赵喜军王朦道立宏·吐尔逊
（博尔塔拉供电公司新疆博尔塔拉蒙古自治州833400）
摘要：为应对大电网日趋复杂的运行环境，全面提升新形势下电网安全稳定智能监控能力，文章深度融合新一代信息、计算与控制技术，设计了基于大数据及人工智能的大电网智能调控系统框架，对实现大电网“即测-即辨-即控”的在线智能调度具有重要的工程价值。首先，结合电网调控系统的发展现状，分析了新一代智能调控系统的功能需求；然后以大电网全局监控的视角，设计其大数据与人工智能顶层功能框架，并对该系统涉及的基本理论及关键技术进行系统概述；最后，以东北电网为背景，搭建了基于大数据技术的智能调控系统环境，实现东北电网稳定态势评估与智能决策。该系统可全面提升大电网在线智能监控能力，为大电网安全稳定运行提供技术支撑。
关键词：电网；调控；运行；大数据；存储；处理技术；应用
1智能电网大数据概述
当前网络信息技术的不断提升，可对数据信息进行有效存储与处理，在智能电网中应用时，可对数据进行分类管理，使电网系统具有规划性。当前电网数据信息一般分为，管理型数据、营销型数据和监测数据等，由电力企业各部门进行协调合作，使数据信息具有关联性，并可通过网络技术进行实时核对。电网内部的数据信息可以结构化和非结构化进行划分，结构化数据是指在电网数据库中储存的信息；非结构化数据是指存储数据具有动态性，不能通过数据信息对其进行直接储存的信息。智能电网与传统电网相比，其可对设备的运行信息进行实时查看，并可设置相应数据信息采集周期，满足设备的供给量。智能电网中数据信息主要来源于发电环节、输变电环节和用电环节，通过对三个环节进行数据信息的采集，可构建完整的数据信息处理体系。
2智能电网调度系统设计需求
随着特高压交直流电网的快速发展，电网格局和电源结构发生重大改变，电网运行特性发生深刻变化，基于传统交流系统形成的在线安全稳定分析方法的时效性、准确性及规模，已难以适应“强直弱交”型特高压交直流混联电网的发展要求。同时电网广域时空序列属于典型的时空大数据，具有大数据典型的结构性和关联性特征，伴随着人工智能及大数据技术的日渐成熟，为深度挖掘利用电网广域时空数据，实现大电网在线安全评估和智能防控，突破传统“经验型+仿真型”的思维模式带来了新的机遇。综上，为保障电网安全稳定运行，本文以大电网“即测–即辨–即控”的思想为核心，从电网整体运营的角度开展顶层全局规划，设计智能设备和信息化支撑平台，实现基于广域实测信息的智能调度服务，从而提升大电网调度智能化水平。
3现代电网调度系统存在的问题
随着我国交直流混联电网规模的不断扩大，电力电子设备和新能源大量接入，导致电网动态特性日趋复杂、安全稳定运行风险日益增加，客观上要求在线安全分析系统实现更加准确的状态感知、更加高效的测辨建模及更加智能的分析评估。当前电网调度面临的新挑战有：1）准确性不足。由于可再生能源高渗透率及电力电子化，电网将呈现出更加复杂的随机特性、多源大数据特性及多尺度动态特性，传统状态估计方法和离线仿真模型已难以满足当前电网安全稳定分析的准确性要求；2）动态特性日趋复杂。随着电力系统的电力电子化特征愈发凸显，目前在线分析采用机电暂态仿真难以满足现代电网动态特性分析需求，新一代复杂电网的机电–电磁暂态混合仿真研究迫在眉睫；3）时效性不足。目前在线分析采用周期扫描和事件触发的仿真计算模式，耗时较长，难以满足调控人员对电网风险掌控的时效性要求，亟需研究更加精细化、智能化、信息化的智能调度支撑平台。综上，为保障当前复杂大电网的安全经济运行，研究广域协同、广泛互联、高度智能、开放互动和主动行为的新型电网运行模式，提升在线仿真分析能力，发展信息驱动的智能化分析模式，实现精准、实时的在线综合安全稳定分析，意义重大。
4电网调控运行大数据存储与处理技术的应用
4.1可视技术
当前智能电网在对数据信息进行分析时，如何将数据信息以一种直观表达形式，在可视设备上提供给用户，使用户对数据信息可进行有效查看，成为一种新的挑战。可视技术的出现可对智能电网系统的大数据信息进行规模化采集，对数据进行高分辨、高精度、变量性采集和读取等，当前对数据节点采集过程中，一般数据信息节点的存储量为TB级别。在采集过程中，对其进行高数据处理模式，并将精准性数据信息转化为图片等成为技术难点，其挑战以像片合成算法、数据信息拓展和显示等为主。
4.2储存技术
数据存储作为电网系统数据信息运行的首要前提，可通过分类储存的方式，对数据信息进行性能分析，按照数据信息的格式进行文件储存。部分数据信息存在实时功能，且对存储性能要求较高，可对其进行实时数据库存储，使其运行速率达到最高。同时可对重要的数据信息进行并行存储，将数据信息进行相应备份，在对重要信息进行提取时，可通过多途径协同读取，提升数据读取的精准性。可对堆积性数据信息进行分散式文件分类处理的方式进行储存，可使新数据信息进行重复性调取，可有效提升数据信息的处理速率。
4.3实时处理技术
当前电网数据信息处理时，由于用户需求和检测数据多样性的提升，使电网大数据信息存储量增加。在对数据信息进行处理时，由于其数据量较大，处理时间也将延长，部分传统性数据处理方案以数据信息存储量为基础进行构建，保证数据信息在处理方案内可形成高速处理，但随着数据信息量的增加，方案式分类已达不到对大数据信息处理的基本需求。在智能电网的应用下，通过网络信息环境将数据信息进行实时传输，保证发电环节、输变电环节和用电环节产生数据信息具有一致性。当前在云计算处理系统中，可对数据信息进行实时处理，但由于网络环境的限制，在部分时间段内易受到网络繁忙的情况，导致服务器响应时间延长，不利于电网系统对数据信息的处理，因此为电网系统对数据信息的采集与处理带来极大挑战。
结束语
综上所述，文章对智能电网大数据进行概述，并大数据处理技术进行数据库处理和云计算处理两方面的研究，明晰智能电网系统对数据信息的处理方式和处理流程。通过数据信息存储、实时处理和可视技术三方面对智能电网大数据面临的挑战进行分析。
参考文献：
[1]黄煜坤.大数据环境下的电力客户服务数据分析系统研究[J].科学技术创新，2017（36）：57-58.
[2]董学平.基于大数据技术的配电网运行可靠性探讨[J].科学技术创新，2017（36）：98-99.
[3]王宗伟.大数据在电力配网中的建设应用[J].自动化与仪器仪表，2017（12）：137-138.
[4]张亚平，陈颖.电网工程数据治理与应用[J].中国电力企业管理，2017（36）：44-45.
[5]刘学军，俞伟，何颋，陈晨，王建炜.基于大数据的配电网运行状态评估与预警[J].浙江电力，2017，36（12）：75-80+90.