CN109919523A - 基于MapReduce聚合计算的电网最大负荷和重过载大数据分析方法 - Google Patents
基于MapReduce聚合计算的电网最大负荷和重过载大数据分析方法 Download PDFInfo
- Publication number
- CN109919523A CN109919523A CN201910282871.XA CN201910282871A CN109919523A CN 109919523 A CN109919523 A CN 109919523A CN 201910282871 A CN201910282871 A CN 201910282871A CN 109919523 A CN109919523 A CN 109919523A
- Authority
- CN
- China
- Prior art keywords
- data
- overload
- heavy
- feeder line
- time
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000007405 data analysis Methods 0.000 title claims abstract description 15
- 238000006116 polymerization reaction Methods 0.000 title claims abstract description 15
- 238000004458 analytical method Methods 0.000 claims abstract description 32
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 15
- 230000008569 process Effects 0.000 claims abstract description 10
- 230000001186 cumulative effect Effects 0.000 claims description 48
- 238000009825 accumulation Methods 0.000 claims description 12
- 230000001131 transforming effect Effects 0.000 claims description 12
- 230000002045 lasting effect Effects 0.000 claims description 7
- 238000013499 data model Methods 0.000 claims description 6
- 230000008901 benefit Effects 0.000 claims description 3
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 3
- 238000012795 verification Methods 0.000 abstract description 3
- 230000006870 function Effects 0.000 description 7
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 2
- 240000002853 Nelumbo nucifera Species 0.000 description 2
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及数据处理技术领域,具体涉及一种基于MapReduce聚合计算的电网最大负荷和重过载大数据分析方法,利用中压10kV馈线每5分钟采集的电流(I)数据,10kV配电变压器每15分钟采集的有功功率(P),无功功率(Q),功率因素(Pf)等数据进行实时负荷分析,再通过实时负荷进行重过载次数和时间累积分析,得出结果,使得规划人员对台账设备的具体运行情况有更直观的认识;本发明利用大数据平台,通过算法,计算配电网中10kV馈线,10kV配电变压器重载或过载的次数,每一次重载或过载的持续时长,更准确的计算重过载数据,使得规划人员对台账设备的具体运行情况有更直观的认识,对规划过程解决现状问题和立项计划投资具有重要意义。
Description
技术领域
本发明涉及数据处理技术领域,具体涉及一种基于MapReduce聚合计算的电网最大负荷和重过载大数据分析方法。
背景技术
当前,电网设备每一个采集点,每分钟可产生多条数据,且每一条数据都有时间属性。如果有10000台采集设备,那么每分钟将会产生0.7M左右的数据,一天的数据量将近10G,这种“数据膨胀”带来的存储压力,已经成为电力信息化和数字化发展的痛点之一。
当下,人们应对快速增长的海量大数据的方式要么使用国外商业大数据库,或大型关系型数据库,然而却存在各种各样的问题。
国外商业大数据库(如PI、Wonderware)在过去的一段时间基本上被国外厂家所垄断,价格昂贵、进行功能扩展成本高,且不能提供个性化的服务。
大型关系型数据库(如Oracle、SQL Server)经过一定的配置虽然也能够存储海量大数据,但要面对不能分布式部署、存储不能压缩、查询缓慢、聚合支持不强、展示不友好等各种问题。
