电网调度自动化系统前置集群虚拟网关设计及应用

调度自动化系统是现代电网调度运行管理的核心组成部分,对电网安全、稳定、经济运行起到了重要的作用。随着智能电网调度技术支持系统的全面升级,接入系统的大量远动终端(RTU)需完成配套工作,通过研究多前置系统集群虚拟网关关键技术,开发满足二次安防和实时冗余性能的专用集群虚拟网关,解决了当前的系统完成升级面临的大量RTU地址变更、RTU应对多前置系统负载过高、调度自动化前置系统负载不均衡、多前置系统切换冗余可靠性等问题。     

适应横集纵贯智能电网调控系统实时数据库的设计

为了适应智能电网调度控制系统横向集成、纵向贯通的体系架构,并满足其对实时数据库大容量、高效率、安全性的要求,亟需研发与之适应的实时数据库。文中首先分析了智能电网调度控制系统对实时数据库的需求,然后介绍了实时数据库的体系架构、大容量与支持多应用扩展系列技术、实时库高效访问系列技术、实时库安全保障、模型管理和实时库同步等技术。文中测试表明实时库效率相对原有系统有明显的提升,数据访问安全性能得到有效保障。实时数据库为各类应用打下了坚强的数据基础,保障了各级智能电网调度控制系统的稳定运行,有力支撑了智能电网建设。     

电网调控集群分布式实时数据库的设计与关键技术

为解决电网调度控制系统大规模实时数据的处理性能问题,设计了一种集群分布式实时数据库,通过分布式技术实现海量数据存储,并使用集群技术实现数据的统一访问和管理。对集群分布式实时库架构及所使用的分布式存储技术、分布式数据定位技术和分布式访问技术进行了讨论,解决了调度控制系统实时数据的灵活分片、分布式存储和快速定位问题。最后通过测试和现场运行验证了集群分布式实时数据库能在确保系统高可靠性的条件下,实现实时数据的高性能访问。     

一种基于智能调度改造的前置集群虚拟网关技术

调度自动化体系是各级电网的核心,是电力系统安全、稳定和经济运行的技术保证。基于智能调度改造的需要,调度自动化体系处于不断升级之中,这就涉及许多远方RTU的设置的配套更改。本文根据调度自动化系统的多前置现状,设想开发一种专用集群虚拟网关来解决调度自动化系统升级过程所导致的远方终端的一系列问题以及调度前置的负载不均衡,以使智能调度得以快速实现。     

云计算环境下电力网络负载均衡调度方法研究

针对传统的云计算环境下电力网络负载均衡调度方法对负载数据出现的时变耦合特性不能自适应跟踪,调度性能不好的问题,提出基于模糊循环迭代控制算法,并应用到云计算环境下的电力网络负载均衡调度中。介绍了算法的详细实现过程,提取电力网络负载数据均衡调度特征参数,构建电力数据权重分配机制,计算正交加权约束均衡比,进行模糊循环迭代控制,实现对电力网络负载均衡调度。仿真实验表明,该方法能提高电力网络的负载均衡性,提高云计算环境下电力网络均衡调度的效率和电力资源均衡配置的能力。     

智能电网调度控制系统集群化技术

针对智能电网调度控制系统信息规模及处理压力剧增的情况,面向电网发展的实际需求,分析了通用集群技术在智能电网调度控制系统中的适用性,提出了超大规模电网调度控制系统集群化总体架构。介绍了资源管理、心跳管理、资源定位、分布式数据存储与访问等平台集群化支撑技术,以及数据采集、实时监控、公式计算、在线预警等典型应用功能的集群化方法。     

模型管理技术在智能调度支撑平台上的研究

开放的信息系统和共享的信息模式是实现智能调度建设的基础,模型管理技术是实现这一目标的高效手段.为了实现全网模型的整合、应用,提出了分布式一体化的模型管理技术方案.该方案通过调度系统之间的模型信息实时交换技术,模型拆分、模型合并、负载均衡等技术实现了高效的分布式一体化建模,利用模型订阅服务实现了应用系统个性化的模型建立.通过分布式一体化模型管理技术的研究,为智能调度的各应用提供一体化模型与数据基础,实现了模型信息的"源端维护、资源共享",满足了调度中心基于全电网模型的分析、计算以及智能调度等新型业务需要.     

智能电网调度控制系统中历史数据服务优化方案

在智能电网调度控制系统中,历史数据存储规模呈爆发式增长态势,海量历史数据的冲击,影响了数据访问效率,为满足历史数据高效访问的需求,针对历史数据服务提出了全新的解决方案。文中提出增加历史数据缓冲区,缓存管理电网热点数据,提高数据处理效率,减轻历史库负载;优化任务分配器,协调数据缓存区与关系库分工作业,对历史数据服务进行有效的管理和调度;设计历史数据会话监听机制,实时监视数据库会话状态,保障历史数据服务的安全性和稳定性。实践证明,基于缓存的历史数据服务能够满足爆发式海量数据场景下的数据访问需求,保障电网调度控制系统的安全稳定运行。     

考虑电能交互共享的虚拟电厂集群多时间尺度协调运行策略

虚拟电厂(virtual power plant,VPP)作为整合“源-荷-储”多环节资源的新一代智能控制技术,能够打破地域限制,实现广域范围内的能源互联共享。为应对同一区域内不同VPP“源-荷”资源差异性,解决分布式可再生能源(distributed renewable energy,DRE)波动性与用电行为不确定性造成的功率实时平衡问题,引入集群服务商对包含多类型VPP的集群进行合理管控,构建包含多异质DRE、可控机组、储能、电动汽车以及可控负荷的VPP集群系统架构。对VPP集群内部电能互济进行独立定价以激励VPP参与联合调度,针对随机变量可预测性和累积误差随决策时间推进逐步增加的特性,建立包含日前协调调度与日内滚动优化的两阶段联合优化模型,日前阶段侧重于多VPP集群参与外部市场交易和内部电能互济,日内阶段侧重于VPP功率平衡降低偏差,形成多VPP间电能共享交互的多时间尺度调度策略;最后,以整合不同分布式能源的多VPP集群系统为例进行仿真分析,结果表明,通过多VPP协调互动和多时间尺度滚动优化,有效改善VPP集群系统电能均衡问题,显著提升整体运行经济性。     

