CN105069690B - 一种电网运行数据处理方法 - Google Patents

Abstract

本发明提供了一种电网运行数据处理方法，该方法包括：通过数据挖掘算法，对电网运行的多源数据进行整合分析和可视化结果展示；为用户提供可配置的数据图表设计器，以及用于发布数据分析结果的发布平台。本发明提出了一种电网运行数据处理方法，能够动态获取数据，并对数据进行关联统计整合分析，数据形式多样化。

Description

一种电网运行数据处理方法

技术领域

本发明涉及智能电网，特别涉及一种电网运行数据处理方法。

背景技术

随着电网进入智能化数字阶段，对提高大电网驾驭能力，加强专业化、精益化管理提出了更高要求。目前在国内外的电力调控领域，数据的展示仅仅依赖于能量管理系统EMS内置的报表系统，其数据单一、维度单一、形式单一，无法加载非关系型数据，仅仅停留在单个测点的历史数据展示，每张报表都是独立的没有任何关联关系，形成了“信息孤岛”，数据价值利用率低下，仅凭人工的观察很难发现数据中潜藏的使用价值。

发明内容

为解决上述现有技术所存在的问题，本发明提出了一种电网运行数据处理方法，包括：

通过数据挖掘算法，对电网运行的多源数据进行整合分析和可视化结果展示；为用户提供可配置的数据图表设计器，以及用于发布数据分析结果的发布平台。

优选地，所述数据挖掘算法包括时间序列算法、关联算法以及大数据处理算法，将上述数据挖掘算法应用于数据综合分析，系统中的数据源包含EMS关系库、EMS实时库、电网模型数据、潮流数据，配电管理系统/电力调度生产管理系统以及气象信息数据，首先对这些数据进行数据整理、数据加载、数据转换；然后通过数据挖掘手段对不同业务数据进行处理与综合分析。

优选地，还包括：

在电网无功设备管理中，系统将分散在各个数据库中的电压、功率、无功储备信息进行整合并进行可视化展示；将数据映像，建立视图，并对数据进行清洗、提取、加载、转换操作，最终形成数据仓库，根据数据仓库中的大量数据采用DM和OLAP分析方法将无功储备、无功设备的动作情况以及电压功率因数数据的分布情况利用饼形图或者柱状图展现出来；针对恶劣天气对电网的破坏情况，将历史的极端气象数据与电网故障信息数据进行关联分析，分析出电网设备所存在的薄弱节点；

在冲击负荷检测中，采用时间序列分析算法捕捉冲击负荷，对于冲击负荷带来的影响范围与程度结合保存在EMS系统的电力应用软件内存库中的电网在线灵敏度分析结果，分析冲击负荷的分布情况以及影响范围，以提出相关建议，该建议包括在状态估计计算的时候进行厂站或者测点屏蔽，退出VQC/AVC的闭环控制以防止频繁的调节导致设备故障。

优选地，还包括：采用面向服务的体系架构，应用程序通过数据业务层的隔离和数据访问层的封装来实现各类应用对时间序列数据的访问；对时间序列库访问进行统一的管理和控制；数据层作为各种时间序列库及其访问接口，数据层之上为数据业务层，首先封装时间序列库统一访问接口，以屏蔽数据层各种类型时间序列库访问方式的差异；其次实现调度系统关键字/时间序列库标签的转换机制来完成采样点在调度系统和时间序列库之间的映射，提供了数据冗余备份机制和集群机制，在数据业务层中包括标签定义业务、采样定义业务、时间序列库提交业务和时间序列库查询业务；数据访问层包括定义采样点的工具、标签定义和提供给数据客户端访问数据业务端的各类接口，应用层通过底层封装，不关心时间序列库的类型、部署情况，通过数据访问层接口存取历史序列数据和获取历史断面数据；其中，数据业务层的时间序列库统一访问接口通过工厂模式以动态库插件方式对上层服务提供一致的访问方式，屏蔽下层时间序列库的差异，每个插件动态库匹配一种时间序列库；以关键字表征数据点，时间序列库通过标签号来表征，针对不同时间序列库特点，采用统一的关键字/标签映射技术；对于调度系统直接生成的时间序列库的标签号，直接由调度系统按照一定的策略生成不重复的标签号，生成后直接通知时间序列库的标签定义过程，标签定义过程在时间序列库中记录已定义的标签号；而对于时间序列库内部生成的时间序列库的标签号，先借助数据业务端的标签定义业务产生一个唯一且主备库一致的标签名作为桥梁，实现关键字到标签名的映射，标签定义业务将标签名通知时间序列库的标签定义过程，时间序列库根据标签名产生内部的采样定义点和标签号；

