CN105528671B - 一种基于大数据的电网多维感知与安全评估系统及方法 - Google Patents
一种基于大数据的电网多维感知与安全评估系统及方法 Download PDFInfo
- Publication number
- CN105528671B CN105528671B CN201510867310.8A CN201510867310A CN105528671B CN 105528671 B CN105528671 B CN 105528671B CN 201510867310 A CN201510867310 A CN 201510867310A CN 105528671 B CN105528671 B CN 105528671B
- Authority
- CN
- China
- Prior art keywords
- power grid
- grid
- power
- knowledge base
- platform
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000004458 analytical method Methods 0.000 claims abstract description 33
- 238000013500 data storage Methods 0.000 claims abstract description 24
- 238000003860 storage Methods 0.000 claims abstract description 20
- 230000000153 supplemental effect Effects 0.000 claims abstract description 20
- 238000000605 extraction Methods 0.000 claims abstract description 19
- 238000007726 management method Methods 0.000 claims abstract description 11
- 230000009467 reduction Effects 0.000 claims abstract description 10
- 238000009826 distribution Methods 0.000 claims abstract description 9
- 230000005611 electricity Effects 0.000 claims description 18
- 238000012512 characterization method Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 11
- 230000033228 biological regulation Effects 0.000 claims description 8
- 230000005540 biological transmission Effects 0.000 claims description 8
- 238000010248 power generation Methods 0.000 claims description 8
- 239000000284 extract Substances 0.000 claims description 7
- 238000013459 approach Methods 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 claims description 5
- 230000006698 induction Effects 0.000 claims description 5
- 238000011156 evaluation Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 4
- 238000012546 transfer Methods 0.000 claims description 4
- 238000005054 agglomeration Methods 0.000 claims description 3
- 230000002776 aggregation Effects 0.000 claims description 3
- 230000015572 biosynthetic process Effects 0.000 claims description 3