针对现有技术的不足,一款开源免费的海量数据库产品MongoDB应运而生,它是一个基于分布式文件存储的数据库,介于关系数据库和非关系数据库之间,面向集合无模式结构可存储比较复杂的数据类型,拥有强大的聚合工具,支持复制、恢复数据,和自动分片处理。MongoDB最大的特点是它支持的查询语言非常强大,其语法类似于面向对象的查询语言,几乎可以实现类似关系数据库单表查询的绝大部分功能,而且还支持对数据建立索引。
MongoDB具有高性能、可扩展、易部署、易使用的特点,存储及查询数据非常方便和快捷,能与电力系统平台无缝有机整合,有力的推动电网大数据建设的发展。
发明内容
针对现有技术的不足,本发明公开了一种基于MapReduce聚合计算的电网最大负荷和重过载大数据分析方法,本发明利用大数据分析平台,依靠ETL工具抽取来源系统的各类运行数据到MongoDB海量数据库中,通过公式算法,计算配电网中10kV馈线和10kV配电变压器的日月年最高负荷、重载次数或过载次数,以及每一次重载或过载的持续累计时长,更准确的计算设备最高负荷和重过载数据,使得电力规划人员对电力设备的具体运行情况有更直观的认识,以及辅助解决设备重过载问题。
本发明通过以下技术方案予以实现:
一种基于MapReduce聚合计算的电网最大负荷和重过载大数据分析方法,其特征在于,所述方法包括以下步骤:
S1采集电流及功率等数据;
S2对10kV中压馈线运行数据分析;
S3 对10kV中压配电变压器运行数据分析;
S4根据分析成果向规划人员输出结果以显示馈线和配电变压器设备的具体运行情况。
优选的,所述S2中,包括中压10kV馈线运行数据解析模块、中压10kV馈线瞬时轻重过载计算模块、中压10kV馈线最高负荷计算模块和中压10kV馈线重过载分析模块;
所述中压10kV馈线运行数据解析模块获取来源系统每间隔5分钟提供的实时数据DT文件或实时数据库记录,按照配置规则解析采集的每条馈线量测数据:A相电流、B相电流、C相电流和发生时刻数据,根据馈线台账数据,获取相应馈线的安全电流、馈线ID、馈线名称和变电站ID数据;
按馈线快照模型,统一存放至海量数据库MongoDB中,其中,视在功率和量测值计算算法为:S=Ia;量测值=由Ia,Ib,Ic组成的数据字典。
优选的,所述中压10kV馈线瞬时轻重过载计算模块根据中压10kV馈线运行数据解析模块馈线快照数据,计算馈线的负载率:
Β=Ia/I
其逻辑判断过程如下:
1)当负载率小于或等于30%时,判断为轻载数据,按馈线轻载模型写入轻载数据;
2)当负载率大于80%,且小于或等于100%时,判断为瞬时重载数据,按馈线重过载模型写入重过载数据;
3)当负载率大于100%,且小于或等于150%时,判断为瞬时过载数据,按馈线重过载模型写入重过载数据;
4)当负载率大于150%时,判断为超载数据,按馈线超载数据模型写入超载数据。
优选的,所述10kV馈线最高负荷计算模块根据中压10kV馈线瞬时轻重过载计算模块存储的馈线快照数据,利用MongoDB的Map-Reduce聚合函数计算馈线的日负荷最大值,由日负荷最大值再计算日最高负荷并写入日最高负荷数据,由日最高负荷再计算月最高负载并写入月最高负荷数据,由月最高负荷再计算年最高负载并写入年最高负荷数据,统一存放至海量数据库中;
所述10kV馈线重过载分析模块中压根据存储的瞬时重过载数据,分析馈线的重过载次数和持续累计时间,计算算法如下:
馈线重载:负载率大于80%,且小于等于100%;并且持续累计时间>=30分钟;
馈线过载:负载率大于100%,且小于等于150%;并且持续累计时间>=30分钟;
分析步骤如下:
1)首先获取单条馈线的瞬时重过载数据集合,当前数据和下一个数据一起作为连续二个点进行逻辑判断;
2)判断当前数据是否为最后一条数据,如果为是,则跳转到第6步执行;为否,则继续往下执行;
3)判断当前数据与下一个数据时间之差是否小于或等于5分钟,如果为否,则跳转到第6步执行;为是,则继续往下执行;
4)判断当前数据与下一个数据是否都为过载数据,如果为是,则进行过载时间累积;为否,则继续往下执行;
5)判断过载持续累计时间等于或大于30分钟,如果为是,则计算过载总次数和持续累计总时间,并写入到MongoDB中;如果为否,进行重载时间累积,或过载时间累积到重载时间中;
6)判断过载持续累计时间是否等于或大于30分钟,如果为是,则计算过载总次数和持续累计总时间,并写入到MongoDB中;如果为否,不满足过载条件,则把过载点时间累积到重载时间中,并且对过载次数和持续累计时间清零;
7)进行重载条件判断:重载持续累计时间是否等于或大于30分钟,如果为是,则计算重载总次数和持续累计总时间,并写入到MongoDB中;如果为否,不满足重载条件,并且对重载次数和持续累计时间清零,返回第2)步继续执行。
优选的,所述S3中,包括10kV中压配电变压器运行数据解析模块、10kV中压配电变压器瞬时重过载计算模块、10kV中压配电变压器最高负荷计算模块和10kV中压配电变压器重过载分析模块;
所述10kV中压配电变压器运行数据解析模块获取来源系统每间隔15分钟提供的实时数据CSV文件,按照配置规则解析采集的每个配电变压器量测数据:有功功率、无功功率、功率因素、A相电流、B相电流、C相电流和发生时刻数据,根据配电变压器台账数据,获取相应配电变压器的额定容量、配变ID、配变名称和变电站ID等数据,按配电变压器快照模型,统一存放至海量数据库中。
优选的,其特征在于,
