2016-11-06 07:45:56 | 人围观 | 评论:
目前，国内外对智能配用电大数据的研究大部分处在研究和探索阶段，随着研究的深入和技术的发展，对智能配用电关键技术的研究将着重从以下方面进行。
1.智能配用电大数据体系架构及数据集成技术
智能配用电大数据体系架构及数据集成技术研究包括3个方面：配用电大数据体系架构、多源异构配用电数据集成及存储处理技术、大数据可视化技术，智能配用电大数据体系架构及数据集成技术图见图1。
图1 智能配用电大数据体系架构及数据集成技术图
1.1 配用电大数据体系架构
配用电大数据体系架构包括硬件架构、评估方法、技术标准和安全体系。具体包括：
①分布式大数据采集、存储和处理硬件体系架构的集群节点规模、硬件优化配置、网络拓扑结构及系统可靠性和可扩展性；
②面向数据密集型配用电大数据应用的批处理、图计算和内存计算架构；
③面向计算密集型配用电大数据应用的高性能计算架构；
④配用电大数据体系结构评估方法；
⑤配用电大数据元数据、数据交换等技术标准规范；
⑥配用电大数据访问认证、数据存储和隐私加密等安全技术。
1.2 多源异构配用电数据集成及存储处理技术
多源异构配用电数据集成及存储处理技术包括多源数据特性、信息模型、融合方法和标准。具体包括：
①对电网企业内部的配电自动化、用电信息采集系统、负荷控制系统等和外部的气象、社会经济等多源数据特性进行分析；
②抽象和构建智能配用电大数据环境下包含结构化、非结构化数据的信息模型；
③建立智能配用电多业务数据融合方法和信息交换标准，实现智能配用电跨平台数据的迁移与信息交换。
3.1.3 大数据可视化技术
大数据可视化技术包括可视化信息模型构建及信息压缩、动态高维数据的可视化。具体包括：
①配用电数据可视化基础信息模型、数据映射方式和信息交换；
②兼顾节点关系的清晰表达和大容量节点的展示需求的超大图布局方法；
③历史数据、实时数据以及未来规划数据的动态展示及降维分析。
2.用户用电负荷数据存储分析与修正技术
用户用电负荷数据存储分析与修正技术内容包括2个方面：用电负荷数据存储分析技术、用户用电负荷数据分析与修正技术。用电大数据存储分析图见图2。
图2 用电大数据存储分析图
2.1 用电负荷数据存储分析技术
用电负荷数据存储分析技术包括数据索引、高效存储。具体包括：
①负荷均衡的高维时序数据分布式索引；
②针对用户用电负荷数据不同维度剖面特征的多级索引；
③面向配用电网多源数据的行列融合的索引机制；
④基于列存储的用户用电负荷时间序列数据的存储模型；
⑤基于分布式文件系统的多结构用电负荷数据的存储模型；
⑥支持大规模时序数据的数据压缩存储及支持用户用电负荷数据分析的高效行列混合存储技术。
2.2 用户用电负荷数据分析与修正技术
用户用电负荷数据分析与修正技术包括大数据的清洗与修正、聚类分析、关联与演化分析。具体包括：
①基于时间序列分析的卡尔曼滤波用电负荷数据修正方法；
②基于用户用电数据关联性的分布式海量数据清洗、修正算法；
③基于用电负荷数据时序性的并行聚类算法，结合异构数据源的协同聚类分析方法；
④面向用电负荷数据的多源用户关联分析方法；
⑤基于分布式计算框架的分布式关联规则挖掘算法；
⑥基于社会公共信息分析的用电用户关联挖掘算法。
3.智能配用电典型业务大数据分析技术
智能配用电典型业务大数据分析技术研究内容包括4个方面内容：节电技术、用电预测技术、配用电网架优化技术、错峰调度技术。智能配用电大数据分析图见图3。
图3 智能配用电大数据分析图
3.1 节电技术
基于智能配用电大数据的节电技术包括典型电力用户用电特性聚类分析、电价、激励机制、用户用电行为、环境感知等多因素用户节电关联分析方法。具体包括：
①典型电力用户用电特性局部敏感性相似分析技术；
②综合考虑用户社会经济、气候等因素对电力用户用电特性的影响并研究量化不同因素对电力用户用电特性的关联度；