应用系统通过如下数据远程访问的机制访问数据源的数据：

步骤1：应用系统需将数据源中能够提供的数据类型注册到资源表中；

步骤2：应用系统中的应用程序调用数据访问接口；

步骤3：数据访问接口先通过远程资源定位服务；

步骤4：查询资源定位表；

步骤5：通过远程资源定位服务返回的地址信息，通过SOA总线代理；

步骤6：找到数据源的资源代理；

步骤7：将请求带到数据源的数据服务；

步骤8：数据源的数据服务取到数据后，逐级将结果返回给应用系统的数据访问接口，最后返回给调用程序；

建立安全访问控制策略，对系统中的所有访问者和所有服务都分配一个安全标识；然后通过电力调度证书认证系统，在标签基础上进行签名，扩展为安全标签，系统上下级数据调用中使用该安全标签，并按照标签中的安全策略进行数据访问控制；

时间序列内存库采用SOA，提供服务端和客户端；服务端接收基于PMU的前置应用报文，将数据存储在本地共享内存中，应用程序通过调用客户端接口访问服务端数据，时间序列内存库采用固定时间长度、数据值的间隔、下标直接定位的设计满足动态信息数据高速、海量、带时标特点的高效存储、检索要求；同时，时间序列内存库还提供支持多线程的数据访问及管理接口；

时间序列文件库采用高速索引与内存映射对压缩数据段进行文件读写，数据库访问提供3类接口:

1)数据库本地访问接口：通过本地访问接口，将实时库映射到进程地址空间；

2)数据库网络访问接口：在将数据库封装成服务的基础上，提供网络接口，供系统内部节点访问分布在系统内其他机器上的数据库；

3)数据库远程访问接口：在数据库封装成服务基础上，通过通信代理，使用安全防护手段，实现系统间的数据库远程访问,在数据库维护上，通过区域、厂站、节点/用户、设备之间的多重关联和级联组合关系，结合广域权限管理，实现数据库协作维护管理。

本发明相比现有技术，具有以下优点：

本发明提出了一种电网运行数据处理方法，能够动态获取数据，并对数据进行关联统计整合分析，数据形式多样化。

具体实施方式

下文对本发明一个或者多个实施例的详细描述。结合这样的实施例描述本发明，但是本发明不限于任何实施例。本发明的范围仅由权利要求书限定，并且本发明涵盖诸多替代、修改和等同物。在下文描述中阐述诸多具体细节以便提供对本发明的透彻理解。出于示例的目的而提供这些细节，并且无这些具体细节中的一些或者所有细节也可以根据权利要求书实现本发明。

本发明的电网数据管理系统一方面支持日常数据查询的相关功能，向用户提供高效易用的数据展现设计与浏览工具；另一方面，在数据层面解决电力数据统计分析问题，通过数据挖掘，对多源数据进行整合分析，将数据应用提升到规律揭示层面，向业务人员提供自主分析数据的手段，最终实现决策。

在上述系统中，用户根据实际业务需要灵活地部署数据图表控件的布局。系统为终端管理用户提供了一套可供二次开发的数据图表设计器，用户可以自由更新存储于Web服务器中的程序处理包。因此图形可视化界面可变、灵活。数据分析发布平台及丰富生动的展示形式系统为所有数据分析结果提供一个发布平台。除报表展示形式外，系统中提供了丰富多样的图表形式、控件种类，例如饼图、柱状图、气泡图、雷达图等等，并且与表格数据进行联动。

根据电力系统中的各项原始数据作出进一步的提炼、计算、处理，然后提取出有用的信息形成结论以帮助用户决策。例如在电网无功设备管理，系统将分散在各个数据库中的电压、功率、无功储备等信息进行整合并进行可视化展示。针对恶劣天气，等对电网的破坏情况，将历史的极端气象数据与电网故障信息数据进行关联分析，分析出电网设备所存在的薄弱节点，以增强电网的鲁棒性。

本发明将时间序列算法、关联算法等数据算法以及大数据处理技术应用于数据综合分析与可视化展示系统的设计。系统中的数据源，包含EMS关系库、EMS实时库、电网模型数据、潮流数据，配电管理系统/电力调度生产管理系统DMS/DMIS以及气象信息数据等运行数据。首先对这些数据进行数据整理、数据加载、数据转换。其次，通过数据挖掘手段对不同业务数据进行处理与综合分析。

