CN111598376A - 一种基于信息驱动的对电网大数据进行辅助决策的方法及系统 - Google Patents
一种基于信息驱动的对电网大数据进行辅助决策的方法及系统 Download PDFInfo
- Publication number
- CN111598376A CN111598376A CN202010099336.3A CN202010099336A CN111598376A CN 111598376 A CN111598376 A CN 111598376A CN 202010099336 A CN202010099336 A CN 202010099336A CN 111598376 A CN111598376 A CN 111598376A
- Authority
- CN
- China
- Prior art keywords
- data
- power grid
- information
- grid data
- analysis
- 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 57
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 56
- 238000004458 analytical method Methods 0.000 claims abstract description 41
- 238000013500 data storage Methods 0.000 claims abstract description 38
- 238000007405 data analysis Methods 0.000 claims abstract description 29
- 238000007726 management method Methods 0.000 claims abstract description 24
- 238000006243 chemical reaction Methods 0.000 claims abstract description 19
- 238000007621 cluster analysis Methods 0.000 claims abstract description 16
- 230000003068 static effect Effects 0.000 claims description 15
- 238000000605 extraction Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000004088 simulation Methods 0.000 description 25
- 230000003993 interaction Effects 0.000 description 23
- 238000005259 measurement Methods 0.000 description 15
- 238000003860 storage Methods 0.000 description 15
- 238000010586 diagram Methods 0.000 description 12
- 238000005516 engineering process Methods 0.000 description 12
- 230000008447 perception Effects 0.000 description 12
- 230000006870 function Effects 0.000 description 11
- 238000004519 manufacturing process Methods 0.000 description 10
- 238000004140 cleaning Methods 0.000 description 9
- 238000011161 development Methods 0.000 description 8
- 238000011156 evaluation Methods 0.000 description 8
- 230000004927 fusion Effects 0.000 description 8
- 230000001052 transient effect Effects 0.000 description 8
- 238000011217 control strategy Methods 0.000 description 6
- 238000013075 data extraction Methods 0.000 description 5
- 238000013523 data management Methods 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000004044 response Effects 0.000 description 5
- 238000013473 artificial intelligence Methods 0.000 description 4
- 239000003086 colorant Substances 0.000 description 4
- 238000005065 mining Methods 0.000 description 4
- 238000012800 visualization Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000007418 data mining Methods 0.000 description 3
- 230000008676 import Effects 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000002457 bidirectional effect Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000007123 defense Effects 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000011158 quantitative evaluation Methods 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 238000012827 research and development Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 208000035126 Facies Diseases 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000005312 nonlinear dynamic Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Images
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
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
-
- 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
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Probability & Statistics with Applications (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Game Theory and Decision Science (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Mathematical Physics (AREA)
- Fuzzy Systems (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信息驱动的对电网大数据进行辅助决策的方法及系统，其中方法包括：通过第一标准接口采集电网数据，所述电网数据包括：稳态潮流信息、动态时域轨迹信息，以及与电网关联的环境信息；对所述电网数据进行融合；对融合后的电网数据进行数据转换，并将转换后的电网数据存储至数据存储管理层，存储的电网数据为多种结构；通过第二标准接口将所述数据存储管理层存储的电网数据推送至数据分析层，通过所述数据分析层对所述电网数据进行聚类分析，获取智能算法分析结果，所述智能算法分析结果包括：信息驱动的电网稳定态势评估、决策和控制策略。
Description
技术领域
本发明涉及大电网安全分析与智能控制技术领域，更具体地，涉及一种基于信息驱动的对电网大数据进行辅助决策的方法及系统。
背景技术
实现信息驱动的大电网的智能调控对电网安全稳定运行具有重要实际意义，目前世界各国能源安全问题突出、环境污染问题严峻，大力发展风电、太阳能发电等新能源，实现能源生产向可再生能源转型，是全球能源与经济实现可持续发展的重大需求。由于可再生能源的不断并网和运行，大量电力电子设备及其控制装置接入电力系统，使电力系统向高比例可再生能源和高比例电力电子设备趋势发展。新型电力系统将呈现多时间尺度的控制相互作用、非线性程度强、结构更加复杂、状态变量阶数更高等特点，这些特点给新一代电力系统的稳定性分析和调控带来严峻的挑战。
近年来，国内外发生的多起由于电网自身故障或是外界网络攻击造成的大停电事故，暴露了传统以模型为核心的调控系统在电网调度、控制以及安全防御等方面存在的诸多问题。传统调控系统过多依赖于数学仿真模型，仿真模型与非线性的电网真实信息物理系统存在差距，对电网的信息挖掘力度和利用深度存在严重不足，无法到达精确分析、协同调度、精准控制的目标，无法很好的应对电网互联范围扩大、间歇性可再生能源的持续性大规模接入、电网电力电子化趋势加深等给电网的调度与控制带来强烈冲击。
因此，需要一种技术，以实现基于信息驱动的对电网大数据进行辅助分析的技术。
发明内容
本发明技术方案提供一种基于信息驱动的对电网大数据进行辅助决策的方法及系统，以解决如何基于信息驱动的对辅助决策电网大数据进行分析的问题。
为了解决上述问题，本发明提供了一种基于信息驱动的对电网大数据进行辅助决策的方法，所述方法包括：
通过第一标准接口采集电网数据，所述电网数据包括：稳态潮流信息、动态时域轨迹信息，以及与电网关联的环境信息；对所述电网数据进行融合；
对融合后的电网数据进行数据转换，并将转换后的电网数据存储至数据存储管理层，存储的电网数据为多种结构；
通过第二标准接口将所述数据存储管理层存储的电网数据推送至数据分析层，通过所述数据分析层对所述电网数据进行聚类分析，获取智能算法分析结果，所述智能算法分析结果包括：信息驱动的电网稳定态势评估、决策和控制策略。
优选地，所述电网数据为结构化数据、半结构化数据或非结构化数据。
优选地，包括：基于所述电网数据，生成标准算例数据库。
优选地，还包括：基于所述电网数据、标准算例数据库和所述智能算法分析结果，通过预先设置的提取规则，生成电网态势知识图谱。
优选地，所述聚类分析，包括:
利用电网数据中电压相轨迹的角度、长度、位置构建轨迹距离来判断电压相轨迹的相关性；
静态数据相轨迹聚类算法每一次迭代以4个断面做一次聚类，获取聚类变化的母线和拓扑结构中的节点不同聚类群。
基于本发明的另一方面，提供一种基于信息驱动的对电网大数据进行辅助决策的系统，所述系统包括：
