今天是:
您的位置:首页 >> 最新文章

大数据在配电系统的应用及发展面临的挑战《新闻》数控铣

时间:2020-11-05 16:11:50 来源:抽沙机械网 浏览量:1

随着智能电网的发展,配电系统部署了众多的监控和管理系统,每时每刻都在产生大量的数据;如何应用这些数据,提高配电系统的智能化水平,既是机遇也是挑战。文章首先分析配电系统大数据的特点;其次总结配电系统大数据的关键应用场景和应用价值;然后综述国内外在配用电大数据领域的重点研究成果;最后分析大数据发展面临的挑战,并提出应对措施。

引言

基于配用电数据融合基础上的大数据应用研究,既是电力大数据研究的重点也是起点。配电系统具有地域分布广、设备种类多、网络连接多样、运行方式多变等特点。随着分布式能源、电动汽车的发展,用户系统的接入,配电系统的日益开放,外部因素如天气、社会经济政策、用户行为等对配电网这一物理系统的规划和运行产生的影响已变得不可忽视,使之面临更大的不确定性。用传统的物理建模分析方法,难以完全满足要求。与此同时,为提高智能化水平,配电系统部署了众多的监测、控制和管理设备/系统,加之用户侧系统和用户采集系统的接入,这些系统每时每刻都在产生大量的数据,这些数据与外部数据结合,构成了配电系统大数据。借助大数据技术,通过对配电系统大数据进行分析挖掘,可在负荷预测、配电系统设备管理、供电可靠性评估、停电管理、配电网规划等方面形成新的技术解决方案,有效提升配电系统的智能化水平。

大数据技术已被看作是提高配电网规划运行水平的重要技术手段。2014年以来,国内外在配电系统大数据应用方面开展了较多研究,如美国电力研究院DMD(配电网现代化示范项目)2014年启动,执行期5年,旨在研究如何利用来自内部和外部的数据,提高配电网的运行、管理和规划水平,应用场景包括停电管理、设备损害评估、配电网规划、负荷预测和用户行为分析、电压/无功控制、配电效率评估、故障定位/隔离/原因识别、资产管理和设备诊断、GIS系统管理和精确性改善等;由国网上海市电力公司牵头,中国电科院等11家单位共同参与的国家863计划课题“智能配用电大数据应用关键技术”,2015年启动,执行期3年,研究内容包括用电预测、配电网规划和配电系统优化调度等。除重大科研项目外,研究机构、高等院校和电力公司也在配电网大数据方面做了很多尝试性研究,应用场景包括可靠性评估、电力地图开发、无功电压控制等。

总体来看,这些研究仍处于起步阶段,虽初步体现了配电大数据的应用价值,但也暴露出配电大数据应用研究仍面临诸多挑战。总结已有成果和经验,积极面对各方面的挑战,对于进一步推动配电大数据应用研究具有重要意义。本文总结配电系统大数据的关键应用场景和应用价值,综述国内外在配用电大数据领域的重点研究成果,并分析大数据发展面临的挑战和应对措施。

1配电系统大数据特点

1.1数据来源

配电网部署了众多的信息系统,包括配电管理系统、配电自动化系统、电能质量监测系统、电压和无功管理系统、各种智能电子和传感设备对资产的监测系统。为提高系统与用户的互动水平,提高电网灵活性,部署了大量的智能电表和用电信息采集系统以及用户侧系统如智能家居/楼宇/园区,这些系统与配电系统的集成,用户侧数据与配电系统数据融合,为新的配电系统技术解决方案的形成奠定了基础,所以用户侧数据也被看作是配电系统数据的组成部分。

综上,内部数据来自用户用电信息采集系统、安装于配电网和配电变压器的传感器和智能电力监测装置(IED)、资产监控系统、电压无功管理系统、地理信息系统(GIS)、配电管理系统;外部数据包括GIS位置数据、飞机巡检数据、卫星数据、天气数据、雷电数据、来自现场员工的信息、来自可再生能源(储能、电动汽车和用户系统)的数据、来自第三方的数据。与配电系统相关的内外部数据的总和,构成了配电系统大数据。

1.2数据特点

配电系统设备多、监控装置多,并与众多的用户相连,产生的数据量大,结构复杂,受外部影响显著。此外,还具有如下特点:

(1)数据异构。产生数据的各个系统是为了某个专门的应用研发的孤立的系统,并不是为了大一统的目标设计的。

(2)数据采集周期、密度和所在的时空存在差异。如配电系统的SCADA采集数据是以秒为单位,而用户用电信息系统是以分钟或小时为单位。

(3)数据存在着不完整性。电网是连续运行的,但由通信系统或监控设备出现问题导致的监控失败在运行过程中时有发生,会造成数据的不完整性。

1.3数据融合

数据作为整体才能体现价值,多维度、大样本数据是大数据研究的主要对象,为此往往需要实现多源异构数据的融合。由于长期形成的竖井状管理模式,以及以某专业、某业务需求确定系统的信息系统开发模式,造成了内部数据的难以融合;外部数据的接入和融合就更为困难,一方面是因为外部数据难以获得,另一方面因为在对象描述、身份标识、时空特性以及密度方面都难以进行匹配。

数据融合目前采用的3种方式是利用数据仓库、基于IECCIM(61968/61970)和基于企业总线。其中,基于IECCIM(61968/61970)实现数据的融合是现在最重要的方式。

CIM是描述电力系统元件和机构的语义模型,通过CIM可以实现不同应用之间的信息交换。IEC61970主要适用于输电系统,IEC61968适用于配电系统。采用UML作为描述语言,用XML和RDF(资源描述框架)概括性描述电网,而CIMProfiles可用于定义基于CIM的一个子集、并编制具体的标准。Profiles也可以被用于将CIM扩展到满足特定的需求。就配电系统而言,需要基于IEC61968实现GIS、DMS、OMS、ERP、MDM,以及其他系统的集成。由于一些系统并不符合CIM,所以需要应用适配器,实现系统的集成和数据的融合,见图1。

图1基于CIM的配电系统数据融合

Fig.1DataintegrationofdistributionsystembasedonCIM

2配电系统大数据的应用场景及应用价值

2.1驱动力

随着智能配用电技术的发展,电力公司部署了大量的智能电表及用户用电信息采集系统,配电自动化、电能质量监测、停电管理等系统,这些系统产生着大量的异构数据。大数据技术,包括适应大数据处理和分析的计算机技术及数据挖掘、机器学习、深度学习的进步,使配电系统大数据处理、储存和分析成为可能。基于配电系统数据,采用大数据技术,可挖掘巨大的价值,可支撑智能配用电技术的发展。

2.2典型应用场景

大数据在配电网的主要应用场景包括但不限于:停电管理和恢复、设备损害评估、负荷预测、用户行为分析、电压无功控制、设备运行效率评估、配电网低电压分析、故障定位、故障原因识别、可靠性评估、配电网自动重构、分布式能源分析、网络拓扑和相位连接分析等。限于篇幅,此处仅针对几个典型应用场景进行简述。

(1)负荷预测。利用来自用电信息采集系统、配电自动化系统、调度控制系统的全量负荷数据,对负荷进行逐层分解,同时从负荷类型、季节、区域、时段等多个时空维度,分析负荷的变化和分布规律,建立负荷特性模式库。在此基础上,加入国家、地方、产业等经济

运行数据和发展规划数据,详细分析电力负荷与其他行业领域之间的关联关系,形成多因素的负荷预测方法。这种方法可以用于预测空间负荷,作为配电网规划的依据。

(2)电动汽车充电设施需求。考虑到传统汽车按一定比例替换为电动汽车后,其行驶轨迹基本相同,可根据传统汽车的历史数据,分工作日、休息日,早高峰、晚高峰等不同时段,挖掘出电动汽车聚集点、行驶轨迹,并结合道路情况,提出电动汽车快速充电、慢速充电设施建设建议。

(3)供电可靠性影响因素分析。从网络结构、设备水平、用户构成等几个方面提取与供电可靠性相关的特征,识别电网薄弱环节,结合供电区域内用户诉求和运行环境,提出提升供电可靠性的最经济的途径。

(4)用户参与需求响应潜力分析。根据不同的气候条件(如潮湿、干燥,气温高、低)、不同社会阶层将用户进行分类,为每一类用户绘制不同用电设备的负荷曲线,分析其主要用电设备的用电特性,以及不同季节、不同时刻用户对天气的敏感性,用电量出现的时间区间、用电量影响因素以及是否可转移、可削减。在分类分析基础上,通过聚合得到某一区域或某一类用户可提供的需求响应总量,进而分析哪一部分容量、在哪些时间段的需求响应量是可靠的,为实施需求响应提供依据。

2.3应用价值

综合上述应用场景,大数据应用于配电系统的价值主要体现在如下方面:

(1)提高用户满意度。通过数据分析,可了解用户用电行为和喜好,从而帮助用户参与需求响应、提高能效;通过可靠性、低电压等特性分析,提高供电可靠性和电能质量;加强停电管理、缩短停电后恢复时间,并及时让用户看到恢复过程;通过上述应用,可提高用户满意度。

