CN103700041A - 基于云计算的智能电网负荷预测管理平台 - Google Patents

Abstract

本发明公开了一种基于云计算的智能电网负荷预测管理平台，包括(1)基础设施层；(2)负荷数据管理、处理以及分析平台层；(3)四类智能化负荷服务软件层；4)云接口管理层。本发明提供的技术方案具有以下优点和特点：1.本发明采用智能电网负荷预测新技术，有效地满足智能电网负荷预测的需求。2.本发明有效利用了云计算的一般特点，能够实现资源的最优化配置，实现了负荷预测数据等信息的共享以及不同用户对负荷服务随时、方便、有效获取。3.本发明可以避免今后智能电网发展要求负荷预测平台升级而导致增加额外的硬件升级费用，不需要增加各类服务器等设备，减少一次开发成本和维护升级升本。此外，本发明采用开源开发环境，因此开发成本低。

Description

基于云计算的智能电网负荷预测管理平台

技术领域

本发明涉及电力系统电网调度领域，更具体的说，涉及一种基于云计算的智能电网负荷预测管理平台。

背景技术

负荷预测是电力系统领域的传统研究问题，对电力系统的安全运行起着重要作用，是节能调度、发电计划、电网规划、稳定计算等的基础性工作。众多实例和数据表明，准确的负荷预测对合理设计电源结构、制定燃料计划、实施节能减排措施、加快地区经济发展步伐至关重要。

近二三十年来，国内外的很多专家学者对负荷预测的理论和方法进行了大量的研究工作，取得了很多成果。从预测方法、预测时间跨度、预测对象、预测平台多个角度，大量文献和研究成果都推动了负荷预测技术的发展。但是，由于智能电网下负荷预测精度、密度要求越来越高，负荷预测的难度加大。传统负荷预测更趋向于预测技术，而智能电网负荷预测将预测推向一个精细化服务管理层面。因此，负荷预测主要面临以下问题：第一、传统的负荷数据分析方法不能满足智能电网的海量数据分析和处理。第二、多影响因素下的预测模型自适应性不强。第三、随机性、间歇性负荷预测准确率不稳定。第四、广大负荷预测系统异构现象突出，无法实现资源有效共享。现有的广大负荷预测系统大多基于多层体系Browser/Server(B/S)结构，采用.NET或J2EE技术，针对的对象不同(有母线、大用户、系统等)，异构现象突出，造成不合理的资源配置。例如，许多省电力公司往往系统负荷预测采用一套系统，母线负荷预测采用一套系统，或者地区大型电力用户采用一套系统，而系统与系统之间由于建成的时间不同，系统功能、配置等很难达到一致，基本上只是处在预测结果共享的层面。第五、负荷预测服务器CPU利用率不高，资源浪费严重。负荷预测网络、系统、数据库服务器CPU利用率低，大部分时间处于空闲状态或者不饱和状态，严重浪费了资源。在实际系统研发、运维中发现，一般省端系统负荷预测服务器的部署采用分布式模式，即省端和各个地方端部署单独的服务器；而母线负荷预测采用集中式部署模式，即省端和各个地方端共用服务器。实际上，各类服务器的数据处理、存储，负荷分析，预测模型计算，修正计算等不需要运行很长时间，CPU利用率一般在10％以下。

云计算(Cloud Computing)是对基于网络的、可配置的共享计算资源池能够方便的、随需访问的一种新型的计算模式，可以解决目前电网日益严峻的问题。云计算已经开始被成功运用到教育、医疗、经济、电子商务、信息技术等领域。由于云计算能够解决未来智能电网的三大问题(海量数据处理、实时数据分析及数据共享)，也逐渐向电力行业蔓延。云计算主要运用到电力系统的以下几个方面：智能电网、数字化变电站、状态监测、配网自动化、调度运行、网损分析、综合数据平台等。以上研究成为云计算在电力系统中应用的先驱，这些成功的案例和经验将给云计算融入负荷预测提供帮助。