系统中使用的主要的数据挖掘手段包括：关联规则：涉及到的极端天气与电网高发事故的关联关系分析就是基于此规则进行的。分类：以采样数据为训练分析基础，通过分析对象的属性、特征建立合理的分类模型，找出数据库中一组数据对象的共同特点。聚类：对具有共同趋势或结构的数据进行分组—数据划分。回归：确定因素与因素或原因与结果之间的函数关系。时间序列：主要通过与当前预测时间点相近的历史时刻的数据来预测当时的值。最后，利用可视化技术生成多达几十种的的图表控件对分析结果进行多维度展示，最终实现为相关业务人员提供决策的目的。

系统后台程序全部运行于Web服务器中，用户只需使用手机或个人电脑接入网络即可使用浏览器访问系统，无需安装任何前台程序。系统搭建是基于J2EE框架的Java语言设计开发的，因此具有良好的跨平台特性，采用先进的html5动态网页技术，所提供的图表控件技术达到国际主流的水平，支持主流Tomcat、Jboss、Weblogic、WeB/Sphere，Resin等主流Web服务器Html解析，可实现无缝集成。

联络线无功功率的交互、系统无功分布情况与电压水平与网损有着密切的关系。针对数据源的多样化与复杂性，系统利用数据仓库管理系统将数据映像，建立视图，并使数据标准化、规范化，进而对数据进行清洗、提取、加载、转换等操作，最终形成数据仓库。为了能够给调控运行人员提供全景的数据分析与展示，系统根据数据仓库中的大量数据采用DM和OLAP分析方法将无功储备、无功设备的动作情况以及电压功率因数等数据的分布情况利用饼形图或者柱状图展现出来。

在本实施例中通过对省级电网的无功储备、电压、功率因数、设备动作情况等无功电压相关信息进行整合与展示，以便于调控业务人员能够直观全面地了解系统无功与电压情况，为进行无功/电压调节提供了决策。

对于极端气候，系统对电网的运行破坏性进行了统计分析。对于灾害性分析，需要历史的气象数据以及电网设备故障历史数据，对这两类数据进行关联性分析，分析出由极端气候引起的故障数据。本实施例利用数据挖掘中的聚类、分类、关联性分析等技术手段，将由极端气候所引起的电网故障信息通过可视化技术展示，并在此基础上统计累计次数，进行频率分析，最终达到对电网薄弱节点辨识的目的。通过此类数据分析与挖掘辨识出系统的脆弱节点，并提示用户进行相关预防与解决措施，例如可以建议用户将该设备所关联的线路、母线、变压器、机组等设备加入到故障集，进行静态安全分析在发生此类故障下电网的运行情况，而对于比较重要的用户建议采取不同方向电源的多路供电方式，将容易受到影响的设备排除在外，进行“N-1”、“N-2”或者“N-m”的运行方式，以保证供电的稳定性。

通过数据挖掘技术捕捉冲击负荷，对于冲击负荷带来的影响范围与程度结合电网在线灵敏度分析结果，灵敏度计算结果通常保存在EMS系统的电力应用软件内存库中，将这两类数据进行结合才能够正确地认识与应对冲击负荷，将其对电网的影响降到最低。

本发明对于冲击负荷的捕捉与检测采用时间序列分析算法。系统中首先对冲击负荷进行捕获，并且进行预测。经过综合分析，可以让调度业务人员清晰地看出冲击负荷的分布情况以及影响范围，更进一步地提出相关建议，例如状态估计计算的时候进行厂站或者测点屏蔽以提高计算的收敛率与合格率，退出VQC/AVC的闭环控制以防止频繁的调节导致设备故障。

进一步，以时间序列库为核心的历史数据管理体系来管理上述数据源。采用面向服务的体系架构，应用程序通过数据业务层的隔离和数据访问层的封装来实现各类应用对时间序列数据的访问。便于对时间序列库访问进行统一的管理和控制。

最下层的数据层是各种时间序列库及其访问接口。数据层之上为数据业务层，首先要封装时间序列库统一访问接口，以屏蔽数据层各种类型时间序列库访问方式的差异；其次实现调度系统关键字/时间序列库标签的转换机制来完成采样点在调度系统和时间序列库之间的映射。本发明的数据管理架构，提供了数据冗余备份机制和集群机制。在数据业务层的上部是标签定义业务、采样定义业务、时间序列库提交业务和时间序列库查询业务。

数据访问层包括定义采样点的工具、标签定义功能和提供给数据客户端访问数据业务端的各类接口。最上层是应用层，通过底层封装，应用不关心时间序列库的类型、部署情况，通过数据访问层接口方便地存取历史序列数据和获取历史断面数据。

在数据业务层设计了时间序列库统一访问接口，通过工厂模式以动态库插件方式对上层业务提供一致的访问方式，屏蔽下层时间序列库的差异。每个插件动态库匹配一种时间序列库。调度系统用关键字表征数据点，时间序列库通过标签号来表征，针对不同时间序列库特点，采用统一的关键字/标签映射技术。

对于调度系统直接生成的时间序列库的标签号，直接由调度系统按照一定的策略生成不重复的标签号，生成后直接通知时间序列库的标签定义过程，标签定义过程在时间序列库中记录这个已定义的标签号。

而对于另外一些时间序列库内部生成的时间序列库的标签号，先借助数据业务端的标签定义业务产生一个唯一且主备库一致的标签名作为桥梁，实现关键字到标签名的映射，标签定义业务将标签名通知时间序列库的标签定义过程，时间序列库根据标签名产生内部的采样定义点和标签号。

客户端可以通过数据业务端的标签定义业务向时间序列库的标签定义过程根据标签名取得时间序列库内的标签号。关键字/标签映射也在插件动态库中。

通过时间序列库集群的方式可以解决大数据采样的问题。采样数据可以分为多个采样数据集，每个数据集的采样数据存入对应的时间序列库，多个时间序列库无交集地覆盖所有采样点，通过时间序列库集群形成一个逻辑可扩展的时间序列库池，满足任意数据规模调度系统的历史数据存储需要。系统可以自动也可手动定义每一个采样点关联到哪一个时间序列库。但是对于应用程序，完全感知不到系统使用的是一个时间序列库，还是多个时间序列库集群。

数据提交业务使用了共享内存FIFO与文件缓存相结合的两级缓存机制来解决时间序列库提交的问题，同时还可保证异常情况下历史数据保存的可靠性。时间序列库提交业务包含内存FIFO缓存和文件缓存两种，对应这两种缓存有3个线程。当外部请求提交的时候，请求处理线程将请求以结构化的方式存入内存FIFO缓存。正常情况下，时间序列库提交线程会及时提交内存FIFO缓存中的请求，并清空内存已提交缓存队列，不会有信息写入文件缓存。但是当出现异常情况时(譬如时间序列库故障)，已用内存FIFO缓存长度超过阈值后，内存转存线程将把内存FIFO缓存的信息写入文件缓存；当异常情况处理后，时间序列库提交线程将优先提交文件缓存的采样数据，然后提交内存FIFO缓存的数据。

在横向上，时间序列库以2个集群的形式出现；在纵向上，2个时间序列库集群的对应单库存放内容完全一致，互为备用。这种集群的冗余互备是动态的，多个时间序列库组成一个时间序列库集群，从而保证了时间序列库集群最大程度的可用性。时间序列库提交业务同时向2个时间序列库集群提交采样数据，当集群中某个时间序列库节点故障时，时间序列库提交业务利用数据请求两级队列缓存技术缓存历史数据，待故障时间序列库恢复后，再补充提交。

在事件驱动历史重放中，重放总控台作为核心驱动部分，它从商用数据库获取各类历史事件，用户可以选择任意一个事件，重放总控台自动根据事件所附带的时间信息，根据用户选择获取CASE中保存的历史模型、历史图形，并提取对应时间段时间序列历史数据和历史预警信息，在重放总控台的指令下协调同步滚动显示。

系统可以重放事件前后任意时长的整个事件经过，它优于传统基于报文回放方式的事故重放，不限定事件启动和终止时间，且可拓展到事故以外的其他事件。根据时间序列库的精确历史数据保存，系统可以截取任意时刻的断面数据用于分析计算，突破原有分钟级CASE断面局限，并可联动CASE保存的历史模型、历史图形。由于能够基于时间序列库的任意时刻数据断面提取，因此在提取数据断面基础上可进行状态估计及后续的潮流分析、故障分析等应用功能。