视在功率计算算法如下:
P、Q同时存在数据时
P存在数据,但Q不存在数据时:
若不存在,或>=1或<=0时,均取0.85,其他情况均取实际值;
P不存在数据,但Q存在数据时:
若不存在,或>=1或<=0时,均取0.85,其他情况均取实际值;
其他情况均取实际值;
量测值=由有功功率、无功功率、功率因素、A相电流、B相电流、C相电流组成的数据字典
三相不平衡度计算算法如下:
Ia,Ib,Ic均存在数据时:
Imax(Ia,Ib,Ic)= Ia,Ib,Ic三个的最大值
Imin(Ia,Ib,Ic)= Ia,Ib,Ic三个的最小值
当Imax(Ia,Ib,Ic)不为0时,
三相不平衡度= (Imax(Ia,Ib,Ic)- Imin(Ia,Ib,Ic))/ Imax(Ia,Ib,Ic)
否则Imax(Ia,Ib,Ic)为0时,三相不平衡度也为0;
Ia,Ib,Ic不存在数据时:三相不平衡度=0。
优选的,所述10kV中压配电变压器瞬时重过载计算模块根据解析的馈线快照数据,计算配电变压器的负载率β=S/Sn,进行逻辑判断:
1)当负载率小于或等于30%时,判断为轻载数据,按配电变压器轻载模型写入轻载数据;
2)当负载率大于80%,且小于或等于100%时,判断为瞬时重载数据,按配电变压器重过载模型写入重过载数据;
3)当负载率大于100%,且小于或等于150%时,判断为瞬时过载数据,按配电变压器重过载模型写入重过载数据;
4)当负载率大于150%时,判断为超载数据,按配电变压器超载数据模型写入超载数据。
优选的,所述10kV中压配电变压器最高负荷计算模块根据存储的配电变压器快照数据,利用MongoDB的Map-Reduce聚合函数计算配电变压器的日负荷最大值,由日负荷最大值再计算日最高负荷并写入日最高负荷数据,由日最高负荷再计算月最高负载并写入月最高负荷数据,由月最高负荷再计算年最高负载并写入年最高负荷数据,统一存放至海量数据库中。
优选的,所述10kV中压配电变压器重过载分析模块根据存储的瞬时重过载数据,分析配电变压器的重过载次数和持续累计时间,计算算法如下:
配变重载:负载率大于80%,且小于等于100%;并且持续累计时间>=30分钟;
配变过载:负载率大于100%,且小于等于150%;并且持续累计时间>=30分钟;
分析步骤如下:
1)首先获取单个配电变压器的瞬时重过载数据集合,当前数据和下一个数据一起作为连续二个点进行逻辑判断;
2)判断当前数据是否为最后一条数据,如果为是,则跳转到第6步执行;为否,则继续往下执行;
3)判断当前数据与下一个数据时间之差是否小于或等于15分钟,如果为否,则跳转到第6步执行;为是,则继续往下执行;
4)判断当前数据与下一个数据是否都为过载数据,如果为是,则进行过载时间累积;为否,则继续往下执行;
5)判断过载持续累计时间等于或大于30分钟,如果为是,则计算过载总次数和持续累计总时间,并写入到MongoDB中;如果为否,进行重载时间累积,或过载时间累积到重载时间中;
6)判断过载持续累计时间是否等于或大于30分钟,如果为是,则计算过载总次数和持续累计总时间,并写入到MongoDB中;如果为否,不满足过载条件,则把过载点时间累积到重载时间中,并且对过载次数和持续累计时间清零;
7)进行重载条件判断:重载持续累计时间是否等于或大于30分钟,如果为是,则计算重载总次数和持续累计总时间,并写入到MongoDB中;如果为否,不满足重载条件,并且对重载次数和持续累计时间清零,返回第2)步继续执行。
本发明的有益效果为:
本发明利用大数据平台,通过算法,计算配电网中10kV馈线,10kV配电变压器重载或过载的次数,每一次重载或过载的持续时长,更准确的计算重过载数据,使得规划人员对台账设备的具体运行情况有更直观的认识,通过最大负荷和重过载分析来计算设备重过载的次数和持续累计时长,并且以此为依据来判断是否需要进行配电变压器扩容,或是否需要重新从变电站出线建立新的馈线和配电变压器设备,对规划过程解决现状问题和立项计划投资具有重要意义。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例10kV中压馈线运行数据分析流程图;
图2是本发明实施例馈线重过载分析逻辑过程流程图;
图3是本发明实施例配电变压器运行数据分析流程图;
图4是本发明实施例配电变压器重过载分析逻辑过程流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
以下实施例中算法定义说明:
视在功率(用S表示)、有功功率(用P表示)、无功功率(用Q表示)、功率因素(用表示)、额定容量(用Sn表示)、负载率(用β表示)、安全电流(用I表示)、A相电流(用Ia表示)、B相电流(用Ib表示)、C相电流(用Ic表示)
实施例1
本实施例公开10kV中压馈线运行数据分析流程,见图1,包括如下4个模块:
1、中压10kV馈线运行数据解析模块
获取来源系统每间隔5分钟提供的实时数据DT文件,按照配置规则解析采集的每条馈线量测数据:A相电流、B相电流、C相电流和发生时刻数据(或者通过连接实时数据库获取各个量测数据),根据馈线台账数据,获取相应馈线的安全电流、馈线ID、馈线名称和变电站ID等数据,按馈线快照模型(包括字段:主键ID、设备ID、设备名称、变电站ID、发生时刻、安全电流、视在功率、量测值),统一存放至海量数据库(MongoDB)中。其中,视在功率和量测值计算算法说明如下:S=Ia
量测值=由Ia,Ib,Ic组成的数据字典
2、中压10kV馈线瞬时轻重过载计算模块
根据上一步解析的馈线快照数据,计算馈线的负载率:
β= S/Sn
逻辑判断过程如下:
当负载率小于或等于30%时,判断为轻载数据,按馈线轻载模型(包括字段:主键ID、设备ID、设备名称、变电站ID、发生时刻、视在功率、负载率、安全电流)写入轻载数据;
当负载率大于80%,且小于或等于100%时,判断为瞬时重载数据,按馈线重过载模型(包括字段:主键ID、设备ID、设备名称、变电站ID、发生时刻、视在功率、负载率、安全电流)写入重过载数据;
当负载率大于100%,且小于或等于150%时,判断为瞬时过载数据,按馈线重过载模型(包括字段:主键ID、设备ID、设备名称、变电站ID、发生时刻、视在功率、负载率、安全电流)写入重过载数据;
当负载率大于150%时,判断为超载数据,按馈线超载数据模型(包括字段:主键ID、设备ID、设备类型、发生时刻、最大负荷、比较负荷、比较时间、安全电流、写入时间)写入超载数据。
3、中压10kV馈线最高负荷计算模块
根据上一步存储的馈线快照数据,利用MongoDB的Map-Reduce聚合函数计算馈线的日负荷最大值,由日负荷最大值再计算日最高负荷并写入日最高负荷数据,由日最高负荷再计算月最高负载并写入月最高负荷数据,由月最高负荷再计算年最高负载并写入年最高负荷数据,统一存放至海量数据库(MongoDB)中。
4、中压10kV馈线重过载分析模块,见图2
根据存储的瞬时重过载数据,分析馈线的重过载次数和持续累计时间,计算算法如下:
馈线重载:
负载率大于80%,且小于等于100%;
并且持续累计时间>=30分钟。
馈线过载:
负载率大于100%,且小于等于150%;
并且持续累计时间>=30分钟。
分析步骤如下:
首先获取单条馈线的瞬时重过载数据集合,当前数据和下一个数据一起作为连续二个点进行逻辑判断。
判断当前数据是否为最后一条数据,如果为是,则跳转到第6步执行;为否,则继续往下执行。
判断当前数据与下一个数据时间之差是否小于或等于5分钟,如果为否,则跳转到第6步执行;为是,则继续往下执行。
判断当前数据与下一个数据是否都为过载数据,如果为是,则进行过载时间累积;为否,则继续往下执行。
判断过载持续累计时间等于或大于30分钟,如果为是,则计算过载总次数和持续累计总时间,并写入到MongoDB中;如果为否,进行重载时间累积,或过载时间累积到重载时间中。
判断过载持续累计时间是否等于或大于30分钟,如果为是,则计算过载总次数和持续累计总时间,并写入到MongoDB中;如果为否,不满足过载条件,则把过载点时间累积到重载时间中,并且对过载次数和持续累计时间清零。
进行重载条件判断:重载持续累计时间是否等于或大于30分钟,如果为是,则计算重载总次数和持续累计总时间,并写入到MongoDB中;如果为否,不满足重载条件,并且对重载次数和持续累计时间清零,返回第2步继续执行。
实施例2
本实施例公开10kV中压配电变压器运行数据分析流程,见图3,包括如下4个模块:
1、10kV中压配电变压器运行数据解析模块
获取来源系统每间隔15分钟提供的实时数据CSV文件,按照配置规则解析采集的每个配电变压器量测数据:有功功率、无功功率、功率因素、A相电流、B相电流、C相电流和发生时刻数据(或者通过连接实时数据库获取各个量测数据),根据配电变压器台账数据,获取相应配电变压器的额定容量、配变ID、配变名称和变电站ID等数据,按配电变压器快照模型(包括字段:主键ID、设备ID、设备名称、变电站ID、发生时刻、安全电流、视在功率、计算结果(三相不平衡度)、量测值),统一存放至海量数据库(MongoDB)中。
视在功率计算算法如下:
1)P、Q同时存在数据时:
2)P存在数据,但Q不存在数据时:
注:若不存在,或>=1或<=0时,均取0.85,其他情况均取实际值。
3)P不存在数据,但Q存在数据时:
注:若不存在,或>=1或<=0时,均取0.85,其他情况均取实际值。
其他情况均取实际值。
量测值=由有功功率、无功功率、功率因素、A相电流、B相电流、C相电流组成的数据字典。
三相不平衡度计算算法如下:
Ia,Ib,Ic均存在数据时:
Imax(Ia,Ib,Ic)= Ia,Ib,Ic三个的最大值
Imin(Ia,Ib,Ic)= Ia,Ib,Ic三个的最小值
当Imax(Ia,Ib,Ic)不为0时,
三相不平衡度= (Imax(Ia,Ib,Ic)- Imin(Ia,Ib,Ic))/ Imax(Ia,Ib,Ic)
否则Imax(Ia,Ib,Ic)为0时,三相不平衡度也为0。
Ia,Ib,Ic不存在数据时:
三相不平衡度=0
2、10kV中压配电变压器瞬时重过载计算模块
根据上一步解析的馈线快照数据,计算配电变压器的负载率(β=S/Sn),进行逻辑判断:
当负载率小于或等于30%时,判断为轻载数据,按配电变压器轻载模型(包括字段:主键ID、设备ID、设备名称、变电站ID、发生时刻、视在功率、负载率、安全电流)写入轻载数据;
当负载率大于80%,且小于或等于100%时,判断为瞬时重载数据,按配电变压器重过载模型(包括字段:主键ID、设备ID、设备名称、变电站ID、发生时刻、视在功率、负载率、安全电流)写入重过载数据;
当负载率大于100%,且小于或等于150%时,判断为瞬时过载数据,按配电变压器重过载模型(包括字段:主键ID、设备ID、设备名称、变电站ID、发生时刻、视在功率、负载率、安全电流)写入重过载数据;