智能电网的发展给负荷预测带来了全新的挑战。智能电网环境下电力负荷预测技术的研究，对象多样化，主要体现在不仅包括传统对象，如地区、母线、大用户等，还涉及分布式发电出力、新能源以及智能终端用电预测等；技术综合化，不但要研究智能化预测算法，还要充分利用各类综合信息平台。智能电网负荷预测不仅在内涵上发生了重大的变化，而且在外延上了进行了拓展，如风能预测中的风速预测等。与传统负荷预测相比，智能电网负荷预测主要具有影响因素多元化、预测对象多样化、预测技术更具智能性和自适应性、基础性的负荷特性分析尤为重要、更加关心电能消耗的原因、预测精度和密度要求更高以及系统全面的智能化信息库七个方面的特点。

发明内容

为了解决当前负荷预测技术和平台管理上的不足，本发明的目的是根据一种基于云计算的智能电网负荷预测管理平台，能够有效地克服传统负荷预测系统的缺陷，满足智能电网负荷预测的新需求，融合云计算的优势，对电网资源进行有效配置，提高电网负荷预测数据采集装置、各类服务器等的利用率。平台通过大量的负荷分析、有效的负荷管理以及可靠的预测结果协调，得到理想的负荷预测最终计划。

本发明的目的是通过如下方式实现的，一种基于云计算的智能电网负荷预测管理平台，包括：

(1)基础设施层，采用虚拟化技术对智能电网电力负荷数据采集设备、服务器、数据存储设备及网络设备硬件进行虚拟化，搭建电力企业负荷预测私有云；

(2)负荷数据管理、处理以及分析平台层，利用分布式文件系统、分布式数据管理、分布式数据处理以及数据仓库和数据分析对智能电网负荷数据进行坏数据辨识与处理，负荷分析，构成分布式计算环境；

(3)四类智能化负荷服务软件层，通过智能电网的服务总线对智能电网负荷分析、预测、管理以及协调服务布置。

(4)云接口管理层，用于用户的访问需求，保障被访问服务的高效性、安全性、可靠性、可扩展性，以及应对智能电网负荷预测用户增加的网络拥堵。

还包括智能电网负荷预测框架体系，建立“点、线、面、体”的预测体系和负荷分析、预测、管理以及协调的一体化机制。

本发明提供的技术方案具有以下优点和特点：1.本发明采用智能电网负荷预测新技术，有效地满足智能电网负荷预测的需求。2.本发明有效利用了云计算的一般特点，能够实现资源的最优化配置，实现了负荷预测数据等信息的共享以及不同用户对负荷服务随时、方便、有效获取。3.本发明可以避免今后智能电网发展要求负荷预测平台升级而导致增加额外的硬件升级费用，不需要增加各类服务器等设备，减少一次开发成本和维护升级升本。此外，本发明采用开源开发环境，因此开发成本低。

附图说明

图1是本发明实施例的基于云计算的智能电网负荷预测管理平台结构示意图。

图2是电力调度云框架图。

图3是电力云资源整合与负荷预测云机制流程图。

图4是以虚拟化技术KVM和CloudStack为主的私有云框架图。

图5是面向需求侧管理的负荷管理框架图。

图6是智能电网负荷预测主要框架图。

图7是点线体面四级预测框架图。

具体实施方式

下面结合附图详细说明本发明的实施例。

如图1所示的本发明实施例的基于云计算的智能电网负荷预测管理平台结构示意图，该基于云计算的智能电网负荷预测管理平台包括：

IaaS为虚拟化基础设施层，该部分主要运用云计算的虚拟化技术进行资源管理。物理基础设施包括服务器、存储设备、网络设备、电力设备以及环境调节设备等。服务器是电力负荷预测的主要硬件资源。当前许多x86服务器一般只运行一个应用程序，CPU利用率低。为了提高资源利用率，一方面可以将现有服务器虚拟成几个虚拟机，并且在服务器之上搭建虚拟化抽象层，通过虚拟机监视器和虚拟化平台手段，实现资源监控、资源抽象、资源部署以及资源调度等。另外一方面，故障服务器的维护方法可采用实时迁移(Live Migration)技术，将原虚拟机平滑地迁移到新的物理机上，并且采用优化的虚拟机调度方法。此外，为了保证大量的业务数据传送，该层要设置负荷平衡装置进行负载管理，并建立安全机制，解决数据传输瓶颈问题和保证安全性。基于CloudStack和KVM技术的私有云构架以及云资源调度是该部分研究的重点，在本文第三章中做了重点介绍。该部分的实现大大提高了资源利用率，使工作重心从服务器等繁重设备维护转向各虚拟机的维护，减轻了负荷预测设备维护工作量。