另一方面，为了实现上下级调度控制的纵向贯通，系统实现了系统间数据远程访问的机制。应用系统需要访问数据源的数据。具体步骤如下。

步骤1：应用系统需将数据源中能够提供的数据类型注册到资源表中。

步骤2：应用系统中的应用程序调用数据访问接口。

步骤3：数据访问接口先通过远程资源定位服务。

步骤4：查询资源定位表。

步骤5：通过远程资源定位服务返回的地址信息，通过SOA总线代理。

步骤6：找到数据源的资源代理。

步骤7：将请求带到数据源的数据服务。

步骤8：数据源的数据服务取到数据后，逐级将结果返回给应用系统的数据访问接口，最后返回给调用程序。

数据访问安全包含通信加密与安全标签技术。通信加密通过数字证书、隧道配置，及数据预置的方式完成相互间的身份验证及隧道协商。建立临时隧道时，通过自定义的证书交换协议完成证书的交换，并完成双向认证及密钥协商，对数据通信进行加密保护，对上层通信完全透明，不涉及上层通信程序的改动。

系统还建立安全访问控制策略，对系统中的所有访问者(用户、程序等)和所有服务都分配一个安全标识，称为标签。然后通过电力调度证书认证(CA)系统，在标签基础上进行签名，扩展为安全标签。系统上下级数据调用中使用安全标签，并按照标签中的安全策略进行数据访问控制。

当关键字包含逻辑记录号时，用关键字的逻辑记录号记录按照关键字中包含的记录号放置，根据关键字查找记录直接定位，没有中间环节；删除记录、插入记录没有记录移动，不会产生内存拷贝。通过关键字索引，获取全表记录效率可接近紧凑表的效率。

以天为单位查询历史数据是最为常用的历史数据访问方式，譬如日曲线、日报表等，在这样的使用场景下，历史数据按行存储比按列存储具备更高的访问效率。历史采样采用了行式存储方式，在该方式下，列表示采样时间，行表示测点。以1min遥测采样为例，1min采样表每天会产生三张表名带日期的表：遥测值表、遥测状态表和遥信值表。该表的第一个列为DATA_ID，是某个遥测量的关键字；DATA_0_0，DATA_0_1，…，DATA_23_59分别表示每天第0时0分，0时1分，…，23时59分的值，该表每一行记录可以表示一个遥测量一天中每一分钟的值，遥测量个数与该表记录行数相同。遥测状态表、遥信值表与遥测值表的结构相同，只是表中保存的分别是遥测值的状态、遥信值。

时间序列内存库采用SOA，提供服务端和客户端。服务端接收基于PMU的前置应用报文，将数据存储在本地共享内存中，应用程序通过调用客户端接口访问服务端数据。在存储方面，时间序列内存库采用固定时间长度、数据值等间隔、下标直接定位的设计满足动态信息数据高速、海量、带时标特点的高效存储、检索要求；同时，时间序列内存库还提供支持多线程的数据访问及管理接口，充分利用CPU多路多核技术。有效地提升了时间序列内存库的快速批量访问效率。

电网运行动态数据的在线无损压缩须提供较高数据压缩率支持大数据存储要求和较短的响应时间。时间序列文件库采用独特的数据无损压缩算法，根据电网动态数据连续变化的特性，结合数据类型与数据测量值的变化趋势进行针对性优化，在获得更大的数据压缩比的同时保持较高的计算效率。

时间序列文件库采用高速索引与内存映射技术对压缩数据段进行文件读写，获得了较高的数据访问速度，能够很好地满足省级以上调度中心的动态数据存储要求。

数据库访问提供3类接口。

1)数据库本地访问接口：以实时库本地接口为代表，通过本地访问接口，可将实时库映射到进程地址空间，访问实时库就如同访问本地数据一样高效。

2)数据库网络访问接口：在将数据库封装成服务的基础上，提供网络接口，供系统内部节点访问分布在系统内其他机器上的数据库。

3)数据库远程访问接口：在数据库封装成服务基础上，通过通信代理，使用安全防护手段，可实现系统间的数据库远程访问。在数据库维护上，通过区域、厂站、节点/用户、设备之间的多重关联和级联组合关系，结合广域权限管理，保证数据库协作维护管理的安全性和一致性。

在数字多样化展示方面，包括以下四个方面的内容。①以系统中存储的间隔模型为基础，通过订阅系统中的预警信息，根据预警信息的内容进行归类统计；②以设备单元为基础的预警统计和实时预警为切入点，关联相应的厂站或者间隔接线图。通过实时的数据监控，利用的历史数据，借助接线图和趋势分析曲线的联合重放，重现事故发生时精细、准确的场景；③通过对设备的电气参数、操作记录和检修记录的集成，辅助调度人员进行实时监控和事故历史重放，为其提供全面的设备信息。同时关联OMS的设备维护记录数据；④总加分析、越限分析、重载分析、冲击负荷分析等。