当负载率大于150%时,判断为超载数据,按配电变压器超载数据模型(包括字段:主键ID、设备ID、设备类型、发生时刻、最大负荷、比较负荷、比较时间、安全电流、判断规则、写入时间)写入超载数据。
3、10kV中压配电变压器最高负荷计算模块
根据上一步存储的配电变压器快照数据,利用MongoDB的Map-Reduce聚合函数计算配电变压器的日负荷最大值,由日负荷最大值再计算日最高负荷并写入日最高负荷数据,由日最高负荷再计算月最高负载并写入月最高负荷数据,由月最高负荷再计算年最高负载并写入年最高负荷数据,统一存放至海量数据库(MongoDB)中。
4、10kV中压配电变压器重过载分析模块,见图4
根据存储的瞬时重过载数据,分析配电变压器的重过载次数和持续累计时间,计算算法如下:
配变重载:负载率大于80%,且小于等于100%;并且持续累计时间>=30分钟。
配变过载:负载率大于100%,且小于等于150%;并且持续累计时间>=30分钟。
分析步骤如下:
首先获取单个配电变压器的瞬时重过载数据集合,当前数据和下一个数据一起作为连续二个点进行逻辑判断。
判断当前数据是否为最后一条数据,如果为是,则跳转到第6步执行;为否,则继续往下执行。
判断当前数据与下一个数据时间之差是否小于或等于15分钟,如果为否,则跳转到第6步执行;为是,则继续往下执行。
判断当前数据与下一个数据是否都为过载数据,如果为是,则进行过载时间累积;为否,则继续往下执行。
判断过载持续累计时间等于或大于30分钟,如果为是,则计算过载总次数和持续累计总时间,并写入到MongoDB中;如果为否,进行重载时间累积,或过载时间累积到重载时间中。
判断过载持续累计时间是否等于或大于30分钟,如果为是,则计算过载总次数和持续累计总时间,并写入到MongoDB中;如果为否,不满足过载条件,则把过载点时间累积到重载时间中,并且对过载次数和持续累计时间清零。
进行重载条件判断:重载持续累计时间是否等于或大于30分钟,如果为是,则计算重载总次数和持续累计总时间,并写入到MongoDB中;如果为否,不满足重载条件,并且对重载次数和持续累计时间清零,返回第2步继续执行。
当前配电网规划中,通过最大负荷和重过载分析来计算设备重过载的次数和持续累计时长,并且以此为依据来判断是否需要进行配电变压器扩容,或是否需要重新从变电站出线建立新的馈线和配电变压器设备,对规划过程解决现状问题和立项计划投资具有重要意义。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (9)
1.一种基于MapReduce聚合计算的电网最大负荷和重过载大数据分析方法,其特征在于,所述方法包括以下步骤:
S1采集电流及功率等数据;
S2对10kV中压馈线运行数据分析;
S3 对10kV中压配电变压器运行数据分析;
S4根据分析成果向规划人员输出结果以显示馈线和配电变压器设备的具体运行情况。
2.根据权利要求1所述的基于MapReduce聚合计算的电网最大负荷和重过载大数据分析方法,其特征在于,所述S2中,包括中压10kV馈线运行数据解析模块、中压10kV馈线瞬时轻重过载计算模块、中压10kV馈线最高负荷计算模块和中压10kV馈线重过载分析模块;
所述中压10kV馈线运行数据解析模块获取来源系统每间隔5分钟提供的实时数据DT文件或实时数据库记录,按照配置规则解析采集的每条馈线量测数据:A相电流、B相电流、C相电流和发生时刻数据,根据馈线台账数据,获取相应馈线的安全电流、馈线ID、馈线名称和变电站ID数据;
按馈线快照模型,统一存放至海量数据库MongoDB中,其中,视在功率和量测值计算算法为:S=Ia;量测值=由Ia,Ib,Ic组成的数据字典。
3.根据权利要求2所述的基于MapReduce聚合计算的电网最大负荷和重过载大数据分析方法,其特征在于,所述中压10kV馈线瞬时轻重过载计算模块根据中压10kV馈线运行数据解析模块馈线快照数据,计算馈线的负载率:
Β=Ia/I
其逻辑判断过程如下:
1)当负载率小于或等于30%时,判断为轻载数据,按馈线轻载模型写入轻载数据;
2)当负载率大于80%,且小于或等于100%时,判断为瞬时重载数据,按馈线重过载模型写入重过载数据;
3)当负载率大于100%,且小于或等于150%时,判断为瞬时过载数据,按馈线重过载模型写入重过载数据;
4)当负载率大于150%时,判断为超载数据,按馈线超载数据模型写入超载数据。
4.根据权利要求2所述的基于MapReduce聚合计算的电网最大负荷和重过载大数据分析方法,其特征在于,所述10kV馈线最高负荷计算模块根据中压10kV馈线瞬时轻重过载计算模块存储的馈线快照数据,利用MongoDB的Map-Reduce聚合函数计算馈线的日负荷最大值,由日负荷最大值再计算日最高负荷并写入日最高负荷数据,由日最高负荷再计算月最高负载并写入月最高负荷数据,由月最高负荷再计算年最高负载并写入年最高负荷数据,统一存放至海量数据库中;
所述10kV馈线重过载分析模块中压根据存储的瞬时重过载数据,分析馈线的重过载次数和持续累计时间,计算算法如下:
馈线重载:负载率大于80%,且小于等于100%;并且持续累计时间>=30分钟;
馈线过载:负载率大于100%,且小于等于150%;并且持续累计时间>=30分钟;
分析步骤如下:
1)首先获取单条馈线的瞬时重过载数据集合,当前数据和下一个数据一起作为连续二个点进行逻辑判断;
2)判断当前数据是否为最后一条数据,如果为是,则跳转到第6步执行;为否,则继续往下执行;