数据采集层，用于通过第一标准接口采集电网数据，所述电网数据包括：稳态潮流信息、动态时域轨迹信息，以及与电网关联的环境信息；对所述电网数据进行融合；对融合后的电网数据进行数据转换，并将转换后的电网数据存储至数据存储管理层，存储的电网数据为多种结构；
数据分析层，用于通过第二标准接口接收所述数据存储管理层存储的电网数据，通过所述数据分析层对所述电网数据进行聚类分析，获取智能算法分析结果，所述智能算法分析结果包括：信息驱动的电网稳定态势评估、决策和控制策略。
优选地，所述电网数据为结构化数据、半结构化数据或非结构化数据。
优选地，所述数据存储管理层还用于：基于所述电网数据，生成标准算例数据库。
优选地，还包括应用单元，用于：基于所述电网数据、标准算例数据库和所述智能算法分析结果，通过预先设置的提取规则，生成电网态势知识图谱。
优选地，所述聚类分析，包括:
利用电网数据中电压相轨迹的角度、长度、位置构建轨迹距离来判断电压相轨迹的相关性；
静态数据相轨迹聚类算法每一次迭代以4个断面做一次聚类，获取聚类变化的母线和拓扑结构中的节点不同聚类群。
本发明技术方案提供一种基于信息驱动的对电网大数据进行辅助决策的方法及系统，其中方法包括：通过第一标准接口采集电网数据，电网数据包括：稳态潮流信息、动态时域轨迹信息，以及与电网关联的环境信息；对电网数据进行融合；对融合后的电网数据进行数据转换，并将转换后的电网数据存储至数据存储管理层，存储的电网数据为多种结构；通过第二标准接口将数据存储管理层存储的电网数据推送至数据分析层，通过数据分析层对电网数据进行聚类分析，获取智能算法分析结果，智能算法分析结果包括：信息驱动的电网稳定态势评估、决策和控制策略。本发明技术方案提供了一种信息驱动的智能电网稳定态势评估与辅助决策大数据平台，属于大电网安全分析与智能控制领域。本发明技术方案全面依托大电网仿真、智能调度支持系统(D5000)、广域测量系统(WAMS)、大数据、人工智能等多层次技术，以信息驱动为基础，利用电网信息空间与物理系统的深度融合和实时交互，研究基于响应信息的大电网态势智能感知方法，实现大电网实时全景态势感知和精细量化评估。
附图说明
通过参考下面的附图，可以更为完整地理解本发明的示例性实施方式：
图1为根据本发明优选实施方式的一种基于信息驱动的对电网大数据进行辅助决策的方法流程图；
图2为根据本发明优选实施方式的智能电网稳定态势评估与辅助决策大数据平台总体构架图；
图3为根据本发明优选实施方式的智能电网稳定态势评估与辅助决策大数据平台硬件连接图；
图4为根据本发明优选实施方式的数据转换示意图；
图5为根据本发明优选实施方式的智能电网稳定态势评估与辅助决策大数据平台数据接口规范；
图6为根据本发明优选实施方式的智能电网静态相轨迹聚类算法；
图7为根据本发明优选实施方式的智能电网暂态相轨迹聚类算法；
图8为根据本发明优选实施方式的智能电网暂态稳定/失稳系统决策结果；
图9为根据本发明优选实施方式的智能电网稳定态势评估与辅助决策大数据平台知识图谱构建；
图10为根据本发明优选实施方式的智能电网稳定态势评估与辅助决策大数据平台主界面；
图11为根据本发明优选实施方式的智能电网稳定态势评估与辅助决策大数据平台监控；
图12为根据本发明优选实施方式的智能电网稳定态势评估与辅助决策大数据平台虚拟沙盘；以及
图13为根据本发明优选实施方式的一种基于信息驱动的对电网大数据进行辅助决策的系统结构图。
具体实施方式
现在参考附图介绍本发明的示例性实施方式，然而，本发明可以用许多不同的形式来实施，并且不局限于此处描述的实施例，提供这些实施例是为了详尽地且完全地公开本发明，并且向所属技术领域的技术人员充分传达本发明的范围。对于表示在附图中的示例性实施方式中的术语并不是对本发明的限定。在附图中，相同的单元/元件使用相同的附图标记。
除非另有说明，此处使用的术语(包括科技术语)对所属技术领域的技术人员具有通常的理解含义。另外，可以理解的是，以通常使用的词典限定的术语，应当被理解为与其相关领域的语境具有一致的含义，而不应该被理解为理想化的或过于正式的意义。
图1为根据本发明优选实施方式的一种基于信息驱动的对电网大数据进行辅助决策的方法流程图。为了应对间歇性可再生能源大规模接入和电网电力电子设备增加给电网带来的巨大挑战，本申请提供了一种信息驱动的智能电网稳定态势评估与辅助决策大数据平台，属于大电网安全分析与智能控制领域。本申请提供了一种信息驱动的智能电网稳定态势评估与辅助决策大数据平台，以大电网的广域测量信息、离线仿真信息为基础研究对象，有效融合大数据、复杂网络、非线性动力学、人工智能等技术，搭建三级大数据平台快速读取和存储海量数据；并在此基础上，提出基于聚类分析的智能电网稳定态势评估方法，以及大电网优化控制策略快速求取方法；开发智能电网稳定态势评估、智能控制算法及知识图谱模块，并进行有效性测试；构建智能电网稳定态势评估与辅助决策大数据平台，实现大电网实时全景态势感知和精细量化评估。智能电网稳定态势评估与辅助决策大数据平台构架。针对大电网多源异构数据的需求，打造三级大数据平台，向下联合硬件集群，向上提供电网业务应用的智能分析与计算支撑。大数据平台逻辑架构包括数据采集处理、数据存储管理、数据分析挖掘、人机应用各层次，其中人机应用层涉及电力系统多种运行场景、多时间尺度、多控制目标、多资源协同等复杂性问题，重点解决大电网调度规则库整合、信息驱动的大电网智能感知、智能闭环控制和大数据支撑平台集成。本申请的大数据平台数据接口规范，大数据平台架构中，主要有两个重要的数据接口，一是时空数据导入统一接口标准，另一个是数据分析交互统一接口标准。时空数据导入统一接口标准是单向推送，只能从数据采集处理层到数据存储管理层，主要作用是将从底层采集到的数据通过该接口标准推送到数据存储管理层；数据分析交互统一接口标准实现双向交互，通过该接口能够实现数据存储管理层及时推送到数据分析挖掘层，同时能够实现将数据分析的结果存储到数据库中。如图1所示，本申请提供一种基于信息驱动的对电网大数据进行辅助决策的方法，方法包括：