首先，需要订阅报警信息发送通道，获取事故预警信息。根据预警信息中的所属间隔ID进行分类，形成以根节点为该间隔的树形结构，并随着预警信息的产生动态地更新。其次，根据选择的间隔，自动按照间隔接线图的命名规则生成预警信息所属的间隔接线图名称，从智能电网调度控制系统的图形文件服务器中请求该接线图的基于公共信息模型(CIM)高速图像交换格式(CIM/G)图形数据，转化为可缩放矢量图形(SVG)格式图形，并保持所关联的数据源能够动态更新，从而使得调度人员可以在预警产生后，直观地看到该间隔的设备运行状况。根据预警信息所属的间隔ID自动从时间序列数据库中获取该条预警产生前后一定时间范围内的该间隔关键设备的运行数据，提供全景事故重放工具对事故进行追溯。

最后，部署一个数据发送服务，根据需要从OMS系统中获取某个间隔内的设备电气参数静态信息和设备的检修记录并通过反向隔离装置传送到安全Ⅰ区进行显示。通过预警的时间查询相关的检修记录，全方位了解设备的状况。

利用时间序列数据库中带时标的量测数据，可以获取到某一时刻的数据断面，能够方便地根据其公式重新计算出一段时间内的计算值，并图形展示新旧数据、或者某一时刻的公式分量数据的比对和分析。

(1)基于时间序列电网运行数据的计算公式重计算及分量分析：实现变化即计算，模拟实时状态下当某个分量值发生变化就触发计算，获得一段历史的精细的历史计算数据。

(2)由于采用了变化即计算的方式，输入斜率的阈值和量测值超正常值的百分比。实现数据预处理，过滤干扰的数据(数据毛刺)，再借助斜率变化等数据突变的算法可以统计分析出某段时间内计算值出现突变的时间及次数。

(3)根据计算值的重计算、突变分析，全面掌握电网数据总加和电网运行情况，能够获得其精细的运行轨迹，运行数据异常时能够快速定位故障原因。

在原有的电网设备故障判断模型的基础上，利用时间序列数据的能够存储电网运行数据的优势，在重合成功、正常分闸、异常分闸的判断逻辑中添加相关量测点的真实的历史量测数据的支持，有效地提高判断的准确度。详述事件捕捉的模型定义如下。

(1)事故分闸：若分闸时刻为T，间隔的“事故总”保护信号发生时刻为T′，如果|T–T′|值在一定时间t(如3s)内，并且在T时刻之后的t₁s内(如2s内)发生了合闸，t₂s内(如5s内，且t₁<t₂)又发生了分闸，则认为是事故分闸的情况。其中：分闸时刻T与保护信号发生时刻T′的时间戳正常均是统一的主站时标；t、t₁、t₂的时间大小可由用户调整。

(2)重合成功：SW间隔的“事故总”保护信号发生时刻为T′，如果|T–T′|值在一定时间t(如3s)内，并且在T时刻之后的t₁s内(如2s内)发生了合闸，t₂s内(如5s内，且t₁<t₂)没有分闸且此时该间隔相关的遥测量I不为0，则认为是重合成功的情况。其中：

分闸时刻T与保护信号发生时刻T′的时间戳正常均是统一的主站时标；t、t₁、t₂的时间大小用户可调。

(3)正常分闸：分闸时刻为T，如果在T时刻之前或之后一定时间t(如3s)内没有事故总保护信号发生，而间隔相关的遥测量I在一定时间t₃(如7s)后的第一个值为0或零漂则认为是正常分闸。

(4)异常分闸：分闸时刻为T，如果在T时刻之前或之后一定时间t(如3s)内没有事故总保护信号发生，而间隔相关的遥测量I在一定时间t3(如7s)后的第一个值不为0，则应统计为异常分闸。

