谢科军

摘要：本文在電力系统仿真实验室的基础上依靠电力系统仿真软件，组建了基于大数据分析方法的电力系统状态仿真平台。其中包括了组成系统结构的软件和硬件部件，整体组合结构以及基于大数据分析的接口技术和软件系统。通过对风电系统的大数据仿真分析，得出相应的分析结果。该平台可用于广大科研院所的教学研究和仿真分析，并可以将传统结果与大数据分析进行结合用以进一步的研究。

Abstract： Based on the power system simulation laboratory， this paper builds up the power system simulation platform based on the big data analysis method with the power system simulation software， which includes the software and hardware components that make up the system architecture， the overall composite structure， and the interface technology and software system based on big data analysis. Through the simulation analysis of the big data of the wind power system， the corresponding analysis results are obtained. The platform can be used for teaching research and simulation analysis of scientific research institutes， and can combine traditional results with big data analysis for further research.

关键词：大数据分析；电力系统；状态实验仿真

Key words： big data analysis；power system；state experiment simulation

中图分类号：TM732 文献标识码：A 文章编号：1006-4311（2017）35-0173-02

0 引言

如今随着互联网技术与大数据技术的迅速发展，大数据分析作为一种成熟的分析手段已广泛应用于各行业系统中。其中基于大数据分析的电力系统分析早已开始发展。而国内在该方面的研究却处于初始起步阶段，特别是将传统电力系统特性分析方法与大数据分析方法，分析算法和理论分析远远不够。就目前国内在该领域的发展来看，还处于理论储备阶段，仅仅是对大数据平台的应用开发、调整和二次开发，以及对平台组建与平台架构的探索等阶段，并没有找到将理论转化为具体应用的结合点。就大数据而言，该方法并没有对数据本身进行任何缩减处理，而是在最原始的数据层面对数据进行原始信息的挖掘与处理。大数据并不像传统的分散数据进行分析，而是将各孤立信息组合成复杂的数据集合进行分析算法的处理与加工，达到实现目标结果分析的目的。其内容简要概括如下：①数据预处理。实现对数据的初步选择与处理，并进行相应的存储。②数据分析。对数据的结构形式、原始特征、分析逻辑关系、研究分析算法。③分析性能。对分析算法进行研究，论证算法的优劣及相应的改进措施。④算法优化设计。基于以上的分析对算法进行优化。⑤仿真评估。对分析理论和平台进行论证研究。

当前国内高校的大数据分析更多的是对算法的分析优化，并没有将大数据分析的手段很好的应用于实际的系统研究中，而且缺乏相应的平台可以使用。所以，对校园中组建基于大数据分析的仿真平台是进一步研究的必然趋势。当然这需要将实验室得到的传统数据与大数据分析进行很好的结合。

1 传统的电力系统状态仿真

要进行大数据分析首先要有大量的实验数据和数据原，由于当前院校中实验数据缺乏且以往数据没有进行很好的存储保存，所以要将校内电网中的实验数据与仿真数据与大数据进行连接，以作为主要数据源。实验室中的仿真软件已经可以得到与真实实验数据较为拟合的结果，并可以根据所研究的需求进行相应的调整。以下分别介绍了传统实验方法和软件仿真方法。

①电力系统实验室模拟。电力系统实验室往往是根据相似原理组建的实验仿真平台。它能动态模拟电力系统的各种运行工况和扰动，并与真实状态拟合度较高，是常用的实验分析手段。实验室由模拟的发电机组和交、直流模拟输电线路、无穷大的电源，负载和相应的控制设备，并通过微机监测系统进行实时监测、存储、录波和遥视等功能。实验室平台可以对电力系统静态、动态以及暂态运行进行模拟，并进行相应的控制操作和自定义设置。对实验结构可以通过监控平台进行全过程输出。

因此，通过实验室产生的实验数据是理想的数据来源，但是一方面限于实验室的规模，通过实验得到的数据量小，无法满足大数据的需求.另一原因，实验室得到的数据仅仅是电网内部运行状态的数据，缺少外部数据的补充。故需要将其与其他数据源组合使用。

②电力系统仿真软件PSD-BPA。PSD-BPA是PSD电力系统中分析软件包中的一个分析软件，广泛应用于电力系统各大研究单位和科研高校。PSD-BPA的程序规模可达10000个节点、40条两端直流线路、15200条支路、25条多端直流线路，以及120个功率交换区域。PSD-BPA包括了潮流计算程序、暂态稳定程序、短路电流程序、小干扰稳定分析程序等程序功能模块。endprint

③电力系统实时数字仿真器RTDS（Real Time Digital Simulator）。RTDS（实时数字仿真器）是一种实时全数字电磁暂态电力系统模拟装置，由加拿大曼尼托巴HVDC研究中心下属的RTDS公司开发。RTDS的算法与EMTP仿真程序相同，但其运算速度要强劲的多，这归因于其强大的计算能力。同时RTDS仿真系统可以处理广泛的频率范围，因此RTDS可以理想的处理和分析电力系统的各种问题。