3)判断当前数据与下一个数据时间之差是否小于或等于5分钟,如果为否,则跳转到第6步执行;为是,则继续往下执行;
4)判断当前数据与下一个数据是否都为过载数据,如果为是,则进行过载时间累积;为否,则继续往下执行;
5)判断过载持续累计时间是否等于或大于30分钟,如果为是,则计算过载总次数和持续累计总时间,并写入到MongoDB中;如果为否,进行重载时间累积,或过载时间累积到重载时间中;
6)判断过载持续累计时间是否等于或大于30分钟,如果为是,则计算过载总次数和持续累计总时间,并写入到MongoDB中;如果为否,不满足过载条件,则把过载点时间累积到重载时间中,并且对过载次数和持续累计时间清零;
7)进行重载条件判断:重载持续累计时间是否等于或大于30分钟,如果为是,则计算重载总次数和持续累计总时间,并写入到MongoDB中;如果为否,不满足重载条件,并且对重载次数和持续累计时间清零,返回第2)步继续执行。
5.根据权利要求1所述的基于MapReduce聚合计算的电网最大负荷和重过载大数据分析方法,其特征在于,所述S3中,包括10kV中压配电变压器运行数据解析模块、10kV中压配电变压器瞬时重过载计算模块、10kV中压配电变压器最高负荷计算模块和10kV中压配电变压器重过载分析模块;
所述10kV中压配电变压器运行数据解析模块获取来源系统每间隔15分钟提供的实时数据CSV文件或实时数据库记录,按照配置规则解析采集的每个配电变压器量测数据:有功功率、无功功率、功率因素、A相电流、B相电流、C相电流和发生时刻数据,根据配电变压器台账数据,获取相应配电变压器的额定容量、配变ID、配变名称和变电站ID等数据,按配电变压器快照模型,统一存放至海量数据库中。
6.根据权利要求5所述的基于MapReduce聚合计算的电网最大负荷和重过载大数据分析方法,其特征在于,
视在功率计算算法如下:
P、Q同时存在数据时
P存在数据,但Q不存在数据时:
若不存在,或>=1或<=0时,均取0.85,其他情况均取实际值;
P不存在数据,但Q存在数据时:
若不存在,或>=1或<=0时,均取0.85,其他情况均取实际值;
其他情况均取实际值;
量测值=由有功功率、无功功率、功率因素、A相电流、B相电流、C相电流组成的数据字典
三相不平衡度计算算法如下:
Ia,Ib,Ic均存在数据时:
Imax(Ia,Ib,Ic)= Ia,Ib,Ic三个的最大值
Imin(Ia,Ib,Ic)= Ia,Ib,Ic三个的最小值
当Imax(Ia,Ib,Ic)不为0时,
三相不平衡度= (Imax(Ia,Ib,Ic)- Imin(Ia,Ib,Ic))/ Imax(Ia,Ib,Ic)
否则Imax(Ia,Ib,Ic)为0时,三相不平衡度也为0;
Ia,Ib,Ic不存在数据时:三相不平衡度=0。
7.根据权利要求5所述的基于MapReduce聚合计算的电网最大负荷和重过载大数据分析方法,所述10kV中压配电变压器瞬时重过载计算模块根据解析的馈线快照数据,计算配电变压器的负载率β=S/Sn,进行逻辑判断:
1)当负载率小于或等于30%时,判断为轻载数据,按配电变压器轻载模型写入轻载数据;
2)当负载率大于80%,且小于或等于100%时,判断为瞬时重载数据,按配电变压器重过载模型写入重过载数据;
3)当负载率大于100%,且小于或等于150%时,判断为瞬时过载数据,按配电变压器重过载模型写入重过载数据;
4)当负载率大于150%时,判断为超载数据,按配电变压器超载数据模型写入超载数据。
8.根据权利要求5所述的基于MapReduce聚合计算的电网最大负荷和重过载大数据分析方法,所述10kV中压配电变压器最高负荷计算模块根据存储的配电变压器快照数据,利用MongoDB的Map-Reduce聚合函数计算配电变压器的日负荷最大值,由日负荷最大值再计算日最高负荷并写入日最高负荷数据,由日最高负荷再计算月最高负载并写入月最高负荷数据,由月最高负荷再计算年最高负载并写入年最高负荷数据,统一存放至海量数据库中。
9.根据权利要求5所述的基于MapReduce聚合计算的电网最大负荷和重过载大数据分析方法,所述10kV中压配电变压器重过载分析模块根据存储的瞬时重过载数据,分析配电变压器的重过载次数和持续累计时间,计算算法如下:
配变重载:负载率大于80%,且小于等于100%;并且持续累计时间>=30分钟;
配变过载:负载率大于100%,且小于等于150%;并且持续累计时间>=30分钟;
分析步骤如下:
1)首先获取单个配电变压器的瞬时重过载数据集合,当前数据和下一个数据一起作为连续二个点进行逻辑判断;
2)判断当前数据是否为最后一条数据,如果为是,则跳转到第6步执行;为否,则继续往下执行;
3)判断当前数据与下一个数据时间之差是否小于或等于15分钟,如果为否,则跳转到第6步执行;为是,则继续往下执行;
4)判断当前数据与下一个数据是否都为过载数据,如果为是,则进行过载时间累积;为否,则继续往下执行;
5)判断过载持续累计时间是否等于或大于30分钟,如果为是,则计算过载总次数和持续累计总时间,并写入到MongoDB中;如果为否,进行重载时间累积,或过载时间累积到重载时间中;
6)判断过载持续累计时间是否等于或大于30分钟,如果为是,则计算过载总次数和持续累计总时间,并写入到MongoDB中;如果为否,不满足过载条件,则把过载点时间累积到重载时间中,并且对过载次数和持续累计时间清零;