- 238000010219 correlation analysis Methods 0.000 claims description 3
- 238000013523 data management Methods 0.000 claims description 3
- 238000012217 deletion Methods 0.000 claims description 3
- 230000037430 deletion Effects 0.000 claims description 3
- 230000001939 inductive effect Effects 0.000 claims description 3
- 238000010187 selection method Methods 0.000 claims description 3
- 238000003786 synthesis reaction Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000007796 conventional method Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 6
- 239000000203 mixture Substances 0.000 description 6
- 239000000523 sample Substances 0.000 description 6
- 238000007792 addition Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000010835 comparative analysis Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000009412 basement excavation Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000005253 cladding Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
- G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Databases & Information Systems (AREA)
- Operations Research (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Computing Systems (AREA)
- Development Economics (AREA)
- General Engineering & Computer Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于大数据的电网多维感知与安全评估系统及方法,系统包括电网大数据存储平台、电网大数据安全特征提取平台、电网安全运行知识库分析平台和结果展示平台五部分。系统采用Hadoop文件分布式管理体系,对EMS采集大数据实现快速存储和查询;在此基础上,利用特征提取平台提取电网安全主特征、辅助特征和数值特征,对电网大数据实施降维;提取的安全特征进入电网安全运行知识库,在库中与相关安全规则比对,最终得出当前电网的安全状况评估。与一般方法相比,本发明有益的效果为:设计了一种适用于大数据的评估系统,对电网大数据进行合理的降维,实现对电网的安全状况全面、合理的评估。
Description
技术领域
本发明属于电力系统安全评估技术领域,尤其涉及一种基于大数据的电力设备安全评估与预警系统及方法。
背景技术
随着电力系统信息化的不断进步,大量的智能变电站投入使用、基于PMU的广域测量技术(WAMS)的迅速发展,智能电网电力系统的状态测量向高采样率、大范围、快速连续记录和海量存储的方向发展。由于电力系统覆盖范围广,运行状态复杂多变,动态过程快,电力系统数据具有数据量大,数据类型复杂,数据发布范围广、数据采集传输速度快等典型的大数据特征,已经远远超出传统电网监测系统的检测范畴。智能电网的发展使电网已经进入大数据处理时代。
电力系统是由发电、输电、配电和用电等多层次网络组成的电能生产与供给系统,其功能是将多种一次能源转换为电能分配输送到各电力用户。电力系统具有处理能量大,覆盖地域广、覆盖元件多、动态过程复杂、强非线性等特点,是最复杂的人造系统之一,确保电力系统的合理运行和安全稳定本身就是一个高维度非线性问题。传统的方法是利用离线的电网安全分析工具制定安全规则,将电网约束到安全规则规定的安全空间中,对电网多变的运行方式适应性很差。在智能电网大数据的背景下,随着电网规模不断的扩大以及以风电为代表的大规模间歇性新能源的大量接入,使电网运行方式的时变性和复杂性日益增强,大电网安全运行的特征和规律越来越难以把握,极大的增加了电网规则制定的难度和电力系统运行的风险。