优选地，在步骤101：通过第一标准接口采集电网数据，电网数据包括：稳态潮流信息、动态时域轨迹信息，以及与电网关联的环境信息；对电网数据进行融合。优选地，电网数据为结构化数据、半结构化数据或非结构化数据。优选地，数据转换包括：对电网数据进行数据辨析、数据清洗或数据抽取，删除电网数据中的坏数据。
本发明实现了全息数据获取和存储，其中，数据采集包括对电网各类仿真或从数据采集系统中采集到的稳态潮流、动态时域轨迹信息，以及各种与电网发生间接关联的外界环境信息的采集，并实现多源异构信息的融合功能；数据转换，将智能电网调度中的实际运行量测数据或仿真数据通过数据辨析、数据清洗、数据抽取等预处理，处理掉数据源中的坏数据，为多源异构数据的有效存储提供支撑帮助，数据存储，满足数据存储的高扩展性、经济性，支持结构化、半结构化、非结构化数据及实时数据的查询与存储，根据不同的数据类型及需求响应，合理选择不同的数据库，提供具有高容错、高可靠、高吞吐率的数据存储方式，为实现大规模海量数据的存储提供强大的底层支撑。
优选地，在步骤102：对融合后的电网数据进行数据转换，并将转换后的电网数据存储至数据存储管理层，存储的电网数据为多种结构。优选地，方法包括：基于电网数据，生成标准算例数据库。
本申请进行全息数据样本库制造，本申请利用连续潮流等仿真工具获得LF文件，结合D5000、SCADA、WAMS等实时量测数据，形成大电网态势感知仿真样本数据库。本申请可利用BPA或综稳程序制造大电网仿真数据样本、选取全国或是某个网省公司，获得SCADA和WAMS实测历史数据。
优选地，在步骤103：通过第二标准接口将数据存储管理层存储的电网数据推送至数据分析层，通过数据分析层对电网数据进行聚类分析，获取智能算法分析结果，智能算法分析结果包括：信息驱动的电网稳定态势评估、决策和控制策略。
优选地，方法还包括：基于电网数据、标准算例数据库和智能算法分析结果，通过预先设置的提取规则，生成电网态势知识图谱。
本申请利用智能分析算法，针对大电网态势感知仿真样本数据集，研究大电网静态和暂态边界特征提取问题。利用数据挖掘、深度学习等人工智能算法，给出信息驱动的电网稳定态势评估、决策和控制策略。智能聚类分析及决策：利用电压相轨迹具有矢量特征，因此利用角度、长度、位置构建轨迹距离来判断电压相轨迹的相关性。静态数据相轨迹聚类算法每一次迭代都以4个断面做一次聚类；将聚类变化的母线着重动态闪烁展示；不同颜色标出拓扑结构中的节点不同聚类群。静态数据相轨迹聚类算法，每一次迭代都以4个断面做一次聚类，将聚类变化在地图引擎上实时展示，并用不同颜色标出拓扑结构中的节点不同聚类群；利用等面积原理，给出暂态数据智能决策算法，对大电网多维时空数据进行分析，对扰动、故障实现自动诊断与恢复。当电网发生大扰动以后，快速定位和识别扰动源，并依据算法结果速量化评估扰动影响范围。
本申请通过对海量量测信息的实时状态感知及复杂基础数据的动态特性提取，在全息数据样本库和智能分析算法结果的基础上构建电网知识图谱，实现电网知识的规则提取、管理维护、推理扩展等功能，最终在应用终端上提供智能辅助决策服务。
本申请对所研究的大电网稳定态势评估与智能控制算法及知识图谱进行模块化开发；通过详尽的指标体系，专门的数据分析主题仪表盘，热力图等可视化技术，形象、直观地将电网全景安全态势及智能精准控制策略进行展示，并实现智能语音交互、虚拟沙盘交互等功能，保障大电网智能、安全、稳定、高效的运行。
本申请提供的信息驱动的智能电网稳定态势评估与辅助决策大数据平台，搭建了信息驱动的智能评估与辅助决策系统基础架构；设计了多源异构数据接口规范，高速存储和获取了全息全态数据，对系统数据进行转换、清洗、融合等整合；制造全息数据样本库；研究基于聚类分析的大电网静态数据相轨迹和暂态数据相轨迹分析及决策方法。构建态势智能感知知识图谱，完成智能电网稳定态势评估与辅助决策模块化开发，研究可视化界面，语音交互、虚拟沙盘交互等技术，实现大电网的全景态势感知和智能调控。
本申请提供的一种信息驱动的智能电网稳定态势评估与辅助决策大数据平台，有效提升了大电网实时全景态势感知、识别、推理、决策和自动规划能力，实现了智能电网广域协同闭环控制。本申请将大幅提升大电网整体运营效能和智能化水平，必将成为能源互联网模式下以信息驱动为主的全景式、立体化、高智能、主动型的新一代大电网安全防御和智能调控辅助系统。本申请实施方式具有广阔的实际应用价值和推广前景。
以下对本申请实施方式进行举例说明。
按照图2所示智能电网稳定态势评估与辅助决策大数据平台总体构架图，设计系统方案，数据来源为智能调度支持系统(D5000)、广域测量系统(WAMS)和电网仿真数据，通过不同的交互通道将数据接入到地图引擎及智能算法分析和知识图谱分析模块，共同实现大电网智能电网稳定态势评估与辅助决策。
(1)搭建智能电网稳定态势评估与辅助决策硬件平台。
为搭建专门的大电网大数据平台，作为大电网在线安全稳定智能评估系统的数据与运行平台，以保证电网运营生产数据的安全与电网安全稳定评估结果的高效生成，支撑安全高效的电网运行。大电网智能算法研发以及大电网稳定态势评估可视化软件的研发，涉及人工智能算法实现以及实时绘制与渲染技术的实现，需要高性能的开发工作站和高性能图形工作站。根据大数据平台环境搭建需求，所做硬件环境连接示意图如图3所示。具体的服务器配置情况如表1所示。
表1 服务器配置
(2)搭建智能电网稳定态势评估与辅助决策平台软件环境搭建。
数据采集层采用Flume，Flume是一个分布式、高可靠、高可用的海量日志采集、聚合、传输系统，负责实时数据的采集，详见表2。数据统一接入层采用Kafka接入，由于电网数据采集、存储、处理速度不一定同步，使用分布式消息队列Kafka作为数据中心管道。
表2 多源异构数据采集方案
| 数据源 | 采集方案 |