7)进行重载条件判断:重载持续累计时间是否等于或大于30分钟,如果为是,则计算重载总次数和持续累计总时间,并写入到MongoDB中;如果为否,不满足重载条件,并且对重载次数和持续累计时间清零,返回第2)步继续执行。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910282871.XA CN109919523A (zh) | 2019-04-10 | 2019-04-10 | 基于MapReduce聚合计算的电网最大负荷和重过载大数据分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910282871.XA CN109919523A (zh) | 2019-04-10 | 2019-04-10 | 基于MapReduce聚合计算的电网最大负荷和重过载大数据分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109919523A true CN109919523A (zh) | 2019-06-21 |
Family
ID=66969233
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910282871.XA Pending CN109919523A (zh) | 2019-04-10 | 2019-04-10 | 基于MapReduce聚合计算的电网最大负荷和重过载大数据分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109919523A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110850199A (zh) * | 2019-10-28 | 2020-02-28 | 国网福建省电力有限公司 | 一种配电网线路重过载监测方法 |
CN112732732A (zh) * | 2020-12-29 | 2021-04-30 | 广东电网有限责任公司电力科学研究院 | 一种基于流计算的实时负荷计算方法及系统 |
CN113049919A (zh) * | 2021-03-23 | 2021-06-29 | 绍兴大明电力设计院有限公司 | 一种中压馈线供电负荷特性的多样性识别方法及系统 |
CN113434496A (zh) * | 2021-07-15 | 2021-09-24 | 广东电网有限责任公司 | 配变重过载实时监测系统方法、系统及计算机介质 |
CN114944654A (zh) * | 2022-07-13 | 2022-08-26 | 广东电网有限责任公司佛山供电局 | 一种光伏接入配网的线路真实负荷重过载分析方法和系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102570459A (zh) * | 2012-02-15 | 2012-07-11 | 中国电力科学研究院 | 一种电压质量的监控方法 |
CN104297616A (zh) * | 2014-09-28 | 2015-01-21 | 国家电网公司 | 一种基于多系统信息交互的10kV配电线路断线侦测方法 |
CN105117841A (zh) * | 2015-08-20 | 2015-12-02 | 广东电网有限责任公司佛山供电局 | 一种配电网负载率区域分布的评估方法 |
CN106877509A (zh) * | 2017-03-31 | 2017-06-20 | 国家电网公司 | 配网线路故障研判和告警分析方法 |
CN108665186A (zh) * | 2018-05-22 | 2018-10-16 | 广东电网有限责任公司电力科学研究院 | 基于计量自动化系统的配变重过载停电监测方法及装置 |
CN109038552A (zh) * | 2018-07-26 | 2018-12-18 | 国网浙江省电力有限公司温州供电公司 | 基于大数据的配网设备运行状态分析方法及装置 |
-
2019
- 2019-04-10 CN CN201910282871.XA patent/CN109919523A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102570459A (zh) * | 2012-02-15 | 2012-07-11 | 中国电力科学研究院 | 一种电压质量的监控方法 |
CN104297616A (zh) * | 2014-09-28 | 2015-01-21 | 国家电网公司 | 一种基于多系统信息交互的10kV配电线路断线侦测方法 |
CN105117841A (zh) * | 2015-08-20 | 2015-12-02 | 广东电网有限责任公司佛山供电局 | 一种配电网负载率区域分布的评估方法 |
CN106877509A (zh) * | 2017-03-31 | 2017-06-20 | 国家电网公司 | 配网线路故障研判和告警分析方法 |
CN108665186A (zh) * | 2018-05-22 | 2018-10-16 | 广东电网有限责任公司电力科学研究院 | 基于计量自动化系统的配变重过载停电监测方法及装置 |