因此,随着电网运行产生的量测数据的不断增长,传统离线计算指导调度安全运行的方法已经不能满足智能电网全面、实时的安全预警要求。如何在大数据的背景下全面感知电网状态,并对大电网的安全运行进行分析研究,建立一套服务于大电网安全分析的安全预警系统是一个亟待解决的问题。
发明内容
为了解决以上问题,本发明提出一种基于大数据的多维电网感知与安全评估系统及方法,用于大数据背景下电力系统的状态监测、安全分析与实时预警。
本发明的系统所采用的技术方案是:一种基于大数据的电网多维感知与安全评估系统,其特征在于:包括电网大数据存储平台、电网安全特征提取平台、电网安全运行知识库分析平台和结果展示平台5个平台;
所述电网大数据存储平台与智能电网PMU测量模块相连,用于存储电网实时大数据;
所述电网安全特征提取平台与电网大数据存储平台相连,采用主特征、辅助特征和数值特征相结合的方法全面提取当前电网的运行特征,实现数据降维;
所述电网安全运行知识库分析平台通过获取所述电网安全特征提取平台提取的当前电网运行特征,将当前电网的运行特征与不断更新知识规则进行比对,最终给出表征当前电网的安全状态的相关参数,对电网安全特征进行进一步的总结归纳,建立完备的电网安全运行知识库,评估当前电网的运行状态;
所述结果展示平台用于将当前电网运行状态评估结果展示给调度人员。
作为优选,所述大数据存储平台是以Hadoop分布式文件管理系统为基础构架,快速接收并存储分布式的WAMS实时数据,并将其与发电及负荷数据、设备参数数据和历史数据传给MapReduce管理模块以备调用。
本发明的方法所采用的技术方案是:一种基于大数据的电网多维感知与安全评估方法,其特征在于,包括以下步骤:
步骤1:WAMS采集当前电网的实时数据信息,并将其分布式的存储到电网大数据存储平台中;
步骤2:电网大数据存储平台将WAMS电网实时数据、设备参数数据、发电及负荷数据和历史数据纳入Hadoop分布式文件管理体系中,利用MapReduce技术实现对电网大数据的存储和管理;
步骤3:电网安全特征提取平台以电网大数据存储平台的海量数据为基础,结合当前电力系统的拓扑结构、运行状态和历史数据确定关键断面,采用主特征、辅助特征和数值特征相结合的方法全面提取当前电网的运行特征,实现数据降维;
步骤4:电网安全运行知识库分析平台对电网安全特征做进一步的分析、挖掘和归纳,得到可以指导电网智能化和精细化运行的电网安全运行知识规则,并将其存储到电网安全运行知识库中;
步骤5:电网安全运行知识库分析平台将当前电网的运行特征与不断更新知识规则进行比对,最终给出表征当前电网的安全状态的相关参数,对电网安全特征进行进一步的总结归纳,建立完备的电网安全运行知识库,评估当前电网的运行状态;并将结果传送至结果展示平台。
作为优选,步骤3的具体实现包括以下子步骤:
步骤3.1:以图论为基础,结合潮流方向选取的一组当前系统中安全裕度小于20%的一簇输电支路共同构成关键断面;
步骤3.2:在关键断面上提取电力系统在线安全的主特征P0(jk):
其中:ln=(lj,,l2,...lk),表征关键断面j到k上所有输电线路集合;
步骤3.3:选取与主特征P0(jk)最相关的电网特征量:发电机出力、节点电压、潮流数据作为辅助特征参量Δan;
步骤3.4:利用电网大数据确定各个辅助特征对主特征的影响力大小bn;
步骤3.5:最终提取的电网运行特征由主特征、辅助特征和数值特征共同构成:
作为优选,所述辅助特征选择方法,包括以下两种:(1)依属性分布的特征选择方法;(2)依属性样本的特征选择方法。
作为优选,步骤4中所述电网安全运行知识库分析平台对电网安全特征做进一步的分析、挖掘和归纳,归纳方法包括以下4种:(1)基于实时数据,断面/主特征与当前电网实际安全状况的比较分析;(2)基于历史数据,断面/主特征时间周期的规律分析;(3)基于历史数据,断面/主特征趋势分析;(4)基于历史数据,断面/主特征与非电气量的相关性分析。
作为优选,步骤4中所述电网安全运行知识规则Fjk,来自于不断修正的电网安全运行知识库,是电力系统安全运行知识的数据部分;
其中:Pmax(jk)表征关键断面jk的极限传输容量,由电网安全运行知识库结合相关知识规则、电网相关规律综合给出;P(jk)表征当前电网的运行特征;Fjk表征当前jk断面的安全度,数值越小,安全度越低。
作为优选,步骤5中所述建立完备的电网安全运行知识库,是根据最新的潮流状态和拓扑结构对原有知识库进行更新;这一过程包括电网安全运行知识的添加、删除、分裂及合并过程,根据对知识库不同层次结构的影响,分为知识库层次更新、知识库类别更新和知识库整体拓扑更新。
作为优选,步骤5中所述将当前电网的运行特征与不断更新知识规则进行比对,若符合电网安全运行知识库中的安全规则,则系统安全,将当前电网状态更新到电网安全运行知识库中;若不符合电网安全运行知识库中的安全规则,则通过结果展示平台向调度人员发出预警信息。
作为优选,步骤5中所述电网安全运行知识库,采用分层创建和聚类存储的方式存储数据,其具体实现过程如下:
步骤5.1:以WAMS获得的电网在线运行状态为基础,利用电网安全运行规则发现电网安全运行知识,进过一段时间积累后,形成海量的不同电网运行状态对应的电网安全运行知识,将这些知识作为初始电网安全运行知识库;
步骤5.2:依据电网主特征选择的不同,将初始电网安全运行知识库分成不同的层次,每一层次下的电网安全运行知识具有相同的主特征,即具有相同的电网关键断面,进而实现电网安全运行知识的分层存储;
步骤5.3:最后再通过电网运行状态的聚类模型,将同一层次的知识聚类形成不同的运行状态类别,每一类别得到的电网运行状态接近,故电网安全运行知识也相似,最终实现电网安全运行知识的聚类存储。
本发明的系统采用Hadoop文件分布式管理体系,对EMS采集大数据实现快速存储和查询;在此基础上,利用特征提取平台提取电网安全主特征、辅助特征和数值特征,对电网大数据实施降维;提取的安全特征进入电网安全运行知识库,在库中与相关安全规则比对,最终得出当前电网的安全状况评估。与一般方法相比,本发明有益的效果为:设计了一种适用于大数据的评估系统,对电网大数据进行合理的降维,实现对电网的安全状况全面、合理的评估。
附图说明
图1为本发明实施例的系统图;
图2为本发明实施例的系统中电网大数据存储平台的组成框图;
图3为本发明实施例的系统中电网安全运行知识库分析平台的组成框图;
图4为本发明实施例的方法流程图;
图5为本发明实施例的方法中当前电网的运行特征提取流程图。
具体实施方式
下面将结合本发明实例中的附图,对本发明实例中的技术方案进行清楚、完整的描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有实施例,都属于本发明保护的范围。
请见图1,本发明提供的一种基于大数据的电网多维感知与安全评估系统,包括电网大数据存储平台、电网安全特征提取平台、电网安全运行知识库分析平台和结果展示平台5个平台;电网大数据存储平台与智能电网PMU测量模块相连,用于存储电网实时大数据;电网安全特征提取平台与电网大数据存储平台相连,采用主特征、辅助特征和数值特征相结合的方法全面提取当前电网的运行特征,实现数据降维;电网安全运行知识库分析平台通过获取电网安全特征提取平台提取的当前电网运行特征,将当前电网的运行特征与不断更新知识规则进行比对,最终给出表征当前电网的安全状态的相关参数,对电网安全特征进行进一步的总结归纳,建立完备的电网安全运行知识库,评估当前电网的运行状态;结果展示平台用于将当前电网运行状态评估结果展示给调度人员。
请见图2,为本发明中电网大数据存储平台的组成框图。电网大数据存储平台以Hadoop分布式文件管理系统为基础构架,快速接收并存储分布式的WAMS实时数据,并将其与发电及负荷数据、设备参数数据和历史数据等传给MapReduce管理模块以备调用。平台最终实现电网大数据的分布式存储和快速查询功能。
请见图3,为本发明中网安全运行知识库分析平台的组成框图:平台主要由安全分析模块和知识库两部分组成。安全分析模块负责对电网安全特征做进一步的分析、挖掘和归纳,得到可以指导电网智能化和精细化运行的电网安全运行知识,并将其存储/更新到电网安全知识库中。电网安全运行知识库采用分层创建和聚类存储的方式存储电网安全知识,负责为安全分析模块提供知识规则支持。
请见图4,本发明提供的一种基于大数据的电网多维感知与安全评估方法,包括以下步骤:
步骤1:WAMS采集当前电网的实时数据信息,并将其分布式的存储到电网大数据存储平台中;
步骤2:电网大数据存储平台将WAMS电网实时数据、设备参数数据、发电及负荷数据和历史数据纳入Hadoop分布式文件管理体系中,利用MapReduce技术实现对电网大数据的存储和管理;
步骤3:电网安全特征提取平台以电网大数据存储平台的海量数据为基础,结合当前电力系统的拓扑结构、运行状态和历史数据确定关键断面,采用主特征、辅助特征和数值特征相结合的方法全面提取当前电网的运行特征,实现数据降维;
请见图5,本实施例的当前电网的运行特征的提取,包括以下子步骤:
步骤3.1:以图论为基础,结合潮流方向选取的一组当前系统中安全裕度小于20%的一簇输电支路共同构成关键断面;
步骤3.2:在关键断面上提取电力系统在线安全的主特征P0(jk):
其中:ln=(lj,,l2,...lk),表征关键断面j到k上所有输电线路集合;
步骤3.3:选取与主特征P0(jk)最相关的电网特征量:发电机出力、节点电压、潮流数据作为辅助特征Δan;
辅助特征选择方法,包括以下两种:
(1)依属性分布的特征选择方法;
1.依据输入属性的维度(S维),将其分为M分,形成M个属性维度为S/M的输入属性子集A1,A2...AM;
2.对每一个子集做特征选择,形成N个特征属性子集A′1,A′2...A′M;
3.将每一个子集特征选择后的结果进行合并形成A′=A′1∪A′2∪...∪A′M,对A′再做一次特征选择即可得到最终的选择结果。
(2)依属性样本的特征选择方法;
1.依据输入属性的样本数量(S维),将其分为M分,形成M个样本数量为S/M的输入属性子集A1,A2...AM;
2.对每一个子集做特征选择,形成N个特征属性子集A′1,A′2...A′M;
3.将每一个子集特征选择后的结果分析与归纳,得出最终结果。
以上两种方法均可以降低辅助安全特征数据的维度,其中方法(2)所述的属性样本的特征选择方法,与电网大数据中心中的存储方式相同,不需要进行数据格式的转换,运用方便,故优先考虑。但当处理特征属性子集A′1,A′2...A′M互相矛盾时,应采用方法(1)。
步骤3.4:利用电网大数据确定各个辅助特征对主特征的影响力大小bn;
步骤3.5:最终提取的电网运行特征由主特征、辅助特征和数值特征共同构成:
步骤4:电网安全运行知识库分析平台对电网安全特征做进一步的分析、挖掘和归纳,得到可以指导电网智能化和精细化运行的电网安全运行知识规则,并将其存储到电网安全运行知识库中;
其中电网安全运行知识库分析平台对电网安全特征做进一步的分析、挖掘和归纳,归纳方法包括以下4种:
(1)基于实时数据,断面(主特征)与当前电网实际安全状况的比较分析。由于实时性差,此方法主要用于初始安全运行知识库的建立和后期安全运行知识库的微调:断面主特征由电网安全运行知识分析平台给出;当前电网实际安全状况由仿真给出。若两者之间的差别小于阈值(ΔFjk<0.005),说明当前知识规则可信,将其存储;若两者之间的差别大于阈值,说明当前知识规则不合理,将其修正后再加入知识库中。
(2)基于历史数据,断面(主特征)时间周期的规律分析。在一天中,有些断面始终作为关键断面出现,需要电网运行人员重点关注;有些断面会随着时间的变化出现与消失,需要关注其演变规律。一天中发电、负荷随时间的变化,使得网络潮流分布发生变化,从而导致关键断面发生转移、出现与消失,这一规律为日周期规律。电网安全运行知识分析平台对此规律进行总结,并将其作为时间知识规则存储,指导以后电网安全运行。
(3)基于历史数据,断面(主特征)趋势分析。在一般情况下,潮流越重,关键断面越多,说明电网安全水平越低。一段时间内关键断面数量大大增加,说明电网安全水平大大降低。电网安全运行知识分析平台对此规律进行总结,并将其作为辅助知识规则存储,指导以后电网安全运行。
(4)基于历史数据,断面(主特征)与非电气量的相关性分析。除了与时间的相关性分析外,还应探究关键断面(主特征)与温度、风力、日照强度、湿度条件、气象条件等非电气量的知识关系,更准确的指导电网安全运行。
安全运行知识规则Fjk,来自于不断修正的电网安全运行知识库,是电力系统安全运行知识的数据部分;
其中:Pmax(jk)表征关键断面jk的极限传输容量,由电网安全运行知识库结合相关知识规则、电网相关规律综合给出;P(jk)表征当前电网的运行特征;Fjk表征当前jk断面的安全度,数值越小,安全度越低。
步骤5:电网安全运行知识库分析平台将当前电网的运行特征与不断更新知识规则进行比对,最终给出表征当前电网的安全状态的相关参数,对电网安全特征进行进一步的总结归纳,建立完备的电网安全运行知识库,评估当前电网的运行状态;并将结果传送至结果展示平台。
其中建立完备的电网安全运行知识库,是根据最新的潮流状态和拓扑结构对原有知识库进行更新;这一过程包括电网安全运行知识的添加、删除、分裂及合并过程,根据对知识库不同层次结构的影响,分为知识库层次更新、知识库类别更新和知识库整体拓扑更新。
将当前电网的运行特征与不断更新知识规则进行比对,若符合电网安全运行知识库中的安全规则,则系统安全,将当前电网状态更新到电网安全运行知识库中;若不符合电网安全运行知识库中的安全规则,则通过结果展示平台向调度人员发出预警信息。
本实施例的电网安全运行知识库,采用分层创建和聚类存储的方式存储数据,其具体实现过程如下:
步骤5.1:以WAMS获得的电网在线运行状态为基础,利用电网安全运行规则发现电网安全运行知识,进过一段时间积累后,形成海量的不同电网运行状态对应的电网安全运行知识,将这些知识作为初始电网安全运行知识库;
步骤5.2:依据电网主特征选择的不同,将初始电网安全运行知识库分成不同的层次,每一层次下的电网安全运行知识具有相同的主特征,即具有相同的电网关键断面,进而实现电网安全运行知识的分层存储;