| 传感器数据(RTU，PMU) | 通过标准采集程序写入安捷实时数据库 |
| 环境信息 | 通过传感器实时接入信息 |
| 离线仿真数据 | 常规数据读取 |
数据存储管理层采用HDFS、MySql、HBase方案，为满足电网时空序列信息高质量获取与整合、流式数据高速索引及存储、错误自动检测等功能，该平台以分布式文件系统HDFS作为底层分布式存储系统，配合 HBase类数据库，为大规模海量数据存储提供了强大的底层支撑。针对静态信息(设备参数信息、成果信息、环境信息、故障信息、法规文件、知识图谱、拓扑，该数据较为规整，比较适合关系型数据库存储，采用MySql 数据库进行存储；正对运行信息(设备量测信息等)、数据源信息，该类信息随着电力系统运行状态的改变而改变。
数据处理层为该平台的核心部分，计算及查询框架主要使用Spark Core，以及在其基础上运行的四大组件:MLlib、Spark SQL、Spark Streaming、Graph X。计算框架采用统一的编程模式，各组件间输入输出数据可以实现无缝共享，无须格式转换，充分发挥了Spark的优势。
(3)设计智能电网稳定态势评估与辅助决策平台接口规范
多源异构基础数据描述：①数据采集包括对电网各类仿真或从数据采集系统中采集到的稳态潮流、动态时域轨迹信息，以及各种与电网发生间接关联的外界环境信息的采集，并实现多源异构信息的融合功能，如表3 所示。②数据转换，将智能电网调度中的实际运行量测数据或仿真数据通过数据辨析、数据清洗、数据抽取等预处理，处理掉数据源中的坏数据，为多源异构数据的有效存储提供支撑帮助，如图4所示意；③数据存储满足数据存储的高扩展性、经济性，支持结构化、半结构化、非结构化数据及实时数据的查询与存储，根据不同的数据类型及需求响应，合理选择不同的数据库，提供具有高容错、高可靠、高吞吐率的数据存储方式，为实现大规模海量数据的存储提供强大的底层支撑。
表3 多源异构输入数据描述
时空数据导入统一接口标准单向推送，即只能从数据采集处理层到数据存储管理层，主要作用是将从底层采集到的数据通过该接口标准推送到数据存储管理层；同时需要注意的是对于仿真量测实时数据，需要通过时空数据导入统一接口直接推送到下一层，减少由于存储带来的时间损耗，满足实时数据的快速相应。
数据分析交互统一接口标准双向交互，即通过该接口能够实现数据存储管理层及时推送到数据分析挖掘层，同时能够实现将数据分析的结果存储到数据库中。接口规范如图5所示，具体如下：①数据导入接口，分别针对不同基础文件类型，编写导入数据库的接口；②数字型数据以csv文件类型作为组织，首行注明表头后直接导入对应的HBase中；③文档以唯一的文件名作为标识，文档内容作为字段内容，接入HBase；④图像、声音等文件根据大小，不超过一定大小(256MB)可直接转为二进制内容，作为字段内容，导入HBase。
(4)全息数据样本库制造。
利用10机39节点系统，用matlab程序进行样本集制造，形成标准算例数据库，并进行算法和系统的demo版展示。利用连续潮流等仿真工具获得LF文件，结合SCADA、WAMS等实时量测数据，形成大电网态势感知仿真样本数据库，为算法测试和平台功能测试提供数据基础。对数据样本库中的数据进行融合、清洗、转换和压缩，为智能电网稳定态势评估与辅助决策平台算法提供全面而精确统一数据集。
(5)智能分析算法模块。
针对大电网态势感知仿真样本库数据集，以IEEE39节点系统为例，设计了图6、图7和图8所示的聚类算法流程，实现其在智能电网稳定态势评估与辅助决策平台的稳定态势评估、决策与控制，并将其从IEEE39 节点系统扩展到全网数据。
(6)态势知识图谱构建。
结合海量SCADA、WAMS等实时量测数据及仿真工具数据、全息数据样本库数据，以及智能算法分析结果，设计如图9，通过提取规则，构建可快速查询、管理和调用的电网知识图谱，实现用户端对应平台数据的智能调用。
(7)智能电网稳定态势评估与辅助决策模块化开发。
对所研究的大电网稳定态势评估、智能控制算法及知识图谱进行模块化开发；通过详尽的指标体系，专门的数据分析主题仪表盘，热力图等可视化技术，形象、直观地将电网全景安全态势及智能精准控制策略进行展示。图10为智能电网稳定态势评估与辅助决策大数据平台主界面，界面主要包括电网综合安全指标、综合统计结果、区域安全稳定裕度、薄弱节点信息、模式模态结果五大功能模块。图11为智能电网稳定态势评估与辅助决策大数据平台监控界面，包括服务器运行状态监控和平台上的算法性能监控。图12为智能电网稳定态势评估与辅助决策大数据平台虚拟沙盘，可实现语音交互和手动操作交互，支持调度员与平台之间的自然交互，支撑电力调度和辅助决策。
本发明在电网运行日益复杂的形势下，以电网“信息驱动”和“闭环融合”核心思想为指导，定义和设计了基于大数据及人工智能的智能电网稳定态势评估与辅助决策平台实施方案，全面提升电网态势感知和辅助决策能力。
本发明融合物理系统、信息系统及仿真系统数据，进行融合、清洗、转换和压缩，构建“全息数据样本库”，从数据中洞察电网状态信息，分析数据的相互作用及反馈，有效提升电力时空数据的智能挖掘深度和利用广度。
本发明以聚类分析为核心算法，实现其在智能电网稳定态势评估与辅助决策平台的稳定态势评估、决策与控制，并将其扩展到全网数据。
本发明实现态势知识图谱构建，通过提取规则，构建可快速查询、管理、调用、展示的知识扩展体系，实现用户端对应平台数据和结果的智能调用。
本发明以大数据技术为底层平台支撑，以Spark为分布式计算核心引擎，极大提升了全网数据存储和调用的性能，提高电网分析决策的时效性。
本发明面向调度员，结合调度员特征，通过人机交互协同的模型及通道，支撑调度员通过语音等完成与智库系统的交互工作，提升大电网的智能调度与控制能力。
本发明利用在线可视化技术，有效直观的将调度员最关心的内容模块呈现，并利用虚拟沙盘实现调度员操作的语音交互和手动交互，帮助调度员实时把握电网运行状态并做出正确决策，有效提升大电网在线监控能力和水平。
图13为根据本发明优选实施方式的一种基于信息驱动的对电网大数据进行辅助决策的系统结构图。如图13所示，本发明提供一种基于信息驱动的对电网大数据进行辅助决策的系统，系统包括：
数据采集层1301，用于通过第一标准接口采集电网数据，电网数据包括：稳态潮流信息、动态时域轨迹信息，以及与电网关联的环境信息；对电网数据进行融合；对融合后的电网数据进行数据转换，并将转换后的电网数据存储至数据存储管理层1302，存储的电网数据为多种结构；优选地，电网数据为结构化数据、半结构化数据或非结构化数据。优选地，数据存储管理层还用于：基于电网数据，生成标准算例数据库。优选地，数据转换包括：对电网数据进行数据辨析、数据清洗或数据抽取，删除电网数据中的坏数据。
本发明实现了全息数据获取和存储，其中，数据采集包括对电网各类仿真或从数据采集系统中采集到的稳态潮流、动态时域轨迹信息，以及各种与电网发生间接关联的外界环境信息的采集，并实现多源异构信息的融合功能；数据转换，将智能电网调度中的实际运行量测数据或仿真数据通过数据辨析、数据清洗、数据抽取等预处理，处理掉数据源中的坏数据，为多源异构数据的有效存储提供支撑帮助，数据存储，满足数据存储的高扩展性、经济性，支持结构化、半结构化、非结构化数据及实时数据的查询与存储，根据不同的数据类型及需求响应，合理选择不同的数据库，提供具有高容错、高可靠、高吞吐率的数据存储方式，为实现大规模海量数据的存储提供强大的底层支撑。
本申请进行全息数据样本库制造，本申请利用连续潮流等仿真工具获得LF文件，结合D5000、SCADA、WAMS等实时量测数据，形成大电网态势感知仿真样本数据库。本申请可利用BPA或综稳程序制造大电网仿真数据样本、选取全国或是某个网省公司，获得SCADA和WAMS实测历史数据。
数据分析层1303，用于通过第二标准接口接收数据存储管理层存储的电网数据，通过数据分析层对电网数据进行聚类分析，获取智能算法分析结果，智能算法分析结果包括：信息驱动的电网稳定态势评估、决策和控制策略。
优选地，还包括应用单元，用于：基于电网数据、标准算例数据库和智能算法分析结果，通过预先设置的提取规则，生成电网态势知识图谱。
优选地，聚类分析，包括:利用电网数据中电压相轨迹的角度、长度、位置构建轨迹距离来判断电压相轨迹的相关性；静态数据相轨迹聚类算法每一次迭代以4个断面做一次聚类，获取聚类变化的母线和拓扑结构中的节点不同聚类群。
本发明利用智能分析算法，针对大电网态势感知仿真样本数据集，研究大电网静态和暂态边界特征提取问题。利用数据挖掘、深度学习等人工智能算法，给出信息驱动的电网稳定态势评估、决策和控制策略。智能聚类分析及决策：利用电压相轨迹具有矢量特征，因此利用角度、长度、位置构建轨迹距离来判断电压相轨迹的相关性。静态数据相轨迹聚类算法每一次迭代都以4个断面做一次聚类；将聚类变化的母线着重动态闪烁展示；不同颜色标出拓扑结构中的节点不同聚类群。静态数据相轨迹聚类算法，每一次迭代都以4个断面做一次聚类，将聚类变化在地图引擎上实时展示，并用不同颜色标出拓扑结构中的节点不同聚类群；利用等面积原理，给出暂态数据智能决策算法，对大电网多维时空数据进行分析，对扰动、故障实现自动诊断与恢复。当电网发生大扰动以后，快速定位和识别扰动源，并依据算法结果速量化评估扰动影响范围。
本发明通过对海量量测信息的实时状态感知及复杂基础数据的动态特性提取，在全息数据样本库和智能分析算法结果的基础上构建电网知识图谱，实现电网知识的规则提取、管理维护、推理扩展等功能，最终在应用终端上提供智能辅助决策服务。
本发明对所研究的大电网稳定态势评估与智能控制算法及知识图谱进行模块化开发；通过详尽的指标体系，专门的数据分析主题仪表盘，热力图等可视化技术，形象、直观地将电网全景安全态势及智能精准控制策略进行展示，并实现智能语音交互、虚拟沙盘交互等功能，保障大电网智能、安全、稳定、高效的运行。
本发明提供的信息驱动的智能电网稳定态势评估与辅助决策大数据平台，搭建了信息驱动的智能评估与辅助决策系统基础架构；设计了多源异构数据接口规范，高速存储和获取了全息全态数据，对系统数据进行转换、清洗、融合等整合；制造全息数据样本库；研究基于聚类分析的大电网静态数据相轨迹和暂态数据相轨迹分析及决策方法。构建态势智能感知知识图谱，完成智能电网稳定态势评估与辅助决策模块化开发，研究可视化界面，语音交互、虚拟沙盘交互等技术，实现大电网的全景态势感知和智能调控。
已经通过参考少量实施方式描述了本发明。然而，本领域技术人员所公知的，正如附带的专利权利要求所限定的，除了本发明以上公开的其他的实施例等同地落在本发明的范围内。
通常地，在权利要求中使用的所有术语都根据他们在技术领域的通常含义被解释，除非在其中被另外明确地定义。所有的参考“一个//该[装置、组件等]”都被开放地解释为装置、组件等中的至少一个实例，除非另外明确地说明。这里公开的任何方法的步骤都没必要以公开的准确的顺序运行，除非明确地说明。
Claims (10)
1.一种基于信息驱动的对电网大数据进行辅助决策的方法，所述方法包括：
通过第一标准接口采集电网数据，所述电网数据包括：稳态潮流信息、动态时域轨迹信息，以及与电网关联的环境信息；对所述电网数据进行融合；
对融合后的电网数据进行数据转换，并将转换后的电网数据存储至数据存储管理层，存储的电网数据为多种结构；
通过第二标准接口将所述数据存储管理层存储的电网数据推送至数据分析层，通过所述数据分析层对所述电网数据进行聚类分析，获取智能算法分析结果，所述智能算法分析结果包括：信息驱动的电网稳定态势评估、决策和控制策略。
2.根据权利要求1所述的方法，所述电网数据为结构化数据、半结构化数据或非结构化数据。
3.根据权利要求1所述的方法，包括：基于所述电网数据，生成标准算例数据库。
4.根据权利要求3所述的方法，还包括：基于所述电网数据、标准算例数据库和所述智能算法分析结果，通过预先设置的提取规则，生成电网态势知识图谱。
5.根据权利要求1所述的方法，所述聚类分析，包括:
利用电网数据中电压相轨迹的角度、长度、位置构建轨迹距离来判断电压相轨迹的相关性；
静态数据相轨迹聚类算法每一次迭代以4个断面做一次聚类，获取聚类变化的母线和拓扑结构中的节点不同聚类群。
6.一种基于信息驱动的对电网大数据进行辅助决策的系统，所述系统包括：
数据采集层，用于通过第一标准接口采集电网数据，所述电网数据包括：稳态潮流信息、动态时域轨迹信息，以及与电网关联的环境信息；对所述电网数据进行融合；对融合后的电网数据进行数据转换，并将转换后的电网数据存储至数据存储管理层，存储的电网数据为多种结构；
数据分析层，用于通过第二标准接口接收所述数据存储管理层存储的电网数据，通过所述数据分析层对所述电网数据进行聚类分析，获取智能算法分析结果，所述智能算法分析结果包括：信息驱动的电网稳定态势评估、决策和控制策略。
7.根据权利要求6所述的系统，所述电网数据为结构化数据、半结构化数据或非结构化数据。
8.根据权利要求6所述的系统，所述数据存储管理层还用于：基于所述电网数据，生成标准算例数据库。
9.根据权利要求8所述的系统，还包括应用单元，用于：基于所述电网数据、标准算例数据库和所述智能算法分析结果，通过预先设置的提取规则，生成电网态势知识图谱。
10.根据权利要求6所述的系统，所述聚类分析，包括:
利用电网数据中电压相轨迹的角度、长度、位置构建轨迹距离来判断电压相轨迹的相关性；
静态数据相轨迹聚类算法每一次迭代以4个断面做一次聚类，获取聚类变化的母线和拓扑结构中的节点不同聚类群。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010099336.3A CN111598376A (zh) | 2020-02-18 | 2020-02-18 | 一种基于信息驱动的对电网大数据进行辅助决策的方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010099336.3A CN111598376A (zh) | 2020-02-18 | 2020-02-18 | 一种基于信息驱动的对电网大数据进行辅助决策的方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111598376A true CN111598376A (zh) | 2020-08-28 |
Family
ID=72191972
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010099336.3A Pending CN111598376A (zh) | 2020-02-18 | 2020-02-18 | 一种基于信息驱动的对电网大数据进行辅助决策的方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111598376A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112163625A (zh) * | 2020-10-06 | 2021-01-01 | 翁海坤 | 基于人工智能和云计算的大数据挖掘方法及云端服务中心 |
| CN113159326A (zh) * | 2021-03-03 | 2021-07-23 | 国网山西省电力公司信息通信分公司 | 基于人工智能的智能业务决策方法 |
| CN113298893A (zh) * | 2021-04-23 | 2021-08-24 | 贵州电网有限责任公司 | 一种基于电力调度的人工智能图像处理方法 |
| CN113361970A (zh) * | 2021-07-07 | 2021-09-07 | 国网甘肃省电力公司兰州供电公司 | 基于电力智能调度引擎的虚拟调度员系统及调度方法 |
| CN114048815A (zh) * | 2021-11-12 | 2022-02-15 | 国网江苏省电力有限公司常州供电分公司 | 基于厂站侧的电网运行信息感知系统、感知方法 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110059356A (zh) * | 2019-03-18 | 2019-07-26 | 中国电力科学研究院有限公司 | 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 |
-
2020
- 2020-02-18 CN CN202010099336.3A patent/CN111598376A/zh active Pending
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110059356A (zh) * | 2019-03-18 | 2019-07-26 | 中国电力科学研究院有限公司 | 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 |
Non-Patent Citations (2)
| Title |
|---|
| 刘道伟 等: "时空大数据环境下的大电网稳定态势量化评估与自适应防控体系构建", 中国电机工程学报, no. 02, 20 January 2015 (2015-01-20) * |
| 王继业 等: "信息驱动的全球能源互联网全景安全防御系统", 电力信息与通信技术, no. 03, 15 March 2016 (2016-03-15), pages 13 - 19 * |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112163625A (zh) * | 2020-10-06 | 2021-01-01 | 翁海坤 | 基于人工智能和云计算的大数据挖掘方法及云端服务中心 |