CN109038552A (zh) * | 2018-07-26 | 2018-12-18 | 国网浙江省电力有限公司温州供电公司 | 基于大数据的配网设备运行状态分析方法及装置 |
Non-Patent Citations (2)
Title |
---|
邱小耕 等: ""基于大数据的配变重过载预警分析"" * |
邱小耕 等: "基于大数据的配变重过载预警分析" * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110850199A (zh) * | 2019-10-28 | 2020-02-28 | 国网福建省电力有限公司 | 一种配电网线路重过载监测方法 |
CN110850199B (zh) * | 2019-10-28 | 2022-03-08 | 国网福建省电力有限公司 | 一种配电网线路重过载监测方法 |
CN112732732A (zh) * | 2020-12-29 | 2021-04-30 | 广东电网有限责任公司电力科学研究院 | 一种基于流计算的实时负荷计算方法及系统 |
CN112732732B (zh) * | 2020-12-29 | 2023-01-13 | 广东电网有限责任公司电力科学研究院 | 一种基于流计算的实时负荷计算方法及系统 |
CN113049919A (zh) * | 2021-03-23 | 2021-06-29 | 绍兴大明电力设计院有限公司 | 一种中压馈线供电负荷特性的多样性识别方法及系统 |
CN113434496A (zh) * | 2021-07-15 | 2021-09-24 | 广东电网有限责任公司 | 配变重过载实时监测系统方法、系统及计算机介质 |
CN114944654A (zh) * | 2022-07-13 | 2022-08-26 | 广东电网有限责任公司佛山供电局 | 一种光伏接入配网的线路真实负荷重过载分析方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109919523A (zh) | 基于MapReduce聚合计算的电网最大负荷和重过载大数据分析方法 | |
CN110225074A (zh) | 一种基于设备地址域的通讯报文分发系统及分发方法 | |
CN107330056A (zh) | 基于大数据云计算平台的风电场scada系统及其运行方法 | |
CN109739919A (zh) | 一种用于电力系统的前置机和采集系统 | |
CN112130999A (zh) | 一种基于边缘计算的电力异构数据处理方法 | |
CN104834984A (zh) | 一种基于统一互联电力市场的电力交易监管风险预警系统 | |
CN103065265A (zh) | 基于PQView数据源的电能质量扰动类型识别方法 | |
CN117691645B (zh) | 一种用于智能微电网的储能系统 | |
Shamim et al. | Multi-domain feature extraction for improved clustering of smart meter data | |
CN103606057A (zh) | 一种用电服务质量监管系统和方法 | |
CN108876154A (zh) | 一种电网规划大数据分析系统 | |
CN111983939B (zh) | 一种基于云平台的监测数据通用采集存储系统及方法 | |
CN110378585A (zh) | 电网故障处置计算任务编排调用方法、系统及存储介质 | |
CN103049609A (zh) | 一种风功率多阶段场景模拟方法 | |
Du et al. | Text similarity detection method of power customer service work order based on tfidf algorithm | |
Liu et al. | A Cloud-computing and big data based wide area monitoring of power grids strategy | |
CN107732902B (zh) | 配电网经济运行监控及评价方法 | |
CN111191883B (zh) | 一种智能配变终端微应用选择方法及系统 | |
CN105574204B (zh) | 分布式电网调控运行数据的检索方法及系统 | |
CN111127186A (zh) | 一种基于大数据技术的客户信用等级评价体系的使用方法 | |
CN104111945A (zh) | 一种海量电能质量数据的存储管理方法及系统 | |
CN115526738A (zh) | 一种电力数据采集处理系统、方法、电子设备及存储介质 | |
CN111478340B (zh) | 一种配网线路无功补偿情况分析方法 | |
Vaidya et al. | Distributed data management in energy sector using Hadoop | |
CN108846553B (zh) | 基于典型网架结构的输配电网协调性评估系统及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190621 |
|
WD01 | Invention patent application deemed withdrawn after publication |