大数据分析在互联电网中的应用

时间:2022-06-01 08:46:59

大数据分析在互联电网中的应用

摘要:针对互联电网中电能生产的地域差异以及各区域电能消耗量不同所产生的问题,提出了面向大型互联电网的大数据分析技术,使互联电网智能化、节能化,同时充分实现该技术对电力系统中现有存储数据的整合利用,分析了基于大数据分析下的互联电网模型,同时探讨了该技术在目前所面临的问题与挑战。

关键词:大数据分析;互联电网;电力调度;新能源并网

随着国民经济的发展,大量行业对电力稳定性、经济性要求日益增长,同时,电网技术的不断发展和智能化与电网技术的融合,现在电网发生了巨大的改变:由单一的、小范围的电能输送载体,变为了综合性的具有着强大能源配置能力的网络系统。但是,大型综合电力网络系统也带来了海量的数据:分布更加广泛,结构更加复杂,数量也更加庞大。这也给电网互联的经济性运行带来了巨大的挑战。为了解决上述困境,可以引入大数据分析技术,在现有电力设备基本不变的基础上,建立互联电网内的大数据处理平台,便于资源的调度优化,也便于大型互联电网的稳定运行。

1大数据分析在互联电网应用中的理论依据

1.1互联电网

1978年以后,经济的快速发展带动了大型用电需求增长,为了满足电源大规模投产和用电规模增大的需要,互联电网的规模不断扩大,从城市小电网、区级电网、省级电网,到现在的全国性互联电网。截至2013年9月底,我国形成了华北-华中电网、华东电网、东北电网、西北电网、南方电网、西藏电网六个同步电网,实现了除台湾以外的全国电网互联。我们也可以看出互联电网的发展趋势:(1)考虑到各区域之间电能产生的差异性,能源优化配置的能力应不断增强;(2)大机组、大电站、大电网共生共存,一旦大型供能机组出现故障,可能会影响电网的电压和频率稳定,因此系统的安全性可能性应不断提高;(3)对清洁高效能源并网的配置能力不断提高[1-3]。由以上3个发展趋势,我们可以看出互联电网应当具有可靠性高、优化资源管理、经济高效、与用户友好互动的能力。这也对互联电网数据处理的方式提出了更高的要求,需要系统收集各地区用户的用电大数据,并分析该地区用户的用电特征,进行科学建模,从而进一步对该地区用电进行合理的预测分析。因此,这一系列发展需求引发了互联电网大数据处理分析技术的改革,同时,基于互联电网的大数据分析技术也将应运而生。

1.2大数据分析技术

大数据无需采用随即分析,而是对海量数据进行同时的分析处理。这样的处理方式,数据多样、真实可靠、处理速度快、分析结果更具有价值。IBM提出,大数据分析具有“5V”特征,即兼具Volume(大量)、Velocity(高速)、Variety(多样)、Value(价值)Veracity(真实性)的五大特征[1]。大数据分析采用分布式架构,对海量数据进行分布式挖掘和处理。抛弃了传统数据分析范围小、分析能力弱的缺点,从统计学上讲,根据大量数据分析后的预测更为可靠。除了分析范围广、分析对象数量大等优点,大数据分析更是一门在预测性分析领域广泛运用的学科。根据对海量数据的分类处理,从而进行科学建模,通过模型带入新的数据,进而对未来数据的发展趋势进行合理的预测。

1.3大数据分析在互联电网中的应用原理

各地区发电、用电自身不能平衡,即在本地区内不能完成完全的等式平衡。我国有名的西电东送工程,即将贵州、云南、广西、四川、内蒙古、山西、陕西的电力资源输送到电力紧缺的广东、上海、江苏和京、津、唐地区。这是由我国的能源分配不均匀的国情所决定的。但是,一些清洁性能源受季节、气候的干扰限制,对电网的出力不均。同时,接受电能输送的省份年用电量或季度用电量存在着较大的差异。那么对于接受方而言,该如何分配可以输送来的总电能?对于输送方来说,又怎样分配每个省在西电东送中贡献的比例?此时,我们可以通过大数据分析技术,以某个时间段为研究周期,收集各个地区能源储藏量、发电能力以及该地区各个行业电能消耗的基本趋势的数据,对其进行汇总、科学建模,对下一周期的发输电进行科学指导。

2应用领域

2.1大数据分析技术指导电能调度

各省份、各地区由于发电能力和电能消耗的差异,并不能在地区内完全实现等式约束条件,因此,我们将能源充裕地区的电能输送至能源匮乏的地区。对于电能匮乏并接受电能输送的省份而言,可以通过大数据分析技术,以五年为依据,对该省份的工业、农业以及居民用电等不同的用电行业的电能消耗数据进行分析,判断这些行业用电的特点以及这五年内的电能消耗趋势,根据这些特点进行科学建模,对未来一年内的用电量进行合理预测,并留出适当的裕量便于紧急调用;对于能源丰富且可以输送电能的省份而言,根据该省份传统能源与清洁能源发电的比重和能力,对于可再生能源,更要收集当地气候、季节的多重数据以及不同气候、季节下可再生能源受到干扰的大小,对五年来的数据进行分析处理,建模后科学预测该省份未来一年内发电的能力,根据受方需求指导输送方进行发电。这样,各省份间可以进行合理的电能调度,避免了输送方多余发电造成的浪费或是接受方紧急用电时电能紧张。

2.2大数据分析技术指导可再生能源发电

除此之外,不仅仅在各省的电能调度中起着指导作用,更能在新兴能源发电并网的过程中有着较为重要的作用。当下,人民环保意识增强,国家倡导新兴可再生能源发电,但是,多数可再生能源受到自然因素的干扰,对电力系统出力并不稳定。此时,可以收集多年气候季节数据并对其产生的干扰进行分析,并对其进行建模,由于气候等自然因素存在着极大的不稳定性,可以粗略地对未来的气候变化进行预测后指导可再生能源发电并网。

3大数据分析应用的优点

将大数据分析引入电网调度,可以大大地发挥其数据处理的优势,以Internet为基础的网络平台,管理动态负荷的均衡和统一,从而使得电网的运行更加稳定。

4大数据分析技术面临的挑战

4.1大量数据收集处理算法的开发

大数据分析是分布式架构,需要集成物理上分布广泛数量众多的计算设备,并要求数据的分布式存储,这些在电力系统的并行算法中有较高的难度。

4.2负荷分配算法的开发

在大数据分析技术中,每一台计算设备以及监控设备具有其差异性,需要对每台计算设备和监控设备分配所能处理的任务。同时,数据处理的延迟性需要被考虑在影响因素之内。

4.3算法的安全性

大数据分析技术更需要听从智能电网的要求,涉及到电网公司、发电公司、市场监管机构和用户等不同类型的使用者。电能是一个国家的安全命脉,在这些算法中,如何保证该算法的安全可靠性也需要得到解决。

5结束语

大数据分析技术在电力系统潮流分析、信息融合等方面有着极大的发展潜力,通过对现有大数据技术的分析,提出了其在智能电网中的应用模式,并提出了在目前阶段该技术在互联电网中所面临的的机遇和挑战。

作者:成婧颖 单位:河海大学

参考文献:

[1]韩丰.改革开放30年电力联网发展历程[J].电力技术经济,2008(6):17-20+55.

[2]董立平,王栋梁,冯景.大数据关键技术图谱[J].高性能计算技术,2014.

[3]黄珂.网格平台下电力系统潮流并行算法的实现[D].四川:电子科技大学,2006.