虚拟化技术能够屏蔽各个网省公司和直属单位千差万别的硬件资源，以虚拟机为单位进行统一的自动化管理，包括资源抽象、资源监控、资源部署、负载管理与安全管理等。一方面可以提高资源利用率，另一方面使管理维护人员摆脱对服务器等硬件资源、操作系统与中间件的繁重管理工作，专注于虚拟机与业务系统的维护，从而简化数据中心的管理与维护工作。

目前，我国电网实行统一调度、分级管理的原则。电力系统调度机构分为五级：国调、网调、省调、地调、县调。建立如图2所示的电力调度云框架。

电力云的资源整合过程是对数据库无缝连接，进行数据共享的过程，是对各类服务器进行资源调度，更是一个需求响应的过程。负荷预测云机制是电力调度云进行负荷预测的关键。它体现了一个电力云资源整合过程。负荷预测云机制运行原理是根据用户(计划、方式、继保、调度、运行等不同专业)通过服务客户端发出请求，通过互联网将需求发送到主节点服务器上，然后主节点服务器向数据库节点服务器获取数据，向存储节点服务器调用预测算法，向计算节点服务器分配资源，安排不同节点采用精细化的流程进行数据预处理、负荷特性分析、确定影响因素、确定模型参数等进行预测，各类数据通过请求从存储节点服务器获得。最后预测结果汇总到主服务器，将分析、预测结果一并反馈给用户，如图3所示。

在电力调度私有云搭建方面，采用开源虚拟化引擎-CloudStack和虚拟机KVM，如图4所示。

CloudStack是一个开放资源云计算平台，对外提供IaaS服务。它具有很高的实用性、可扩展性，并善于管理大规模虚拟机族等特点。CloudStack支持目前最为广泛的虚拟化技术XEN、KVM、VMWare。CloudStack可被用来将虚拟化资源融入到类似EC2的网络架构中，这些网络可由公有或者私有服务商提供(根据服务对象来决定)。在CloudStack技术方案中，云接口为CloudStack提供的原生API接口，支持用户自定义扩展，能够扩展支持Amazon AWS API接口规范。

KVM(Kernel-based Virtual Machine)是为了起到硬件虚拟化的作用而提出的，它充分利用CPU硬件辅助虚拟化能力，并重用Linux内核的诸多功能，使得KVM是非常瘦小的。普通Linux进程只有用户(User)模式和内核(Kernel)模式，通过KVM模块的加载将Linux内核转变成Hypervisot，KVM在Linux内核的用户(User)模式和内核(Kernel)模式基础上增加了客户(Guest)模式，如图3、图4所示。Linux本身运行于内核模式，主机进程运行于用户模式，虚拟机则运行于客户模式，使得转变后的Linux内核可以将主机进程与虚拟机进行统一的调度和管理。

基于Hadoop架构的负荷数据管理、处理以及分析平台层PaaS为云计算基础平台层，该部分主要采用了Hadoop架构。该层把以虚拟机为单位构建的应用服务器、Web服务器与数据库服务器集群作为智能电网负荷预测的运行环境。该层将Hadoop中的以MapReduce编程模式为代表的分布式数据处理和以HBase分布式数据库为代表的分布式数据管理置于分布式文件系统HDFS之上，为智能电网负荷预测提供数据处理、存储、分析等智能决策。PaaS利用面向SOA的电力企业数据总线(Enterprise Service Bus，ESB)能保证原有系统的数据和逻辑安全性，还能实现各系统之间的松耦合，方便负荷预测业务流程的重组和优化，为智能电网下负荷预测的各个部分工作实现数据共享以及各个子应用实现集成。

四类智能化负荷服务软件层SaaS(Software as a Service)，主要包括基础化的负荷分析服务、基于负荷分析的负荷预测服务、面向需求侧管理的负荷管理服务以及多级预测结果优化协调服务。

其中基础化的负荷分析服务包括行业负荷特性分析、空调负荷特性分析、基于气象要素的母线负荷特性分析、典型大用户波动性负荷特性分析、风力、光伏发电负荷特性分析以及电动汽车充电负荷特性分析。

