• 注册
    • 查看作者
    • 基于大数据云平台的电力能源大数据采集与应用研究

        早在2009年“大数据”一词已成为互联网行业的热点词汇。2011年Science对海量数据分析、处理方式进行了探析,之后很多大型企业对大数据技术进行了深入分析及研究,从而推动大数据技术稳定发展[1]。随着我国电力行业及科技的发展,云计算、大数据等技术在电力行业得到广泛应用。由于我国配电网建设规模逐渐增大,且建设用电信息采集系统,每天用电信息采集系统将产生大量数据信息。电力企业应重视的是如何迅速在海量信息中获取有价值的信息,以提高企业服务质量。

        

        1 用电信息采集及大数据云平台分析

        

        用户信息采集。随着科技的发展,原有集中式采集系统已不能满足电力企业发展需求,因而电力企业可将其改为分布式采集系统,以提升用户信息采集效率及质量,为电力企业保存、查询用户信息奠定坚实基础[2]。智能电表、集中器等现场采集设备采集到的数据信息在传输至物联网平台后,经过计算将数据信息传输至生产库、中间库、大数据云平台(图1)。

        

        图1 用电信息采集流程图

        

        图1 用电信息采集流程图   下载原图

        

        大数据云平台。电力企业依据信息采集系统,建设基于Hadoop集群的大数据平台,可迅速完成处理、分析海量数据信息的目标。同时,此大数据平台可实现大量数据迅速上传、大量数据迅速下载、SQL运算、数据挖掘算法支持等功能。大数据平台是由存储结算层、逻辑层、接入层及数据应用层几层构成的。存储计算层的主要功能为:保存、计算海量数据;逻辑层的主要功能是为分布式Mela服务提供支持;接入层的主要功能是为用户提供HTTP服务;数据应用层的主要功能为支持数据源、多维分析模型、挖掘算法、智能识别等功功能的实现,为深入挖掘有价值信息奠定基础(图2)。

        

        2 电力能源大数据的应用研究

        

        基于自动化系统电力企业建设了省、市、县三级采集监控机制,采集、分析全省所有采集终端设备、用电情况,同时将信息与其他数据进行综合探析,以实现充分发挥大数据作用的目标[3]。

        

        2.1 电力能源大数据在线损管理中的应用

        

        利用电力数据采集系统探析用户是否存在窃电行为,可有效提升防窃电工作质量。本次研究通过分析已采集的大量数据信息,对B1到B6的6个单位多个线损较高台区进行研究,分析其线损较高的主要原因。表1总结了台区线损的主要原因,其中最重要的原因为用户存在窃电行为。

        

        为明确台区高损原因,各单位对窃电用户表进行了分析,发现窃电这一违法事件主要出现在开盖时间、电压异常等事件当中。其中最为常见的是开盖事件。电力企业利用采集系统采集、统计用户用电信息及电表开盖事件,可确定存在异常情况用户地址、事件发生时间、发生次数等数据信息,这对电力企业明确窃电用户、制定有针对性处理措施、降低线损十分重要。通过对海量数据的分析,可减少工作人员现场排查时间、提升工作效率。

        

        2.2 电力能源大数据在负荷预测方面的应用

        

        电力企业可通过分析已采集的数据信息预估未来一段时间内电网负荷情况,以准确判断配电变压器是否可负担,同时科学制定配变过载应对策略,这对保证配电网稳定运行十分重要。

        

        2.2.1 预估日负荷情况

        

        不同地区的空气质量指数、气温、降雨量、居民数量存在一定差异,因而电力企业需科学处理原始数据。研究发现,气温、降雨量、居民数量等因素将影响台区负荷情况。为明确某台区未来一段时间负荷情况,电力企业应使用线性回归分析方式进行研究。由表3可发现,PM2.5、气温、降雨量将对公变台区负荷产生较大影响。

        

        表3 关联因素线性回归分析

        

        本次研究中使用带动量梯度下降BP神经网络算法、灰色模型等方式预估春节公变台区负荷情况。由于BP神经网络算法收敛速度较慢,因而使用此种方式可提升仿真训练中的收敛速度;灰色预估则是对各种不确定因素进行半智能化估测;趋势外推法需利用历史、现实数据进行研究。通过以上几种方式预估系统未来一段时间运行情况,电力企业可通过下式预估配电网未来负荷情况:

        

        式中1表示带梯度下降的神经网络算法预测结果;2表示的是灰色模型计算结果;3表示的是趋势外推法计算结果。

        

        2.2.2 台区超载、过载预估

        

        电力企业可利用采集闭环管理模块准确标准、发送过载、超载台区,并利用大数据信息预估过载台区,这对提升整改速度、提高电力企业工作效率十分重要。通过准确、快速解决台区过载、超载问题,可提升运检人员工作效率、提高供电服务质量。

        

        3 发展趋势探析

        

        目前,电力行业关于采集系统能源大数据的研究仍不够深入,对新技术、新理念的研究仍需实践的验证[4]。为充分发挥电力大数据的作用,电力企业应加强对大数据存储、应用方面的研究,增加电力大数据应用途径。

        

        3.1 电力能源大数据及能源互联网

        

        电力企业可依据新智能电能表建立用电监控系统,加强对配电网荷储的控制,为用户提供智慧、稳定供电服务。同时,电力能源大数据的应用可提升配网设备利用率,这对降低企业运营成本、推动企业稳定发展十分重要。

        

        智慧车联网。电力企业可利用大数据采集系统采集电动汽车充电、放电情况,若发现异常自动上报,这对保证电动汽车及用户安全具有重要意义。为实现这一目标,电力企业应加强与电动汽车厂家相关服务工作的合作及沟通,实现各方数据共享。利用数据采集系统可采集电动汽车余电量、目的地等数据信息,并对这些数据信息进行分析,提醒用户及时到距离最近的充电桩充电,为用户提供优质使用方案。

        

        光伏电网。随着科技的发展,光伏发电设施建设规模、建设数量在持续增多,光伏发电、用电数据急剧增多,此时电力企业应建设智能用电终端用于采集这些数据。将海量数据与电力企业多个信息化系统结合在一起,可为用户提供光伏智能选址、并网接电、线上结算支付等多项服务。

        

        综合多种数据。利用信息化技术可将水、电等数据信息综合在一起,通过此系统可迅速完成多项数据采集、费用计算、用能管理等工作,用户可通过系统快速查询相关信息,为用户生活提供了便利。通过采集能源用量信息,不仅可监控能源损耗、了解用户对能源的需求、防止不法用户窃能,还可通过这些数据分析未来一段时间内用户对于能源的需求,为企业提高服务质量奠定坚实基础。

        

        3.2 电力能源大数据及电能智慧应用、运维抢修

        

        电力企业可通过电力能源大数据分析用户对电能的需求量、用电特征等信息,依据客户实际情况科学制定供电方案,以提高服务质量。电力企业可利用历史数据,绘制用电设备监测表格,若电力设备发生故障可及时明确故障原因,主动向维修人员推送故障信息,这对提升电网抢修速度、缩小故障范围、缩短停电时间十分重要。

    • 0
    • 0
    • 0
    • 45
    • 请登录之后再进行评论

      登录
    • 做任务
    • 实时动态
    • 偏好设置
    • 单栏布局 侧栏位置: