大数据环境下配网停电影响评估技术研究.docVIP

大数据环境下配网停电影响评估技术研究 　　摘 要：随着我国电力企业的快速发展，系统结构也越来越复杂，常常会因为各种原因发生供电不足甚至断电的情况，文章对大数据环境下配电网停电影响评估技术进行研究，以期为国网公司营配一体化水平的提高提供清晰思路 关键词：大数据；配网；停电 目前，国网公司供电不足与断电问题还未有完全解决方案，我们需要以经济效益与社会需求为基础，对配网运行及检修进行优化，使当前环境下配电网运行达到最可靠水平。可运用营配领域积累的大量数据，估算停电损失，分析配网停电原因并采取相应的应急措施，既能有效降低停电影响，还能在电力企业增强城市配电网可靠性及优化应急电源配置过程中提供有力参考 1 主要研究目标 文章对大数据环境下配电网停电影响评估技术进行试点研究，主要目标如下： （1）实现配网停电原因分析及影响评估，确定运用目的并分析其业务价值，为国网企业智能配电网业务提供切实保障 （2）实现大数据环境下应用场景的数据模型与可视化场景设计、分析模型设计等，达成运用目的 （3）经过同步展开大数据技术路线运用分析，总结并探索适合国网企业营配一体化需要的大数据技术解决方法 2 主要理论知识 本次研究主要理论知识包括信息熵理论与重尾分布理论。我们具体对其进行了以下分析： 2.1 信息熵理论 指标体系中指标包含的信息量直接决定了指标权重大小，一项指标的取值序列熵值亦在根本上说明了信息量的大小。通常来说，指标值如果很稳定，信息量也相对少；反之，信息量大的，指标值也越不稳定。而此项基础理念在信息熵理论中得到了很好诠释，所以，我们采用信息熵理论来分配指标权重非常适当 2.2 重尾分布理论 为了让正常指标值与异常指标值更好区分开来，我们需要设置一条分界线，也就是指标阈值，所以要将正常值和异常值的分布作为重点分析对象。通常来说，出现次数比较频繁且普遍分布的取值属于正常值，偏离了正常取值范围的往往可以判断为异常值。从重尾分布理论来看，一些常态的描述经常采用取值最高的部分来刻画（比方说某市公民平均收入的人数），某部分异常对象时常采用尾部刻画（比方说某市亿万收入的人群）。所以，可以运用重尾分布理论来设定指标阈值 2.3 多源数据的集成与融合 从逻辑或物理的角度最全面整合了不同来源、不同特点、不同格式与不同性质的数据，进而给企业数据全面共享提供有利条件 如今集成系统一般运用数据仓库、联邦式和基于中间件模型等办法构建，不同程度上解决了企业数据共享与决策支持等问题 3 技术路线研究 此次研究总体构架图如图1、图2，采用概率图模型理论，以目前我公司相关停电分析诊断指标为依据，构建主要指标体系架构，其中包括了如下内容：（1）优化指标阈值。采用重尾分布概念来对电力大数据流序列进行分析，建立重尾分布模型来体现每项指标值分布情况，明确停电指标的范围，进一步明确常态数据与异常数据之间的重尾分布界限，方便设立指标阈值。（2）优化指标权重。各种因素的权重分配往往在研究多因素问题时作为重点研究对象，指标权重确定也归属此类范围。（3）指标的网络拓扑结构构建。以概率图理论模型为基础，把基础指标之间的关系用边来刻画，建立一个完善的概率逻辑推理理论，对指标之间的Topology（拓扑）关系进行量化和明确。（4）建立停电影响指数模型。以综合指数法为基本，参照一些前沿的科技新技术与方法，结合我国企业对停电业务的需要等情况，构建相应影响指数模型；可以从停电范围和损失等角度进行分析。（5）停电影响评估。鉴于各专家评价理解不同与各指标信息完整程度不一致等情况，采取定性和定量的方式来对停电影响进行评价，并建立相应评价体系 4 场景运用分析 4.1 应用场景① 基于营配大数据下电网大面积停电耐抗性及停电原因诊断模型。工作人员可依据“N-1”诊断分析模型给出的结果，来分析和解决各类不同的问题，他的优势在于能够迅速找到系统问题缘由，有利于我们及时采取恰当的解决措施。抗大面积停电能力诊断对历史与当前发生的停电数据进行分析，并搜寻当前电网运行过程中存在的缺陷与问题，挖掘问题的结症所在，针对性的进行升级修复，整体上提升了配网大规模断电的耐抗性，为重点区域的供电提供可靠保障 4.2 应用场景② 配电网可靠性诊断模型。依据元件的历史可靠性数据预测和计算配电网的可靠性，对全部有可能发生故障的元件和事件进行剖析，对负荷点影响进行评判，挖掘系统故障模式并整合，评估停电的影响度。在配电网运行相对稳定的时候（母线电压、元件容量、系统频率等都在容许界限中），考虑在电网元件计划停运和非计划合理停运的情况下，还能确保足够的电量和电压供应 5 结束语 此次研究主要对大数据环境下配电网停电影响进行了分析评估