基于负荷分析的负荷预测服务包括行业负荷预测、母线负荷预测、典型大用户负荷预测、风能发电负荷预测、光伏发电负荷预测以及充电汽车充电负荷预测。

面向需求侧管理的负荷管理服务的主要框图见图5。面向DSM的负荷管理通过通信网络实现供电侧的负荷管理主站与储能侧的储能终端、需求侧的负控终端以及分布式电源侧的分布式控制终端信息交互。负荷管理主站通过智能决策过程制定出DSM措施评价体系以及DSM激励机制，实时更新控制策略。控制策略表及相应信息存储在控制侧的供方上网管理系统和需方上网管理系统中，并且通过控制器来管理各类储能设备、分布式电源以及用户(一般用户和典型用户)。

Cloud Management为主的云接口管理层，Cloud Management主要包括计费管理、服务管理、用户管理以及安全管理等，主要用于实现对用户服务需求进行管理。用户管理包括用户账号管理、单点登录以及配置管理等。服务管理主要是指云服务在遵守SOA设计规范的基础之上，能够提升服务运行质量。计费管理是对各个用户使用网络资源和服务情况进行统计。安全管理保障用户合理合法地访问和获取服务。

智能电网负荷预测主要框架，从发电侧和用电侧角度来说，根据我国现行的调度体制，网省电网需要预测的是“统调负荷”，而地市电力部门作为省级电网的下级单位，需要预测“网供负荷”。虽然人们认为相关因素会影响电力负荷，但是，从机理上分析，相关因素并不是直接影响“统调负荷”或“网供负荷”，而是首先对总用电负荷和非统调负荷产生影响，而后由“总用电负荷＝网供/统调负荷+非统调负荷”这样的关系式，对“统调负荷”或“网供负荷”产生作用。

智能电网负荷预测分别建立总用电负荷关于影响因素的相关关系；其次建立非统调负荷关于影响因素的相关关系；然后按照“总用电负荷＝网供/统调负荷+非统调负荷”的关系式，分析网供/统调负荷的变化规律。

根据以上思路，智能电网负荷预测主要围绕以下框架进行研究(如图6所示)：

●总体上，研究智能电网环境下基于多影响因素的网供/统调负荷预测；

●供电侧，研究智能电网环境下具有间歇性、随机性特点的风能发电负荷、光伏发电负荷预测等；

●用电侧，研究智能电网环境下具有互动性特点的电动汽车充电负荷、考虑需求响应的典型用户用电负荷预测等。

“点、线、面、体”的多级预测体系和协调体系，“点”指的是典型用户、高铁以及间歇性分布式负荷预测，“线”指的是母线负荷预测，“面”指的是传统的地区系统负荷预测，“体”指的是省、网负荷预测。

如图7所示，协调1是指典型用户与母线负荷预测之间的协调。一方面有利于分析母线的负荷成分，另一方面通过预测结果对比校正母线负荷预测结果。

协调2是指母线负荷预测与地区系统负荷预测之间的协调。这个过程往往在安全校核中涉及到，母线是安全校核的节点，几条母线构成一个安全校核断面。通过母线结果来协调地区负荷，由地区结果来修正母线负荷。

协调3是指各个省级电网与上级之间的协调。协调过程考虑各个省级之间的外部联络线的负荷、网损等。

Claims (2)

1.一种基于云计算的智能电网负荷预测管理平台，其特征在于，包括：

(1)基础设施层，采用虚拟化技术对智能电网电力负荷数据采集设备、服务器、数据存储设备及网络设备硬件进行虚拟化，搭建电网电力负荷预测私有云；

(2)负荷数据管理、处理以及分析平台层，利用分布式文件系统、分布式数据管理、分布式数据处理以及数据仓库和数据分析对智能电网负荷数据进行坏数据辨识与处理，负荷分析，构成分布式计算环境；

(3)四类智能化负荷服务软件层，通过智能电网的服务总线对智能电网负荷分析、预测、管理以及协调服务布置；

(4)云接口管理层，用于用户的访问需求，保障被访问服务的高效性、安全性、可靠性、可扩展性，以及应对智能电网负荷预测用户增加的网络拥堵。

2.根据权利要求1所述的基于云计算的智能电网负荷预测管理平台，其特征在于，还包括智能电网负荷预测框架体系，建立“点、线、面、体”的预测体系和负荷分析、预测、管理以及协调的一体化机制。

Images