国网阳泉供电公司 山西省 阳泉市 045000
摘要：随着数字信息化时代的迅猛发展，信息量也呈爆炸性增长态势。大数据在电力调度中的应用，充分利用了大数据高性能计算、数据挖掘、统计分析的能力，将电网运行数据和调度管理信息结合起来，成为提升电力调度发展水平的新的发动机。未来电力调度大数据的应用必将转变电力公司发展方式，促进电力行业转型升级，为智能电网的全面建成打下坚实的数据基础。本文主要对大数据在电力调度中的应用进行分析探讨。
关键词：大数据；电力调度；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：描述电力设备固有属性的基础数据及相关参数、定值；电网实时测量类数据；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；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 大数据关键技术
大数据关键技术一般包括大数据采集、大数据预处理、大数据存储及管理、大数据分析及挖掘、大数据展现和应用等技术。大数据采集技术主要是指通过RFID射频数据、传感器数据、社交网络交互数据及移动互联网数据等方式获得的各种类型的结构化、半结构化及非结构化的海量数据；大数据预处理主要完成对已接收数据的辨析、抽取、清洗等操作；大数据存储及管理技术是指实现数据的快速存储和读取，采用一种非关系型数据库技术对半结构化数据和非结构化数据进行管理；大数据分析及挖掘技术就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程；大数据展现和应用技术包括数据分析过程与结果的可视化显示、历史数据的可视化查看等，将复杂的大数据分析以清晰、直观地方式展现，可以帮助人们更好地理解数据，进而提升大数据的利用价值。
3 大数据在电力调度中的应用分析
3.1 在系统建设管理中的应用
在电力项目建设管理方面，电力系统每年要参与至少3000个项目的建设，但是受系统自身数据储存容量不足的影响，只能够在参与建设管理的过程中储存少量有关施工现场的建设信息。这些信息数据仅限于文件、图片等占用储存空间小的数据，而不能储存视频。在这种情况下，系统管理人员不能依靠储存的数据了解电力项目的实施过程，同时电力系统缺失自动化分析功能和决策功能，不利于提高项目建设管理水平。
期刊文章分类查询,尽在期刊图书馆为此，有必要应用大数据技术，加快“大建设”基建系统建设，具体应从以下方面入手：不断提升电力系统的非结构化数据储存能力以及项目管理的准确性；不断扩大电力系统的信息收集范围，提高对现场信息的采集频率，提升系统自身的数据储存空间；扩展电力系统功能，使其能够分析处理大量非结构化数据。
3.2 在谐波治理中的应用
随着大数据技术的不断进步和完善，使得电力大数据获得了快速的发展，并被应用于电网故障诊断、电力风险评估等领域当中，为电力系统的安全、稳定运行提供了强有力的保障。与传统的数据处理技术相比，大数据着重强调了数据本身所具有的“4V”特点，即跨领域、多类型、融合及利用。
谐波是电力系统运行过程中不可避免的问题，通过大数据技术，并借助现有的平台和系统，可对谐波进行检测、分析及治理，有助于提升电力系统的运行可靠性。大数据在电力系统谐波治理中的应用，主要是对谐波产生的原因进行分析及定位，并利用数据挖掘技术提出有效的治理方案。具体应用中，可采用Apriori数据挖掘算法对谐波产生的原因进行定位分析，在此基础上找出与分析结果相匹配的谐波治理方案，工作人员则可以此作为参考依据，快速制定出治理谐波的有效途径，由此能够大幅度提升工作效率。系统可自动对谐波检测数据结果及谐波点上的电压、设备状态等数据进行读取，然后运用Apriori算法进行初始化，并执行关联分析，同时输出设备与谐波点的置信度，再从中选出置信度最高的三个设备，分别提取它们的电流及电压数据，并对其执行谐波检测算法，随后输出带有谐波的设备编号，以此作为谐波原因设备，最后从谐波治理方案中，选出与之相匹配的方案给工作人员进行参考。基于大数据的谐波处理方式，不但使检测结果的精确性获得提升，而且还使原因定位更加准确。
3.3 基于大数据的短期负荷预测
目前电网公司加速推进用电信息采集系统的建设，数据源已经能够涵盖到用户负荷层面，用户级信息的负荷预测，与以往在电网负荷总量的基础上进行负荷变化分析相比，要更加可靠。具体实施办法，是将每个用户的负荷与气象、日期、设备检修等数据，通过大数据技术进行处理，从而得到系统负荷预测结果。
3.4 设备检修策略改进
基于数据挖掘技术的电力设备状态检修：首先收集设备的基础信息、历史运行数据、设备缺陷信息等，通过对历史运行数据和缺陷信息进行数据挖掘，得到设备缺陷状态下特征值及关联参数值，将挖掘得到的信息与设备当前运行监测值进行对比分析，即可以判断设备当前运行状态是否正常。例如，通过关联规则分析，往往可以发现A设备振动报警后。B设备也会有较大概率出现振动报警，该 关联规则可以提供早期故障预测及原因分析。
在电力输送领域内进行电力的实时线损计算，通过智能电表采集到的海量能源数据，实时计算分线、分压、分区、分台区等等各种范围的线路损耗，从而为电网的调度、交易和检修提供支撑，有利于实现更为经济、可靠的电网运行方式，增强电力资源的配置能力。
除了电力领域之内在电力企业外部，电力大数据也为社会民生、经济发展的动向提供了有力的客观依据。目前，作为一种高时效性、高准确性的数据，电力数据已经被广泛的应用于分析经济发展水平、经济走势、产业分布情况，甚至政策实施效果等等科学问题。我们通过分析各种产业用电量之间的关系，深入研究产业结构与经济体系的变化特点，能够对未来几年内的电力需求情况有大致的预测，为社会经济发展提供了有力的支撑。
结束语：
随着电力大数据的发展，未来对电力调度大数据的需求将越来越多，主要包括电力调度的准确性、安全性、经济性等方面，大数据在电力调度领域的应用可能是无限的，未来需要进一步发掘。但是，实现这些应用价值需要大数据在多源异构数据融合、数据深度分析方面有重大突破。
参考文献：
[1]针对高速数据流的大规模数据实时处理方法[J]. 赵卓峰，房俊.计算机时报，2014（03）
[2]浅析电力企业如何应对大数据[J]. 姚玮，江樱.科协论坛（下半月），2014（08）
[3]大数据技术对我国电网未来发展的影响研究[J]. 李振元，李宝聚，王泽一.吉林电力，2014（01）
论文作者:郭强
论文发表刊物:《防护工程》2017年第17期
论文发表时间:2017/11/28
标签：数据论文; 谐波论文; 电网论文; 电力论文; 设备论文; 电力系统论文; 技术论文; 《防护工程》2017年第17期论文;