大数据技术在智能电网中应用.docVIP

大数据技术在智能电网中应用 　　摘 要：智能电网技术在我国已经发展成熟，基本实现了对电网全景信息的采集。但随着“互联网+”、“能源互联网”、“物联网”等概念的提出，智能电网来自网外的数据也急剧增加，大量数据的涌入，一方面为智能电网的决策提供了更多的参考信息，另一方面，大量数据的存储、甄别、处理又为智能电网带来了巨大的挑战。而“大数据+智能电网”可以有效解决当前智能电网发展的瓶颈，文中分别从智能电网大数据的特点、智能电网中大数据的应用前景和具体解决方案三方面论述了大数据在智能电网中的具体应用。 　　关键词：智能电网；大数据；Hadoop；互联网+ 　　中图分类号：TM76；TP311.13 文献标识码：A 文章编号：2095-1302（2016）04-00-02 　　0 引 言 　　随着环境问题的日益突出，全社会节能减排的压力逐渐增大，电力行业的能耗在能源领域占比较高，多数发达国家电力消费占终端能源消费比例约为20%，且呈现出逐年上升的趋势[1]。智能电网技术在我国已经发展成熟，基本实现了对全网多维信息的采集，同时“互联网+”、“能源互联网”、“物联网”等概念的提出，使得电力系统和外界的交互越来越频繁，海量数据为智能电网建设带来了前所未有的机遇和挑战。智能电网中如何利用海量数据，使得不同能源之间协调配合实现节能减排，改善我们的环境生活，已成为国内外专家学者研究的热点[1-5]。 　　2011年，大数据的概念首次被提出，之后大数据技术得到了飞速发展。我国电力行业紧跟时代潮流，2013年，中国电机工程学会信息化专委会发布了《中国电力大数据发展白皮书》，将大数据引入到智能电网领域，2014年科技部批准了三项有关智能电网大数据研究的“863项目”。文献[2，3]描述了大数据技术在智能电网中应用的关键技术，文献[3-5]重点从电力系统的单个环节中论述了大数据技术的应用。本文从三个方面阐述了大数据在智能电网中的应用：首先，分析智能电网大数据的特点；其次，分析大数据技术在智能电网最具前景的应用领域；最后，勾画在Hadoop框架下，大数据的解决方案。 　　1 智能电网大数据的特点 　　在大数据的定义中，最具代表性的为3V定义，即：规模性、高速性和多样性。 　　（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。 　　2 大数据技术在智能电网中的应用领域 　　大数据技术在智能电网中具有广阔的应用前景，本文从负荷预测、源网荷协同、网架规划三个方面进行论述。 　　2.1 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：（1）新能源大多分布在电网末端远离负荷中心，网架结构较