步骤5.3:最后再通过电网运行状态的聚类模型,将同一层次的知识聚类形成不同的运行状态类别,每一类别得到的电网运行状态接近,故电网安全运行知识也相似,最终实现电网安全运行知识的聚类存储。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
Claims (3)
1.一种基于大数据的电网多维感知与安全评估方法,采用基于大数据的电网多维感知与安全评估系统;
其特征在于:所述系统包括电网大数据存储平台、电网安全特征提取平台、电网安全运行知识库分析平台和结果展示平台;
所述电网大数据存储平台与智能电网PMU测量模块相连,用于存储电网实时大数据;
所述电网安全特征提取平台与电网大数据存储平台相连,采用主特征、辅助特征和数值特征相结合的方法全面提取当前电网的运行特征,实现数据降维;
所述电网安全运行知识库分析平台通过获取所述电网安全特征提取平台提取的当前电网运行特征,将当前电网的运行特征与不断更新知识规则进行比对,最终给出表征当前电网的安全状态的相关参数,对电网安全特征进行进一步的总结归纳,建立完备的电网安全运行知识库,评估当前电网的运行状态;
所述结果展示平台用于将当前电网运行状态评估结果展示给调度人员;
所述大数据存储平台是以Hadoop分布式文件管理系统为基础构架,接收并存储分布式的WAMS实时数据,并将其与发电及负荷数据、设备参数数据和历史数据传给MapReduce管理模块以备调用;
所述方法包括以下步骤:
步骤1:WAMS采集当前电网的实时数据信息,并将其分布式的存储到电网大数据存储平台中;
步骤2:电网大数据存储平台将WAMS电网实时数据、设备参数数据、发电及负荷数据和历史数据纳入Hadoop分布式文件管理体系中,利用MapReduce技术实现对电网大数据的存储和管理;
步骤3:电网安全特征提取平台以电网大数据存储平台的海量数据为基础,结合当前电力系统的拓扑结构、运行状态和历史数据确定关键断面,采用主特征、辅助特征和数值特征相结合的方法全面提取当前电网的运行特征,实现数据降维;
步骤3的具体实现包括以下子步骤:
步骤3.1:以图论为基础,结合潮流方向选取的一组当前系统中安全裕度小于20%的一簇输电支路共同构成关键断面;
步骤3.2:在关键断面上提取电力系统在线安全的主特征P0(jk):
其中:ln=(lj,l2,…lk),表征关键断面j到k上所有输电线路集合;
步骤3.3:选取与主特征P0(jk)最相关的电网特征量:发电机出力、节点电压、潮流数据作为辅助特征Δan;
步骤3.4:利用电网大数据确定各个辅助特征对主特征的影响力大小bn;
步骤3.5:最终提取的电网运行特征由主特征、辅助特征和数值特征共同构成:
步骤4:电网安全运行知识库分析平台对电网安全特征做进一步的分析、挖掘和归纳,得到可以指导电网智能化和精细化运行的电网安全运行知识规则,并将其存储到电网安全运行知识库中;
步骤4中所述电网安全运行知识库分析平台对电网安全特征做进一步的分析、挖掘和归纳,归纳方法包括以下4种:(1)基于实时数据,主特征与当前电网实际安全状况的比较分析;(2)基于历史数据,主特征时间周期的规律分析;(3)基于历史数据,主特征趋势分析;(4)基于历史数据,主特征与非电气量的相关性分析;
步骤4中电网安全运行知识规则Fjk,来自于不断修正的电网安全运行知识库,是电力系统安全运行知识的数据部分;
其中:Pmax(jk)表征关键断面jk的极限传输容量,由电网安全运行知识库结合相关知识规则、电网相关规律综合给出;P(jk)表征当前电网的运行特征;Fjk表征当前jk断面的安全度,数值越小,安全度越低;
步骤5:电网安全运行知识库分析平台将当前电网的运行特征与不断更新知识规则进行比对,最终给出表征当前电网的安全状态的相关参数,对电网安全特征进行进一步的总结归纳,建立完备的电网安全运行知识库,评估当前电网的运行状态;并将结果传送至结果展示平台;
步骤5中所述建立完备的电网安全运行知识库,是根据最新的潮流状态和拓扑结构对原有知识库进行更新;这一过程包括电网安全运行知识的添加、删除、分裂及合并过程,根据对知识库不同层次结构的影响,分为知识库层次更新、知识库类别更新和知识库整体拓扑更新;
步骤5中所述将当前电网的运行特征与不断更新知识规则进行比对,若符合电网安全运行知识库中的安全规则,则系统安全,将当前电网状态更新到电网安全运行知识库中;若不符合电网安全运行知识库中的安全规则,则通过结果展示平台向调度人员发出预警信息。
2.根据权利要求1所述的方法,其特征在于:所述辅助特征选择方法,包括以下两种:(1)依属性分布的特征选择方法;(2)依属性样本的特征选择方法。
3.根据权利要求1-2任意一项所述的方法,其特征在于:步骤5中所述电网安全运行知识库,采用分层创建和聚类存储的方式存储数据,其具体实现过程如下:
步骤5.1:以WAMS获得的电网在线运行状态为基础,利用电网安全运行规则发现电网安全运行知识,经过一段时间积累后,形成海量的不同电网运行状态对应的电网安全运行知识,将这些知识作为初始电网安全运行知识库;
步骤5.2:依据电网主特征选择的不同,将初始电网安全运行知识库分成不同的层次,每一层次下的电网安全运行知识具有相同的主特征,即具有相同的电网关键断面,进而实现电网安全运行知识的分层存储;
步骤5.3:最后再通过电网运行状态的聚类模型,将同一层次的知识聚类形成不同的运行状态类别,每一类别得到的电网运行状态接近,故电网安全运行知识也相似,最终实现电网安全运行知识的聚类存储。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510867310.8A CN105528671B (zh) | 2015-11-30 | 2015-11-30 | 一种基于大数据的电网多维感知与安全评估系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510867310.8A CN105528671B (zh) | 2015-11-30 | 2015-11-30 | 一种基于大数据的电网多维感知与安全评估系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105528671A CN105528671A (zh) | 2016-04-27 |
CN105528671B true CN105528671B (zh) | 2019-10-11 |
Family
ID=55770884
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510867310.8A Expired - Fee Related CN105528671B (zh) | 2015-11-30 | 2015-11-30 | 一种基于大数据的电网多维感知与安全评估系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105528671B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108075464A (zh) * | 2016-11-14 | 2018-05-25 | 国家电网公司华中分部 | 电网安全稳定规则建模及在线匹配方法 |
CN107506832B (zh) * | 2017-07-10 | 2021-09-07 | 国网浙江省电力公司温州供电公司 | 对监控巡视进行辅助的隐患挖掘方法 |
CN107272654B (zh) * | 2017-07-21 | 2019-06-14 | 南京航空航天大学 | 一种用于无人机飞控系统故障检测的数据聚类降维方法 |
CN108595523B (zh) * | 2018-03-27 | 2021-12-17 | 广东电网有限责任公司广州供电局 | 设备数据检索模型构建方法、装置及计算机设备 |
CN108596785A (zh) * | 2018-04-26 | 2018-09-28 | 广州供电局有限公司 | 电力设备数据的处理方法、装置、计算机设备和存储介质 |
CN109470954B (zh) * | 2018-11-08 | 2020-10-13 | 中研国科智能设备(河北)有限公司 | 一种基于大数据的电网运行状态监测系统及其监测方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103744919A (zh) * | 2013-12-26 | 2014-04-23 | 广州供电局有限公司 | 电网知识库的自学习方法和系统 |
CN104679828A (zh) * | 2015-01-19 | 2015-06-03 | 云南电力调度控制中心 | 一种基于规则的电网故障诊断智能系统 |
-
2015
- 2015-11-30 CN CN201510867310.8A patent/CN105528671B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103744919A (zh) * | 2013-12-26 | 2014-04-23 | 广州供电局有限公司 | 电网知识库的自学习方法和系统 |
CN104679828A (zh) * | 2015-01-19 | 2015-06-03 | 云南电力调度控制中心 | 一种基于规则的电网故障诊断智能系统 |
Non-Patent Citations (1)
Title |