| CN113159326A (zh) * | 2021-03-03 | 2021-07-23 | 国网山西省电力公司信息通信分公司 | 基于人工智能的智能业务决策方法 |
| CN113159326B (zh) * | 2021-03-03 | 2024-02-23 | 国网山西省电力公司信息通信分公司 | 基于人工智能的智能业务决策方法 |
| CN113298893A (zh) * | 2021-04-23 | 2021-08-24 | 贵州电网有限责任公司 | 一种基于电力调度的人工智能图像处理方法 |
| CN113298893B (zh) * | 2021-04-23 | 2023-06-23 | 贵州电网有限责任公司 | 一种基于电力调度的人工智能图像处理方法 |
| CN113361970A (zh) * | 2021-07-07 | 2021-09-07 | 国网甘肃省电力公司兰州供电公司 | 基于电力智能调度引擎的虚拟调度员系统及调度方法 |
| CN113361970B (zh) * | 2021-07-07 | 2023-07-07 | 国网甘肃省电力公司兰州供电公司 | 基于电力智能调度引擎的虚拟调度员系统及调度方法 |
| CN114048815A (zh) * | 2021-11-12 | 2022-02-15 | 国网江苏省电力有限公司常州供电分公司 | 基于厂站侧的电网运行信息感知系统、感知方法 |
| CN114048815B (zh) * | 2021-11-12 | 2023-11-28 | 国网江苏省电力有限公司常州供电分公司 | 基于厂站侧的电网运行信息感知系统、感知方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111598376A (zh) | 一种基于信息驱动的对电网大数据进行辅助决策的方法及系统 | |
| 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 | |
| CN107330056B (zh) | 基于大数据云计算平台的风电场scada系统及其运行方法 | |
| 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 | |
| CN109635127A (zh) | 一种基于大数据技术的电力设备画像知识图谱构建方法 | |
| CN112132327A (zh) | 面向多源数据融合的配电网智能规划系统 | |
| CN107918830A (zh) | 一种基于大数据技术的配电网运行状态评估系统及方法 | |
| Yun et al. | Research on intelligent fault diagnosis of power acquisition based on knowledge graph | |
| CN107590749A (zh) | 一种配用电数据的处理方法及系统 | |
| CN104506137A (zh) | 一种设备故障诊断方法和装置 | |
| CN114091816A (zh) | 基于数据融合的门控图神经网络的配电网状态估计方法 | |
| CN112612819A (zh) | 一种抽水蓄能电站大数据分析挖掘方法及系统 | |
| CN112685570A (zh) | 一种基于多标签图的电网网架知识图谱的构建方法 | |
| CN109697251A (zh) | 基于分布式光伏电站的云计算方法及云服务平台 | |
| CN108647860A (zh) | 基于OpenStack的电力设备状态监测与评估云平台 | |
| Ni et al. | A review of line loss analysis of the low-voltage distribution system | |
| Wang et al. | Analysis of network loss energy measurement based on machine learning | |
| CN111881131A (zh) | 一种应用于电网规划的三维gis平台 | |
| CN110635474A (zh) | 一种基于长短期记忆网络的电网动态轨迹趋势预测方法 | |
| Zhang et al. | Distributed Architecture of Power Grid Asset Management and Future Research Directions | |
| Haoqing et al. | Key technology and engineering application of pre decision system of quasi online dispatching control for massive power grid analysis: quasi online navigation system for power system operation | |
| Jinghong et al. | An overview on cyber-physical systems of energy interconnection | |
| CN114266471A (zh) | 一种面向冷热电多能流耦合综合能源的能效评价方法 | |
| CN113872183A (zh) | 一种综合能源优化协调系统 | |
| Tang et al. | Application technology of big data in smart grid and its development prospect |
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 |