电网”会议论文集.中国电力科学研究院有限公司、国网电投（北京）科技中心、《计算机科学与探索》杂志社:国网电投(北京)科技中心,2019:197-200.
[2]柳伟,洪小龙.面向智能电网的电力大数据分析技术[J].安徽电力,2018,35(03):1-2.