---|
电网关键断面及安全运行规则自动发现系统设计与工程实现;赵峰;《电力系统自动化》;20150110;第39卷(第1期);第117-123页 * |
Also Published As
Publication number | Publication date |
---|---|
CN105528671A (zh) | 2016-04-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105528671B (zh) | 一种基于大数据的电网多维感知与安全评估系统及方法 | |
WO2023115842A1 (zh) | 一种数据驱动的离线在线一体化配电网仿真系统及方法 | |
EP3913555A1 (en) | Power distribution network operation aided decision-making analysis system and method | |
CN108564254B (zh) | 基于大数据的配电设备状态可视化平台 | |
CN103675600B (zh) | 基于拓扑知识的配电网故障诊断系统及方法 | |
CN110311376A (zh) | 一种电力系统动态安全评估综合模型及时空可视化方法 | |
CN110059356A (zh) | 一种基于大数据和人工智能的大电网智能调控系统和方法 | |
CN101976842B (zh) | 基于电气分区的关键断面自动获取方法 | |
Li et al. | The comprehensive evaluation of smart distribution grid based on cloud model | |
CN107194574B (zh) | 一种基于负荷损失的电网安全风险评估方法 | |
CN105427039A (zh) | 一种基于责任区的配电网抢修工单高效处理方法 | |
CN103902816A (zh) | 基于数据挖掘技术的带电检测数据处理方法 | |
CN110266037B (zh) | 基于拓扑自动聚合的分布式新能源全观测建模方法和系统 | |
CN105656028B (zh) | 一种基于gis的电网稳定裕度的可视化显示方法 | |
CN111340327A (zh) | 一种主配用一体化负荷分析平台及其实现方法 | |
CN104299056A (zh) | 配电网规划基础技术支持平台 | |
Ju et al. | The use of edge computing-based internet of things big data in the design of power intelligent management and control platform | |
Mohammadi et al. | Synthetic benchmarks for power systems | |
Wang et al. | Analysis of network loss energy measurement based on machine learning | |
Hu et al. | Operational reliability evaluation method based on big data technology | |
Malandra et al. | Impact of PMU and smart meter applications on the performance of LTE-based smart city communications | |
Song et al. | A new method for processing and application of wide area measurement big data in a power system | |
CN104881818B (zh) | 输电网安全风险综合评价指标体系的建立方法 | |
Fu et al. | Multi-level load forecasting system based on power grid planning platform with integrated information | |
CN116596405B (zh) | 纯数据驱动的电力系统分析方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20191011 Termination date: 20201130 |
|
CF01 | Termination of patent right due to non-payment of annual fee |