通过利用时间序列数据库存储的电网运行数据，可以根据需要重新计算出精确的设备负载率。主要包括以下内容：

(1)获取某个变压器、负荷或者线路的电流历史时间序列数据。

(2)按照数据的时间顺序依次计算出每个时刻的设备负载率，计算公式为：负载率＝电流/额定电流值。

(3)如果负载率大于用户设定的重载门槛值，则设置该负载率的状态为重载。

(4)统计重载的持续时间和各设备的重载总时长。

本发明利用时间序列数据库中存储的遥测历史数据，获得量测的历史遥测越限情况，进行全面的遥测越限分析：

(1)从时间序列数据库中获取某个量测历史数据。

(2)根据历史数据中的状态码，结合系统设定的状态码规则，计算出该数值的越限状态。

(3)统计各设备不同越限等级持续时间长度和总越限时长。

利用的电网运行时间序列数据，根据冲击负荷的判定规则，自动地在海量的历史数据中定位冲击负荷的发生时段，从而追溯到冲击负荷发生时的精细数据和过程。冲击负荷分析主要包括以下内容。

(1)输入某典型负荷的历史负荷数据，该负荷通常情况下在某段时间会发生冲击负荷现象。

(2)完成数据预处理，去除干扰识别历史的冲击负荷的因素。

(3)输出该负荷的正常负荷区间和冲击负荷发生时负荷上升的幅度数据范围和持续时间区间范围数据。

(4)当对该类型的负荷进行冲击分析时，输入经过前面步骤计算的历史经验数据和一段时间序列数据，通过计算负荷的变化趋势和高负荷的状态持续时间，统计分析历史的冲击负荷情况。

(5)借助统计分析结果，辅助调度人员快速掌握某个单位或者用电设备的冲击负荷状况。

显然，本领域的技术人员应该理解，上述的本发明的各模块或各步骤可以用通用的计算系统来实现，它们可以集中在单个的计算系统上，或者分布在多个计算系统所组成的网络上，可选地，它们可以用计算系统可执行的程序代码来实现，从而，可以将它们存储在存储系统中由计算系统来执行。这样，本发明不限制于任何特定的硬件和软件结合。

应当理解的是，本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理，而不构成对本发明的限制。因此，在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。此外，本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。

Claims (2)

1.一种电网运行数据处理方法，其特征在于，包括：

通过数据挖掘算法，对电网运行的多源数据进行整合分析和可视化结果展示；为用户提供可配置的数据图表设计器，以及用于发布数据分析结果的发布平台；

对历史的气象数据以及电网设备故障历史数据进行关联性分析，分析出由极端气候引起的故障数据；利用数据挖掘中的聚类、分类、关联性分析，将由极端气候所引起的电网故障信息通过可视化技术展示，并在此基础上统计累计次数，进行频率分析；

所述数据挖掘算法包括时间序列算法、关联算法以及大数据处理算法，将上述数据挖掘算法应用于数据综合分析，系统中的数据源包含EMS关系库、EMS实时库、电网模型数据、潮流数据，配电管理系统/电力调度生产管理系统以及气象信息数据，首先对这些数据进行数据整理、数据加载、数据转换；然后通过数据挖掘手段对不同业务数据进行处理与综合分析；

该方法还包括：

在电网无功设备管理中，系统将分散在各个数据库中的电压、功率、无功储备信息进行整合并进行可视化展示；将数据映像，建立视图，并对数据进行清洗、提取、加载、转换操作，最终形成数据仓库，根据数据仓库中的大量数据采用DM和OLAP分析方法将无功储备、无功设备的动作情况以及电压功率因数数据的分布情况利用饼形图或者柱状图展现出来；针对恶劣天气对电网的破坏情况，将历史的极端气象数据与电网故障信息数据进行关联分析，分析出电网设备所存在的薄弱节点；

在冲击负荷检测中，采用时间序列分析算法捕捉冲击负荷，对于冲击负荷带来的影响范围与程度结合保存在EMS系统的电力应用软件内存库中的电网在线灵敏度分析结果，分析冲击负荷的分布情况以及影响范围，以提出相关建议，该建议包括在状态估计计算的时候进行厂站或者测点屏蔽，退出VQC/AVC的闭环控制以防止频繁的调节导致设备故障；

对于时间序列库内部生成的时间序列库的标签号，先借助数据业务端的标签定义业务产生一个唯一且主备库一致的标签名，实现关键字到标签名的映射，标签定义业务将标签名通知时间序列库的标签定义过程，时间序列库根据标签名产生内部的采样定义点和标签号；

客户端可以通过数据业务端的标签定义业务向时间序列库的标签定义过程根据标签名取得时间序列库内的标签号；关键字/标签映射也在插件动态库中；

采样数据分为多个采样数据集，每个数据集的采样数据存入对应的时间序列库，多个时间序列库无交集地覆盖所有采样点，通过时间序列库集群形成一个逻辑可扩展的时间序列库池；

数据提交业务使用了共享内存FIFO与文件缓存相结合的两级缓存机制；时间序列库提交业务包含内存FIFO缓存和文件缓存两种，对应这两种缓存有3个线程；当外部请求提交的时候，请求处理线程将请求以结构化的方式存入内存FIFO缓存；当出现异常情况时，已用内存FIFO缓存长度超过阈值后，内存转存线程将把内存FIFO缓存的信息写入文件缓存；当异常情况处理后，时间序列库提交线程将优先提交文件缓存的采样数据，然后提交内存FIFO缓存的数据。

2.根据权利要求1所述的方法，其特征在于，还包括：采用面向服务的体系架构，应用程序通过数据业务层的隔离和数据访问层的封装来实现各类应用对时间序列数据的访问；对时间序列库访问进行统一的管理和控制；数据层作为各种时间序列库及其访问接口，数据层之上为数据业务层，首先封装时间序列库统一访问接口，以屏蔽数据层各种类型时间序列库访问方式的差异；其次实现调度系统关键字/时间序列库标签的转换机制来完成采样点在调度系统和时间序列库之间的映射，提供了数据冗余备份机制和集群机制，在数据业务层中包括标签定义业务、采样定义业务、时间序列库提交业务和时间序列库查询业务；数据访问层包括定义采样点的工具、标签定义和提供给数据客户端访问数据业务端的各类接口，应用层通过底层封装，不关心时间序列库的类型、部署情况，通过数据访问层接口存取历史序列数据和获取历史断面数据；其中，数据业务层的时间序列库统一访问接口通过工厂模式以动态库插件方式对上层服务提供一致的访问方式，屏蔽下层时间序列库的差异，每个插件动态库匹配一种时间序列库；以关键字表征数据点，时间序列库通过标签号来表征，针对不同时间序列库特点，采用统一的关键字/标签映射技术；对于调度系统直接生成的时间序列库的标签号，直接由调度系统按照一定的策略生成不重复的标签号，生成后直接通知时间序列库的标签定义过程，标签定义过程在时间序列库中记录已定义的标签号；而对于时间序列库内部生成的时间序列库的标签号，先借助数据业务端的标签定义业务产生一个唯一且主备库一致的标签名作为桥梁，实现关键字到标签名的映射，标签定义业务将标签名通知时间序列库的标签定义过程，时间序列库根据标签名产生内部的采样定义点和标签号；

应用系统通过如下数据远程访问的机制访问数据源的数据：

步骤1：应用系统需将数据源中能够提供的数据类型注册到资源表中；

步骤2：应用系统中的应用程序调用数据访问接口；

步骤3：数据访问接口先通过远程资源定位服务；

步骤4：查询资源定位表；

步骤5：通过远程资源定位服务返回的地址信息，通过SOA总线代理；

步骤6：找到数据源的资源代理；

步骤7：将请求带到数据源的数据服务；

步骤8：数据源的数据服务取到数据后，逐级将结果返回给应用系统的数据访问接口，最后返回给调用程序；

建立安全访问控制策略，对系统中的所有访问者和所有服务都分配一个安全标识；然后通过电力调度证书认证系统，在标签基础上进行签名，扩展为安全标签，系统上下级数据调用中使用该安全标签，并按照标签中的安全策略进行数据访问控制；

时间序列内存库采用SOA，提供服务端和客户端；服务端接收基于PMU的前置应用报文，将数据存储在本地共享内存中，应用程序通过调用客户端接口访问服务端数据，时间序列内存库采用固定时间长度、数据值的间隔、下标直接定位的设计满足动态信息数据高速、海量、带时标特点的高效存储、检索要求；同时，时间序列内存库还提供支持多线程的数据访问及管理接口；

时间序列文件库采用高速索引与内存映射对压缩数据段进行文件读写，数据库访问提供3类接口:

1)数据库本地访问接口：通过本地访问接口，将实时库映射到进程地址空间；

2)数据库网络访问接口：在将数据库封装成服务的基础上，提供网络接口，供系统内部节点访问分布在系统内其他机器上的数据库；

3)数据库远程访问接口：在数据库封装成服务基础上，通过通信代理，使用安全防护手段，实现系统间的数据库远程访问,在数据库维护上，通过区域、厂站、节点/用户、设备之间的多重关联和级联组合关系，结合广域权限管理，实现数据库协作维护管理。