③智能配电网中分布式电源的配置和运行策略对电力用户用电特性的关联度；
④计及电价、激励机制、用户行为、环境感知等因素的用户用电数据分析模型；
⑤与大数据分析相结合的多因素用户节电关联分析方法；
⑥面向用户用电、网架结构特性的配电网节电降损分析方法。
3.2 用电预测技术
基于智能配用电大数据的用电预测技术包括用电预测影响因素识别方法、多类型用电预测模型。具体包括：
①分布式电源、电动汽车充换（放）电等的用户个体、群体多时态数据的量值特征及规范化方法；
②基于用户用电历史数据挖掘的用电预测模型与参数影响因素；
③用电预测模型、参数与用户用电行为特征、用户社会经济特征等诸多因素的关联性；
④用户用电预测关键因素关联度矩阵构建方法；研究用电预测关键因素关联度的属性约简方法；
⑤面向多类型用户的短期和中长期参数自校正时间序列用电预测模型；
⑥基于用户多种聚类方法的用户群体短期和中长期参数自校正时间序列用电预测模型。
3.3 配用电网架优化技术
基于智能配用电大数据的配用电网架优化技术包括数据并行聚类及关联分析、可行网架集构建方法。具体包括：
①设备负荷率等参数和用户用电规律的并行聚类及关联分析方法；
②负荷密度及负荷变化趋势与网架结构的关联分析方法；
③研究网架结构与供电可靠性和线路功率损耗等的并行聚类及关联分析方法；
④与智能配用电网架构建相关的分层分类数据关联模型；
⑤融合社会经济发展趋势、城镇规划与建设、分布式电源和电动汽车充电站接入，以及基于大数据的用电预测和用户用电特征挖掘等多个方面的基于分层分类数据关联模型生成可行网架集的方法。
3.4 错峰调度技术
基于智能配用电大数据的错峰调度技术包括聚类分析技术、自动分配算法。具体包括：
①配用电错峰调度资源多源数据融合规则和方法；
②满足配用电安全性、经济性及用户多样化用电需求的用户用电特性等多因素的错峰资源大数据层次化聚类分析方法；
③考虑经济性和安全性等约束边界，构造配用电侧可调度错峰资源分配指标权重系数矩阵；
④综合配电、用电和社会经济等多维可调度资源，建立配用电侧错峰指标分配体系和递阶层次模型。
4.智能配用电大数据示范应用方案设计
在示范工程建设与实施上，结合上海浦东新区配用电业务的具体需求，兼顾工程建设的经济成本的考虑，配置适应配用电业务发展要求的、满足研究性能要求的包含高性能计算机、中低端服务器混合配置的配用电大数据应用系统硬件；在软件配置上，构建大数据统一数据处理平台，构建包含并行计算、高速检索、处理结果缓存等组件的大数据软件处理环境，为多源异构数据的高速处理提供支撑。在充分考虑信息安全要求的基础上，通过国网上海市电力公司已有的海量历史/准实时综合数据平台，按照电力系统“专网专用、安全分区、横向隔离、纵向加密”的安全防护要求通过安全III区接入能量管理系统、配用电自动化系统、电能质量监测系统、生产管理系统、用电信息采集系统、营销应用系统、客户服务系统7个电力行业内的信息系统，实现对配电和用电的实时数据、业务数据的安全接入；遵循国家信息安全防护的规定接入气象信息系统、社会经济数据2个电力行业外数据，共接入包含电力行业内和行业外的9个信息系统，为大数据配用电应用系统提供多源可靠的综合数据。在基于大数据技术的信息融合与数据挖掘的基础上，部署节电、用电预测、网架优化、错峰调度等高级应用，实现基于大数据技术的智能配用电应用深化与性能提升，推动上海市智能配用电业务的综合智能化、精益化发展。
智能配用电大数据是充分发掘智能电网价值的重要方面，而且是一个在国内外都刚刚起步，具有很大研究空间的领域。主要结论为：
1）提出了配用电体系架构，设计先进适用架构，解决多源异构配用电数据的多源集成、统一存储、高效处理的难题。
2）详细分析了智能配用电大数据典型业务场景和关键技术，提出了大规模配用电数据存储、处理、修正及应用解决方法。
3）设计智能配用电大数据应用方案，为示范工程建设提供支撑。
全站搜索