(2)支撑配电网规划和运行。通过分析配电系统设备的运行效率和供电能力,可优化电网投资和规划,提高设备利用效率;由于电表数据能更详细地记录用户用电情况,结合外部数据(政策、天气和用户情况)可以更准确地预测负荷和分布式能源发电,很好地管理设备过载、反向潮流,改进电压特性和电能质量;借助需求响应对分布式能源、电动汽车等进行管理,起到削峰填谷作用,延缓设备投资;通过用户用电信息,可以预测配电变压器、地下电缆、架空线、电压调节器是否故障;通过观察负荷情况,还可以分析预测变压器寿命。

(3)有助于信息通信系统的完善。智能配电网的发展目标依赖于信息系统的贯通,大数据研究过程中,当发现配电网IT架构不足以满足未来需求、存在数据共享障碍时,可进一步促进IT架构的完善,同时也促进了智能配电目标的实现。

(4)增值服务。通过配用电数据分析,可分析社会经济发展状况,为政府提供信息服务;分析新能源、电动汽车等政策执行效果,为政府制定政策提供依据。

(5)提高利用外部数据的能力。通过配电大数据应用研究,提升了电力公司利用天气、社会经济、交通、用户等外部数据的能力。

3国内外重点研究成果

3.1大数据当前研究重点

用户用电信息采集系统与配电管理系统(DMS)、停电管理系统(OMS)和地理信息系统(GIS)等系统的集成和数据融合基础上的大数据分析是当前的研究重点,主要集中在3个方面:①重视与GIS系统的融合,将配电系统的数据分析直观展示在GIS系统上,辅助规划运行人员决策;②实现配电数据与用户用电信息采集系统数据的融合,在更多维度数据支持下,形成新的技术解决方案;③增强对外部数据的应用,开发新的应用。

电表数据和其他与用户用能行为相关的数据,可用于分析出用户的喜好,分析出不同的需求响应项目(对分时电价和尖峰电价的反应)的效果,以及不同机制影响下的电动汽车充放电对负荷的影响。

GIS在大数据中的地位很重要。众多的应用始于GIS,终于GIS。数据的融合主要基于IEC61970/61968。

3.2国外重点研究成果

此处围绕着ABB、C3-Energy、AutoGrid3家公司的大数据分析系统,介绍国外在配电大数据方面开展的应用研究。

(1)ABB。ABB开发的Ventyx和BI被众多公司使用,并开发了一系列应用,例如:

1)与欧洲电力公司的巨头—德国的VattenfallinGotland合作,实施一个针对2000个家庭和30个商业楼宇、平移10%负荷的项目。该项目使用了基于Ventyx的需求响应管理系统,需求响应参与者包括风机、光伏、储能、电动汽车充电,使用了阶梯电价。这一需求响应项目中,用户行为分析发挥了重要作用,基于AMI数据和其他数据,可预测用户可平移负荷、分析有效的激励措施,是实现有效需求响应的基础。

2)美国电力公司(AEP)正在部署ABB开发的Ventyx资产健康管理系统。AEP有一半以上的变压器运行了50多年,通过将数据与ABB开发的Ventyx、BI的OT/IT(运行技术和信息技术)模块和分析算法相结合,对配电资产进行健康评估和管理,这些配电设备覆盖11个州、500万用户电网。

(2)C3-Energy公司。美国C3-Energy公司以自行研发的数据集成器为基础,整合来自公用事业公司内部和其他第三方的超过22种数据,包括公用事业公司拥有的仪表数据、能耗数据,第三方或用户的建筑物特性、企业运营情况、地理信息数据等,形成自己的分析引擎,提供电网实时监测和即时数据分析。C3能源分析引擎平台将多个分散电力系统数据存储在云平台上,与工业标准、天气预报、楼宇信息、持久协议和其他外部的数据相结合;基于该平台开发了资产保护、预测性维护、需求响应分析、负荷预测等10种成熟的解决方案。所开发的系统已在美国的巴尔的摩燃气电力公司(BGE)、太平洋燃气电力公司(P&G)、东北电力公司(NortheastUtilities)等投入应用。

(3)AutoGrid公司。AutoGrid公司开发的需求响应优化和管理系统(DROMS)是先进的需求响应管理系统,既可针对用电行为分析、负荷预测等进行大数据分析,也可在实时电价、尖峰电价(criticalpeakprice,CPP)和尖峰补贴电价(criticalpeakrabates,CPR)等电价机制下实施需求响应和直接负荷控制。DROMS基于开放标准,与OpenADR、SEP2.0等兼容。

