▌電力大數據的定義

企業信息化的過程中, 信息量呈現爆炸性增長態勢, 海量的數據涵蓋各種形式, 比如數字、符號、圖片、聲音、視頻等, 這些數據貫穿于電網企業生產、管理、服務等各業務流程中, 企業的信息化正是要對這些大量數據進行采集、分析和處理。

充分重視數據的作用, 將其作為企業核心資產之一, 讓資產創造價值, 這是大數據的核心價值。通過以電力為中心的數據綜合服務平臺, 充分利用實際電網和經營管理中產生的海量數據, 并研究分析其中的規律, 從而獲取潛在的高附加值服務。高附加值的服務在電網企業中有重要作用, 比如提高電網災難預警與事故處理能力, 提高供配電與電力調度決策的準確性等, 實現更科學的需求側管理, 為電網創造更大的經濟效益。

▌電力大數據的特征

電網中的大數據具有如下四個特征:數據量大、數據種類多、價值潛力大、處理迅速。

1   ▏數據量大

隨著物聯網技術在電力行業的應用及企業的信息化不斷加快, 各業務流程的運作產生巨大的數據量, 這些數據從PB級別躍升到EB級別, 數據規模巨大。

2   ▏數據種類多

在電力生產的整個過程中, 產生各種類型的數據, 按照產生方式的不同分類, 有對設備監控而生成的數據、因電網狀態信息擴展而生成的數據、有實時采樣而生成的數據;按產生環節的不同, 大數據可分為由發電側產生的、由輸變電側產生的、由用電側產生的。

3   ▏價值潛力大

電力大數據反映了電力行業內部規律特征, 通過相關技術對大數據的分析與研究, 可以獲得巨大的潛在價值, 比如對社會經濟的影響評估。

4   ▏處理迅速

信息化水平的提高, 使得數據處理技術不斷發展, 滿足電力企業在對電力調度、設備運行等數據快速處理的要求。

▌電力大數據技術

在智能電網中涉及的大數據技術主要包括多數據融合、數據挖掘技術、統計分析、大數據可視化技術等等。

1   ▏多數據融合

多數據融合是將不同級別、不同層面信息源的數據進行處理, 該處理過程包括對數據的檢測、相關性分析、估計及組合處理, 以便完成所需的決策和評估任務。這對相關部門準確及時地獲取有用信息, 對市場情況進行適時的完整評價, 并實施輔助決策, 都是至關重要的。

電力生產和服務數據的融合是電力大數據在行業內部的充分利用, 在生產方面, 電力企業利用計算機技術將來自多個傳感器對相關特征量進行分析, 并綜合處理, 保證電力生產過程安全穩定運行, 在電力服務方面, 主要涉及市場數據的分析, 包括交易電價、需求側用電量、用電變化趨勢及分布情況等, 對這些數據的分析結果在各單位、各部門之間共享。

數據融合的過程需要對數據進行檢測和相關性分析, 例如, 在對電力資產全壽命周期管理、營銷和配電協調管理等過程中, 數據來源是不同的, 需要對其進行融合, 實現從以業務為中心到以數據為中心的轉變, 將數據的價值發揮到最大。

2   ▏ 數據挖掘技術

數據挖掘作為一項技術, 旨在大量信息源中找出有價值的數據, 并分析總結出相關規律, 獲得相應輸出的。隨著電力企業信息化的不斷加強, 電力數據的應用在電力企業中逐漸發揮重大作用, 為企業的決策提供有力支持。

數據挖掘的具體過程從數據準備著手, 通過數據挖掘、綜合分析評價發掘數據的潛在價值。對電力行業來說, 數據準備針對的并非所有數據, 而是適合后續數據挖掘的那部分原始數據, 所以這一過程也是預處理過程, 包括對數據的組織、篩選、轉換, 以保證后續數據挖掘的質量和效率。

數據挖掘作為重點環節, 旨在對前一環節獲取的數據進行分析, 發現數據規律, 該過程需要綜合考慮其他因素選擇合適的挖掘方法;對于綜合分析評價, 首先針對上一環節所建立的模型, 評價其是否合理, 重點針對模型輸出的結果, 考慮其是否符合最初的業務目標, 通過將這些結果解釋、分析, 提取有價值的信息, 以可視化形式呈現, 比如報表、報告、圖形等。

3   ▏統計分析

統計分析, 是對獲取的海量數據進行整理歸類的過程。描述統計和推斷統計作為統計分析的不同方法, 具有不同的特點。

統計是將經過組織、篩選、轉化等一系列流程的電力大數據進行挖掘分析, 并將結果以簡化的形式表示, 以此描述和歸納數據的特征及規律, 包括這些數據的集中趨勢、離散程度和相關強度。

推斷統計是指用概率形式來判斷數據之間是否存在某種關系及以已知推斷未知的一種預測分析方法, 比如在預測電網供需時, 從與電網供需關聯性較大的影響因素著手, 進行供需預測。

4   ▏大數據可視化技術

海量的電網大數據最終需以一種直觀、容易理解的方式呈現出來, 便于后續分析決策, 這一過程便用到大數據可視化技術。在電力生產、運行管理過程中, 產生的生產數據包括發電量、電壓穩定性等實時采集的數據。

除此之外, 還有部分業務數據, 比如物聯網、云計算、新能源并網等技術帶來的相關數據, 涉及運營管理的數據, 主要是交易電價、售電量等方面的數據。可視化技術正是通過一系列算法, 將如此龐大的數據快速有效地提取到有用的信息, 使人們得以通過自身的視覺系統獲取信息。

▌ 大數據技術在智能電網中的應用

1   ▏電力負荷智能預測

電力負荷智能預測針對的是電力負荷的研究, 而負荷本身的變化與很多外部因素有關, 包括自然情況及地區條件。因此在進行電力負荷預測時, 需要充分考慮地區經濟因素、氣象等的影響規律, 利用適當的模型與算法, 對規劃區的電力需求做出估計。

電力需求側的數據量是巨大的, 電網規劃人員從大量數據中獲取有價值的數據時, 通常利用電力大數據技術進行挖掘分析, 包括對用電量和負荷的歷史數據等, 在充分研究外部因素的條件下, 掌握其與電力需求的關系, 依據負荷變化規律獲得最終的預測結果。

負荷預測過程的方法選擇是多樣的, 包括電力彈性指數法、時間序列法、回歸分析法、灰色預測法等, 根據規劃區實際情況, 選擇最優預測模型, 從而獲得更可靠結果。在電網規劃中, 進行電力負荷預測是必要的, 這也是電網經濟運行的基礎。

負荷預測的結果是否準確, 對電網的規劃結果有重大影響, 比如設備的選擇及網絡的整體布局情況, 設備的選擇主要為變壓器容量、導線截面積等的選擇。準確可靠的負荷預測有利于提高電網規劃水平, 除了對電網現狀分析、電力需求預測等規劃過程有重要作用, 其預測結果有利于電力電量平衡、主變容量選址、主網規劃等。

2   ▏ 智能電網架構規劃

電網架構規劃是智能電網規劃的重要環節。隨著電網復雜程度不斷加大, 規模及自動化程度不斷提高, 社會對智能電網架構的規劃提出了更嚴格的要求。大數據帶來的新型數據理念, 又為電網架構規劃提供新的思路。電網架構的規劃依賴于對電力市場的分析預測及對規劃區終端用戶的負荷預測, 可靠的預測結果為電網結構、設備型號選擇提供依據, 保障電網架構規劃的合理性。

未來電網架構的發展主要傾向于新型智能電網, 涉及輸電網和配電網的規劃、變電站選址和容量確定、輸配網綜合優化和巨型電網的同一調度和智能控制等領域, 雖然已經進行大量的研究并且取得相當大的進展, 但由于微電網本身的特性, 使得分散型低能量的電源對電力系統的安全可靠性、電能質量、保護和網損等方面產生較大影響, 但新技術的發展, 將不斷改善這個問題, 優化電網結構, 提高未來電網的安全性和可靠性；智能電網規劃體系架構, 如智能電網規劃體系架構所示。     

3   ▏智能電網安全評估

評估, 即評價和估量, 在智能電網規劃階段對規劃方案進行可行性、合理性和優劣性評估, 有利于提高智能電網的運行水平, 評估的內容包括供電可靠性評估、線損評估、供電能力及供電安全性評估、經濟評估。

供電可靠性,：評估的指標可以選用用戶平均停電時間、供電可考慮、用戶平均停電次數。要衡量用戶供電可靠性, 必須先了解整個電網停電性質的分類, 總體上可分為故障停電和預安排停電。因此影響用戶供電可靠性的主要因素體現在系統供電能力、網絡結構、設備狀態、自動化水平、維護技術水平和管理水平等幾個方面。

線損評估： 是指評估電能在傳輸過程中所產生的有功、無功電能和電壓的損失, 評估的指標為線損率。線損按照電能損失的原因, 可分為技術線損和管理線損。技術線損屬于電能在傳輸過程中無法避免的理論線損, 可計算得出;管理線損是人為因素造成的, 如抄表、偷漏或差錯引起的不明損失, 涉及到企業的管理水平。

供電能力及供電安全性評估, 采用的指標為容載比, 容載比既是宏觀控制變電總容量的指標, 也是電網規劃中布點變電站容量選擇的依據。在負荷增長相對較快的地區, 電網發展快速期可取較高容載比, 通過優化網架結構, 可逐步降低容載比, 提高投資的經濟效益。

經濟評價, 主要涵蓋財務評價和國民經濟評價。財務評價指標主要包括:財務內部收益率、財務凈現值、投資回收期、資產負債率、投資利稅率、投資利潤率、資金利潤率等;國民經濟評價主要從國家角度考察項目的效益和費用。

隨著信息化程度的不斷提高, 動態安全評估一般通過相關系統完成, 智能動態安全評估系統可實時評估電網的安全穩定水平, 及時發現隱患, 提高電網運行控制決策的預測性和科學性。系統在運行過程中, 通過數據挖掘自動發現某些不正常的數據分布, 從而暴露設備運行中的異常變化, 以便運行人員預測機組運行狀態, 及時采取應對措施。另外, 基于決策樹方法可以進行最優化配置, 使電力系統得到安全的動態控制。

4   ▏狀態檢修智能決策

狀態檢修是以機械設備當前實際工作狀況為依據, 通過高科技狀態監測手段, 智能識別故障前兆, 分析故障具體情況, 及時采取措施, 提高設備的安全性和可靠性。電力大數據技術是狀態檢修的基礎, 狀態監測系統廣泛收集各項信息, 比如各指標運行情況, 并篩選出有價值的數據, 運用數據挖掘技術統計分析, 評估設備的運行狀態, 根據設備狀態做出檢修決策, 確定檢修時間、內容和方法。

我國電力系統長期以來遵循“定期檢查, 定期維修”的周期性檢修制度, 在及時發現設備缺陷、減少事故、確保安全方面的確發揮了重要作用。但隨著電壓等級的提高、設備容量的增大, 這種傳統檢修方法不能適應新時期的要求。

一方面, 定期檢查任務繁重, 耗費不必要的人力、物力、財力;另一方面, 檢修停電已成為影響供電可靠性的主要因素, 必須設法在確保安全的同時減少停電。電力設備的狀態檢修正是很好地解決了這一問題, 有效克服定期檢修造成的設備過修或失修情況, 提高設備可靠性和經濟性。

從電力行業發展看, 供電設備定期檢修時必然的, 但要有一段很長的過程, 在這期間, 兩種檢修方式并存。狀態檢修系統將隨著技術的提高不斷升級, 發展基于神經網絡的智能診斷模塊, 更加高效、準確地評價設備狀態, 提供科學、有效的管理決策, 提高設備檢修、維護工作的針對性和有效性, 保障狀態檢修工作規范、有序開展。

電網規劃是電力系統規劃的重要組成部分, 也是電網更新改造的依據, 合理地進行規劃可以獲得巨大的社會效益和經濟效益。電網規劃是一個繁瑣復雜的過程, 需要大量的歷年電網運行的數據資料, 面對海量數據, 只靠人工來收集, 將花費大量的時間精力, 且易出現數據丟失和出錯問題, 基于大數據技術在智能電網中應用的發展, 很好地解決了這一問題。

經過多年不懈的研究和發展, 電力大數據技術水平不斷提高, 其在電力負荷預測、電網架構規劃、動態安全評估、狀態檢修決策支持等方面得到越來越廣泛的應用, 為規劃更可靠的電網提供基本保障。但是電力大數據依然面臨很多挑戰, 加之電網規劃的復雜性和多樣性, 如何更好地處理和利用大數據仍然需要更深入地研究, 以便獲得最優化結果。

想了解更多IT資訊，請訪問中培偉業官網：中培偉業