云平台在电力能源大数据采集中的应用

2020-12-27魏国旺

通信电源技术 2020年16期

邓媛，谢振，魏国旺

（1.国网江苏省电力有限公司镇江供电分公司，江苏镇江 212002；2.北京国电通网络技术有限公司，北京 100085）

0 引言

随着物联网、移动互联网以及云计算的联合发展，大数据进入到全球性的高速发展时期。研究人员利用海量数据的方法，进一步对原有的大数据分析、大数据存储、大数据采集以及大数据智能化等技术进行优化利用。多个跨国公司巨头也加入了大数据行列，有力推动了该项技术的产业化应用。2016年，我国正式提出能源互联网+新电改的产业政策，推动了工业互联网和智能互联网的融合发展，对云计算、大数据以及信息技术的发展提出了新要求。

1 云平台在电力能源大数据采集中的应用价值

首先，基于大数据采集可以提高电力能源采集的精准度。以智能网络为依托，以电力技术为抓手，推进云计算大数据为代表的信息技术的产业化融合与结构式发展，可以改变原有的粗放采集理念，提升电力企业发展的精准程度，不断推进智能网络建设，更新传统电力企业的发展方式。应用科技创新的实际成果，指导目前的产业经营与电力发展，使电力信息的数据可以成为电网用电侧信息获取的来源，通过分析用电信息，建设更加完善的用电指导系统和电力供应系统[1]。

其次，基于云平台发展大数据采集，可以建设联动式服务网络。利用云平台的海量数据分析功能和智能信息存储功能，可以持续性地推进用电侧信息的获取改革，并基于现有的精准电力控制进行信息系统升级。基于云平台的采集系统可以对生产与生活情况的海量数据进行快速挖掘与价值取向性分析，有利于电力企业服务于社会民生，成为经济发展的新增长点，使电力数据采集支持电力企业的改革，以满足其他业务快速增长的需求，并不断探索新的领域。

最后，基于云平台建设大数据电力能源采集体系，可以提高电力电业的智能化水平。在智能化背景下，海量数据冗杂在一起，影响了传统电力企业的发展效率。同时，随着采集系统支撑业务的增多，传统电力企业的工作效率下降，工作压力增大，产生的数据总量和高负荷超过了现有电力企业数据分析体系的承载能力。基于云平台建设大数据电力能源采集系统可以处理这些海量数据，并基于智能化的方式详细分析电力系统数据在线损治理和大气防治污染等工程中的具体应用，探索相应的发展路径。融合智能化的发展方式取得了智能抢修、智能运维、智能服务以及智能互联网等系统性的成果，推动了社会的发展与进步。

2 基于云平台的电力能源大数据采集原理

2.1 用电信息采集

基于大数据云平台的用电信息采集，主要是对传统的集中式采集进行分布式改造。在初始化阶段完成后，分析接收到采集点的信息是否已经进行了种群的初始化，根据初始化情况选择合适的迭代次数，然后分析产生交叉和变异情况。这种智能化的分布式架构如图1所示。电力企业在进行智能化改造的过程中，可以基于云平台和大数据技术进行电表和集中器等现场分析，通过物联网云平台的计算，将交叉与变异后的数据通过迭代遗传的方式推送到物联网的云平台。测算迭代的次数，经过计算核查，将所产生的数据精准推送到客户端，并存储到生产库中[2]。系统管理人员可以在中间库中调取这些大数据，并通过智能电表和集中器热表的最终数据，将相关数据汇总到大数据云平台中，计算采集点的完善程度，从而不断对该系统进行智能化迭代。

图1 用电信息采集流程图

2.2 采集数据分析

目前，我国电力企业的大数据云平台主要是基于Hadoop集群的大数据分析平台，可以实现微秒级的数据分析，并基于TB/PB级数据的实时分布处理，完成整群性计算，了解用户关系和用户窃电，实现采集表计、接线以及基础档案等相关的数据管理。电力企业应用SQL运算方法、MR计算方法以及灰度分析方法对云平台获得到的海量数据进行实时处理，经热传感和热成像，对智能电表集中器和热表中的离线计算数据进行汇总。经过Graph图计算等离线方式，构架完善的数据分析平台，从而拓展现有的安全管理功能[3]。

如图2所示，在实际应用层面，该大数据云平台可以分为储存结算层、逻辑层、接入层以及数据应用层等来开展系统性的Mela服务。首先，接入层负责提供HTTP服务系数，根据用户的多维模型进行挖掘、智能识别以及标签化，为服务的精细和数据的建设提供良好的支撑。其次，存储计算层以集群存储和集群计算方式为主。再次，逻辑层以提供分布式Mela服务为主，在接入层以用户为中心开展多方式的联合输入。最后，在数据应用层开展多维分析、挖掘算法和智能识别。

3 云平台在电力能源大数据采集中的具体应用路径

云平台可以依据省、市、县三级采集监控体系，对存储计算层、逻辑层、接入层以及数据层的大数据进行统一规划和管理，实现数据和其他业务的融合与共享，最大程度地发挥大数据技术的作用。

3.1 云平台在电力能源大数据与线损管理中的应用

基于云平台进行精准的线损管理，可以提高电力企业的综合分析治理能力。如表1所示，某地6个区域的线损偏高地区分析体量较大，如果采取传统的人工复合方式，很难精准查找。基于云平台进行大数据线损管理，可以有效了解用户窃电户变关系的数据，把握不对等关系，从而及时发现用户的窃电情况。

图2 大数据云平台架构

表1 某地区1～6号台区高损工单统计分析表

从数据分析结果和后续分析汇总可以看出，用户窃电最主要的行为是开盖事件和电压异常情况。通过云平台进行电流异常分析，可以发现25%～30%的开盖事件。通过电力信息的汇总，可有效查询出现这种违法行为的用户地址和IP地址，精准分析发生时间和发生频次，从而为走司法程序提供证据，查处非法窃电的用户。这样精准的工作方式有利于减少现场排查的时间，缩短排查程序，提高排查的精准程度。从该地区2017-2019年的数据可以看出，基于这种云平台追补电量的数额已经超过70 kW/h，1 400多个地区的线损治理工作效率大幅提升，有效窃电案件发现次数超过502件。但是，2018年共发现开盖事件136次，电压异常事件116项，电流异常时间75项，相序异常事件40项，三相不平衡事件40项，电能表示值异常20项，其他异常事件75项[4]。

3.2 云平台在电力能源负荷预测中的应用

负荷预测不仅可以帮助电力企业精准判定变压器的运行情况，还可以为后期运维提供有效的数据支撑，提高电力系统的预判能力，确保整个供电、配电以及用电网络的安全，合理度过用电高峰期，特别是冬季取暖期间，为居民提供有效的电力负荷保障[5]。

第一，通过大数据和云平台的联动，可以对电力能源进行日负荷分析。基于一个地区的空气质量、空气污染情况、气温降、湿度、常住人口以及常用的生产生活用电量，进行不同公变台区的负荷分析。这种方法的精准值超过90%，可以有效预测该区域的负荷变化，通过回归分析和BP神经网络等方式确定预测值与实际值之间的关联变量。例如，一个地区的AQI系数为1.000，PM 2.5系数为0.977 6，气温为0.115，降雨量为-0.314，那么经过关联因素回归分析确定的负荷指数为0.005。这种带有梯度下降分析方法的综合预测，可以考虑不同地区的负荷变化情况，基于收敛度快慢的问题，采取仿真训练分析方法，从而快速进行收敛预测。除此之外，技术人员可以在该平台中结合灰色预测分析方法，对整个系统包含的不确定性因素进行智能化分析。

第二，大数据云平台可以基于大量的历史和现实的随机演变确定一种平静的反应，从而推测一个地区的动态变化结果，反映出该地区电量负荷的未来变化情况，并按照优势比重和影响权重的分析方法，最终通过测算得出下降神经网络的预测结果。还可以将这个结果套用在灰色模型分析中，从而精准分析整个地区一个阶段的变台区负荷情况。以春节前后为例，2020年2月15日的最大负荷预测值为1 342.74 kW，实际值为1 172.93 kW，最小负荷预测值为706.9 kW，实际值为580.68 kW。可见，预测的准确率已经超过95%，可以为电力企业的负荷分析和电能的合理安排提供科学依据。

第三，大数据云平台系统可以对电力企业电能负荷的台区超过载预测进行合理分析。以工单模块作为基础项操作平台发送过载和超载的明细，方便电力企业及时应对这些问题。以该地区2019年12月份的预测数据来看，准确预测台区的比例已经超过80%。该企业可以及时通过用户台区进行系统性调整，修正电力传导方案，避免一些地区发生超载现象。经过大数据云平台的系统性调整，该地区2019年12月到2020年4月，用户调整数量为198个，档案修正数量为234个，三相不平衡调整数量为66个，取得了良好效果，减轻了负荷预测的压力，提高了精准度，缩小了整改台区的范围，降低了人工成本，提高了监督管理的水平。