DROMS已在多家电力公司应用。佛罗里达电力公司应用该系统实施预测性设备检修计划安排,提高了配电系统的可靠性,用户平均停电持续时间减少了17min,项目涉及的数据包括460万块、每15min采集一次的智能电表数据,变电站数据,故障电力指示器数据,电容器组报表,配电自动化馈线设备数据。奥克拉荷马州采用该系统进行负荷精确预测,并实施有效的需求响应,削减负荷峰值2%,不仅可推迟350MW电站的投资建设,参与需求响应的用户每年平均减少300美元电费,95%需求响应参与者表示满意。意昂公司利用该系统在罗马尼亚实施了收入保护项目,基于多源数据、采用机器学习分析方法提高检测准确性,可识别窃电发生事件,减少了公司的经济损失,项目实施前未检测出的窃电成本占收入的15%。

3.3国内重点研究成果

我国电力大数据研究始于2014-2015年,其中配用电是电力大数据研究的重点领域。文献[7-10]对配用电大数据的应用场景进行了研究,对应用价值进行了展望;文献[11-13]介绍了配电网大数据技术分析与典型案例;文献[14-15]研究了面向智能配电网的大数据统一支撑平台体系与架构。

中国电力科学研究院在配电大数据典型应用方面已进行了探索性研究,包括研发电力地图、台区重过载预测和风险评估、配电设备运行效率和供电能力评估。

城市电力地图融合电网拓扑、电网运行、设备生产运维、用户用电信息以及区域自然环境条件、各项社会经济指标等外部数据,通过数据挖掘与可视化手段形成负荷典型发展模式分析、基于车辆行驶轨迹的充电需求分析和供电可靠性影响因素分析3个应用。通过密度聚类方法分析车辆主要运行路线与集散点,得到充电需求的空间分布,可指导充电设施规划。围绕目标区域内的负荷变化情况,通过大量样本区域,分析城市发展过程中与负荷相关的多方面特征,提炼典型的负荷发展模式,用于辅助空间负荷预测。从网络拓扑、设备类型、运维周期、用户构成、运行环境、管理水平等方面分析影响电网可靠性的主要因素,可为消除薄弱环节、提升可靠性水平提供依据。

台区重过载预警与风险评估是利用设备台账、改造记录、用户档案、历史负荷曲线、气象指标及节假日等数据,对台区重过载历史情况进行分析,挖掘重过载因素,并通过机器学习,实现重过载台区预测;同时基于设备类型、运行情况,运行环境以及台区下用户数量、重要程度、平均停电时间等因素,综合评估重过载台区停电风险。基于中国电力科学研究院大数据平台研发的台区重过载预警系统于2016年初在国网山东公司上线试运行,为春节等重要时期保供电提供了技术支撑。

配电设备运行效率和供电能力评估融合生产管理系统、调度系统、营销业务系统、用户用电信息采集系统、电能质量监控系统的数据,覆盖331个城市,数据规模达到2TB;分析配电设备的运行效率和供电能量裕度及其与设备选型、运行年限、负荷特性及资产特性等的关联关系,为未来电网投资提供参考。

4结语

(1)国内外在配电大数据研究和应用方面均取得了一定的研究成果,国外C3-Energy公司、AutoGrid公司的产品已在一些电力公司获得应用,较为成熟。与之相比,我国在配电大数据研究方面起步较晚,并未形成在电力公司广泛应用的市场化产品,应用研究尚处于探索阶段。

(2)配电大数据应用研究面临很多挑战,包括:数据难以获取,数据融合难度较大;传统数据分析方法在应对PB级、高维数据时难以满足需求,研究基础薄弱;缺乏系统方法论指导,在大数据分析系统的架构设计、如何建立配电网大数据应用案例、将数据转化为应用价值方面缺乏经验和示范;在保护数据的隐私和方面存在风险,缺乏相关标准和准则。

(3)多源数据融合是实现配电系统大数据应用的基础。电力公司和研究机构应基于配电系统大数据技术所要支撑的所有近期、远期应用目标,识别出数据融合方面的需求,通过制定标准,逐步推动数据融合。

(4)从配电系统大数据的典型应用入手,针对电表数据、GIS数据以及其他主要营配系统的数据,融合天气、用户、社会经济等数据,开展示范研究和应用,形成配电系统大数据应用研究系统方法论,开发具有市场竞争力的实用化分析系统。

中式简约两居室效果图遇见安静美好的旧时光

83平米装修效果图

居家过道灯安装在哪里比较合适

相关阅读
友情链接