RTDS电力系统实时数字仿真系统由功能强劲的计算机硬件和大量的处理分析软件组成。其主要特点有：频率特性范围大、建模周期短、处理方便灵活、计算速度和精度高。其中，RTDS硬件基于DSP（数字信号处理器）和并行计算，所以RTDS的计算速度很高，可以实现实时输出。其次，RTDS可以实现在维持实时条件下连续运行，能够针对电力系统方程进行快速求解，并连续输出实际网络状态。从这点来看，RTDS仿真系统除了能实现对保护系统的闭环试验，还能针对保护设备的整体性能进行校验分析。

以上简述了3种常见的用于仿真电力系统运行状态的商用软件系统，这些系统均可以很好的实现对电力系统实际运行状况的仿真且具有良好的仿真效果。在这些系统产生的系统状态数据之上就可以进行基于大数据分析方法的分析和处理。当然不足之处也在于这些通过数学模型得出的数据毕竟与真实系统存在差异，这需要进一步改进与优化。

2 基于大数据的电力系统运行状态仿真平台的架构

电力系统模拟实验室和仿真软件系统是电力系统专业中常用到的研究设备。其不仅可以很好的仿真现实中电力系统的运行状态，而且可以产生大量的状态数据。这些状态数据为进一步的大数据分析提供数据支撑。故将他们相互结合统一就可以得到可以实现大数据分析的更高平台，即基于大数据分析的电力系统状态仿真平台。

具体仿真过程分为以下四个步骤：

①组合电力系统状态的基本数据：大数据分析的特征就在于有大量的实际状态信息数据，只有数据具有大量的全面真实的信息量，才可以得出有用的信息特征。所以首先要做的就是对信息的收集和整合。具体来说就是采用相应的方法将不同系统、不同时域、不同颗粒度、不同格式的数据进行整合，然后将各来源的数据按照国际规定格式CIM进行转化，形成大数据仿真平台所需的格式。

②数据预处理。对数据预处理主要是对收集的数据进行筛选、删减、整合，使之形成用以表征目标状态的空间向量模型。它包括两道关键工序，首先是针对数据进行过滤和预处理，其次是基于所分析问题的目标形成数据向量空间，包括训练集和随机测试向量集。

③大数据分析处理。该部分就是对电力系统中运行状态数据进行大数据分析，其中主要的分析处理方法分为有目标和无目标两种。这两种方法都包含了相同的处理步骤：基于大数据网络科技进行降维、聚类、线性或非线性判别，归纳总结状态数据之间的关联性，再针对状态信息的随机行为通过马尔科夫模型、贝叶斯估计等分析方法进行深入研究，借助组合多学习器深入挖掘各种非线性关系。该步骤的分析过程可以以商用的大数据分析软件包为依托，也可以根据需要在仿真软件平台上编写自己的算法进行分析处理。

④分析结果可视化。该部分的主要内容是对大数据分析后的数据进行抽取和验证与电力系统运行状态是否符合结果，若出现与电力系统状态、机理或经验不一致的情况，首先要分析是否发现新的规律，其次要判断是否是因为结果出错。该步骤要将结果与电力系统基本知识基本原理相结合以进行纠错与梳理。最后将结果通过可视化步骤直观的表现出来。

综上，搭建大数据分析的电力系统平台由实验室及仿真软件接口、大数据分析处理系统、可视化输出系统构成，用以实现数据的采集、分析、可视化表达等一系列过程。大数據的硬件结构如图所示包括：服务器、中央处理器、内存、硬盘、网络接口和电源、交换机、网络接口。软件框架包括：操作系统、虚拟机、虚拟操作系统、数据库等。

3 风电网络TTC信息和调度规程的算例分析

由于风电的接入会对TTC数值分布和调度规则产生影响。所以要通过电力系统仿真软件对聚类风电出力和负载水平进行多场景运行状态的故障和潮流仿真，并生成大数据。计算TTC风险阈值可以对调度安排提供依据。TTC受载荷特性、风电场特性、风电出力等系统状态的影响，故场景聚类中心的TTC数值可以很好的表征不同场景所对应的TTC信息。单一场景TTC风险阈值计算包括：基态潮流计算、初始化故障序列、TTC计算等步骤。

当前输电断面安全标准为率小于某固定预设功率的断面实际传输功。没有考虑到TTC受系统的影响，故无法很好利用。由于电力系统的高度非线性性，故通过数据挖掘技术对输电断面与运行状态之间的关系进行分析提取。主要步骤包括：建立数据样本空间、选择特征属性、规则提取与表达。

4 结语

本文通过将大数据分析技术与现有电力系统仿真平台有机整合提出基于大数据分析的电力系统状态仿真平台，并给出了详细的分析处理过程和相应的软、硬件架构。该平台以科研院校电力专业的仿真实验室和仿真软件提供的状态数据为支撑，通过相应的大数据分析处理技术可视化的表达目标结果。在此基础上提取含风电网络信息和调度规则的方法的算例，对平台的操作过程进行了初步解析。该平台不仅能很好的继承传统的分析数据，而且可以结合大数据分析技术对数据进行进一步的分析研究。

参考文献：

[1]孙宏斌，罗力，孙元章，等.电力系统动态模拟数字主站系统的建设[J].电力系统及其自动化学报，2007，19（4）：70-75.

[2]中国电机工程学会.中国电力大数据发展白皮书，2013.8.

[3]边宏字，张海波，安然然，等.RTDS上机电暂态仿真自定义模块的研究与开发[J].电力系统自动化，2009，33（22）：61-65.endprint