李启达

大庆油田有限责任公司第四采油厂规划设计研究所

随着杏北油田电网信息化建设的不断深入，信息化数据的大数据特征日益明显[1]。推动大数据在油田电力系统中深化应用，可有效支撑油田电网信息化及智能化建设，提高油田电网资源利用率和业务处理能力[2-3]。杏北油田使用了电力大数据分析优化系统，并分析总结了该系统的技术优势。

1 建设现状及存在的问题

近年来，杏北油田电力系统陆续完成变电所无人值守系统、线路故障指示器系统、外转供电用户监测系统的信息化建设，分别实现了对变电所、配电线路、外转供电信息化数据的实时监测和采集。目前，各系统相互独立，数据信息多样却无法互相调用。在电力生产指挥工作中，无法了解线路当前的负荷状态及负荷变化原因，易出现因倒闸操作导致线路负荷过高甚至跳闸现象，存在线路调度工作量大，生产管理困难等问题。同时，随着产能建设任务加大，站库、机采井数量猛增，在设计时由于已建变电所无法新增出线，电源往往就近搭接在已建线路上，造成线路负荷增大、线路供电半径过长、停电影响井数多、机采系统电量统计不准确、线损计算困难等问题，无法对各条线路的负荷进行合理分配[4]。

2 系统构成及应用

为了使各系统的数据信息得到更加合理的利用，促进电力生产指挥智能化水平的提升，建立了杏北油田电力大数据分析优化系统。该系统主要对数据采集技术、基于地理信息的电力GIS线路负荷实时监测系统及变电所出线异常用电监测进行研究应用。

2.1 数据采集技术

通过研究变电所无人值守系统出线实时电参数据的同步接入、线路故障指示器系统的数据类型、外转供电系统的数据结构，将多数据源进行汇总，建立统一的储存格式及各数据源主键对应关系，最终实现对多数据源的提取、清洗、融合、分析，为后续生产应用提供数据基础。

2.2 基于地理信息的电力GIS线路负荷实时监测系统

通过研发系统静态数据维护模块，实现系统所需静态数据的维护，包括杏北油田462 条电力线路，8 697 台变压器的静态数据；研发动、静态数据叠加显示模块，实现不同系统来源的动态、静态数据叠加显示，实时显示各条线路所带负荷容量、线路最大承受负荷容量等数据；通过对A4 系统、A5 系统及电力小图中静态数据的完善、动静态数据的叠加融合、电力系统优化模型的建立，为电力线路投切、负荷合理化分配、新建油田设备接入提供理论依据。

2.3 变电所出线异常用电监测

针对变电所出线电流、电压、有功功率等电力参数每5 min 上报一次造成数据量庞大的问题，研究变电所出线电力参数的预处理服务，即提前统计小时平均电流表、日平均电流表，并插入到数据库中，以供后期小时数据及日数据分析使用；研究变电所出线负荷门限值综合分析方法，判断各线路是否存在大功率异常波动、小功率缓慢增长等异常用电行为；采集各变电所出线的运行情况、生成动态监测统计图形、曲线和报表。以曲线图及预处理得到的平均小时电流、平均日电流数据为基础，设定电流幅增（减）值，构建用电报警模块。杏北油田电力大数据分析优化系统的技术路线如图1所示。

图1 杏北油田电力大数据分析优化系统技术路线Fig.1 Technical route of power big data analysis and optimization system in Xingbei Oilfield

3 效果对比

3.1 异常用电情况分析及预警应用前后对比

应用前：线路异常用电情况没有提前判断和提示的方法，需要巡检排查或故障检修时才能发现异常用电情况。若要判断线路是否存在异常用电，需查询历史抄表记录或在其他系统查询电流采集记录，再人工进行电流值变化比对，查询操作繁琐且耗时长。

应用后：系统整合了采集到的电流历史数据，通过预处理规范数据，生成电流变化曲线图、电力幅增曲线图（图2），可更快捷、直观地判断出各条线路是否存在大功率异常波动、小功率缓慢增长等异常用电行为。同时，异常月报、旬报统计提供报警服务，可对异常用电行为进行报警，做到早发现早处理，减少了电量损失。

图2 日平均电流波的变化数据分析Fig.2 Data analysis of daily average current wave changes

3.2 动态电网应用前后的对比

应用前：判断线路的带电状态和负荷状况必须结合多系统数据信息（变电所出线实时电参数据、线路故障指示器电流数据、电网开关状态等多种动态数据与电网拓扑图静态数据），经人工查询后对线路带电状态和负荷状况做出判断，统计分析工作量大、耗时长。

应用后：将各系统信息数据提取、清洗、融合、分析后生成一张动态电网（图3），使调度人员可以及时掌握电网当前的运行状态，便于合理的进行生产指挥工作。其中，负荷专题图层实现了对线路负载率的快速预警，可以快速准确地判断出高负荷线路，方便开展后续的负荷调度工作。带电状态图层实现了在图中显示线路的运行状态，提高了对线路运行状态判断的工作效率。线路线损计算以及模拟改造模块包含改造方案的评估比较、运行数据调节、线路走向模拟等功能，方便了规划设计人员对线路进行优化[5-7]。

图3 线路模拟示意图带电状态图层查询Fig.3 Charged state layer query of line simulation schematic diagram

3.3 三图联动的应用前后对比

应用前：电力小图是展示油田各条配电线路走向、杆型、杆数、所带井号的图集，调度人员在旧线路模拟图上操作时，往往需要结合电力小图了解详细的线路信息。由于配电网线路较多，电力小图更新也较为频繁，每年都会累积大量的电力小图资料，不便于调度人员查找所需版本，查找耗时长且工作效率低。

应用后：新线路模拟图（图4）具备联动切换查看GIS图功能，调度人员可随时查看线路全部信息情况，节省了查阅资料的时间，方便调度指挥。电力小图维护服务可保存线路不同时期的线路小图版本，便于操作人员查询线路改造的历史情况。三图联动功能的实现，简化了调度人员查看线路信息的工作步骤，极大地提高了工作效率。

图4 三图联动线路信息查询窗口电力小图展示Fig.4 Display of power sketch in the line information query window of three-figure linkage

4 技术优势

油田电力大数据分析优化系统具有以下技术优势：

（1）实现了多系统数据融合。对多系统数据进行提取、分析、清洗、融合，并在统一平台中动态展示，随着电网数据信息不断扩充完善，也为后续向智慧电网发展提供了数据保障。

（2）提供了电网优化运行辅助决策[8-9]。通过对电网中静态数据的完善、动静态数据的叠加融合、电力系统优化模型的建立，为线损精益化管理、电力线路投切、负荷合理化分配、线路模拟改造提供理论依据，也是对电力运维及电网规划工作的有效支撑，具有很高的管理效益和经济效益。

（3）完成了线路异常监测报警[10]。通过对变电所和配电线路综合监测研究，采集变电所出线的运行情况，生成动态监测统计图形、曲线和报表，建立变电所出线与用电负荷的配输关系，对波动变化进行综合分析，识别出异常用电行为，具有较高的经济效益和社会效益。

5 结束语

基于电力大数据平台的电网优化管理模式是必要且有效的，属于未来电网管理的发展趋势[11]，满足油田智慧化的发展要求。在信息技术日益发展的过程中，更多的智能化系统数据应运而生，基于大数据平台的电网管理模式应该得到大力推广，使其为油田日常的生产管理、运行决策、规划设计提供技术支持，为油田电网的发展做出更多的贡献。