面向多应用的通用数据采集技术方案

随着电力系统的快速发展,智能电网调度控制系统在多应用部署、海量实时数据处理、安全控制操作、快速信息同步等方面对数据采集提出了更高要求。文中提出了一种面向多应用的通用数据采集技术方案。该方案通过动态加载规约处理、基于CIM/E文件的数据采集运行维护、标签加密认证、多机冗余负载均衡、基于DL/T 476和S语言的远程浏览等技术,有效解决了多应用下数据重复采集、程序重复开发、维护复杂的问题,提高了数据采集处理能力,增强了控制操作的安全性,简化了数据采集维护流程,并实现了系统间实时画面的浏览功能。目前该方案已经成功运用于智能电网调度控制系统。     

基于hadoop云平台的智能电网MapReduce数据计算技术研究

为应对未来智能电网海量数据信息带来的实时计算、分析等难题,文章首先在Hadoop云计算平台基础上搭建MapReduce框架,论证了其良好的数据计算性能,并通过实验发现MapReduce在进一步提高计算效率方面的诸多问题——任务调度不均、数据偏移、异构环境下适应性差等。随后考虑MapReduce原始调度方式的弊端并给出均衡数据映射、评估节点性能的MapReduce架构改进方案,并提出了动态匹配的调度算法(DMSA——Dynamic Matching Scheduling Algorithm),最后通过在仿真平台上的集群实验,减少了系统计算资源的消耗,缩短了运行时间,显著地提高了集群性能,同时增强了数据本地性,证明了该策略提高MapReduce计算效率的可行性。     

一种电网云平台资源调度算法的研究

针对规模快速扩大的电网云平台所暴露出能源成本高和计算调度资源效率低的问题,基于负载均衡的概念和原理,提出了一种节能负载均衡全局优化算法,用于优化电网云平台的计算资源调度。首先云平台的资源调度问题是一个旨在优化能源消耗和负载均衡组合优化问题;然后提出了基于负载均衡策略和克隆选择原则的资源调度算法;最后实验表明,该算法能有效降低云平台的能耗,提高其资源调度效率。     

调度中心流计算集群排队模型的CQB并行均衡控制方法

针对配电调度中海量监测数据的处理延迟越来越大、计算节点任务不均衡的问题,在分布式消息队列和实时流计算框架的基础上,提出一种基于排队模型的配电监控信息的CQB并行处理方法。以分布式消息队列作为数据缓存,综合运用流计算拓扑并行编程模型,设计配电监测数据的拓扑实例,并对流计算集群处理拓扑计算任务时的轮询任务调度方法进行改进。以铁道配电监控系统数据和加拿大魁北克水电公司配电负荷数据为算例,对若干组拓扑实例进行数据处理延时测试和集群性能测试。结果表明:通过对消息队列分区数和流计算组件并行数的优化设置,可有效提高海量配电监控信息的响应能力和扩展集群的处理效率,改进任务调度方法可使流计算集群整体负载更加均衡,降低配电监控数据处理延时。     

智能配用电大数据存储架构设计

针对智能配用电数据海量、高维度、多源异构等特点,提出一种大数据存储的三层管理框架设计方案。首先,对智能配用电数据组成进行分类划分。然后,提出智能配用电数据存储的资源层、元数据层和实际数据层的三层管理框架,在资源管理层,应用虚拟化技术、负载均衡和资源调度完成对物理资源的管理;在元数据管理层,使用数据预处理技术对智能配用电的元数据进行分类,采用中间件技术完成XML元数据仓库管理;在实际数据管理层,利用NoSQL技术,通过Map和Reduce的有效结合,完成海量数据的分层分区快速存储。最后,在实验室环境下对该设计方案进行初步的应用,验证了所设计方案能够对结构化、半结构化和非结构化数据进行统一存储,可为智能配用电大数据技术的应用提供基础支撑作用。     

基于规则的电力调度计划数据校验机制

针对智能电网调度计划一体化协调运作模式下调度计划数据缺乏有效的甄别和校验机制的现状,提出了调度计划数据的校验规则库,并基于该校验规则库,在智能电网调度技术支持系统一体化支撑平台上设计开发了数据校验应用。介绍了校验规则库的规则组成、系统的总体结构和功能模块的实现。该数据校验应用已成功应用于智能电网调度技术支持系统华东试点工程。     

智能电网调度控制系统数据库管理技术

智能电网调度控制系统横向集成、纵向贯通的体系架构,及其延伸出的安全性、大容量、高效率等要求,亟需研发以数据库管理为核心的新数据管理技术。文中首先介绍了智能电网调度控制系统的实时数据库、商用关系数据库、时间序列内存库、时间序列文件库各自的特点及该系统对数据管理的要求,然后介绍了数据管理体系架构、数据库管理关键技术、数据访问接口与数据维护。以数据库为核心的智能电网调度控制系统数据管理技术已成功应用于各级调度控制系统,为智能电网调度控制系统安全、稳定、高效运行提供了有力的保障。     

非关系型数据库负载均衡策略研究

通过分析存量数据发现,业务系统中维护的除了结构化数据还有大量的非结构化数据,而非关系型数据库可以合理有效地管理这些非结构化数据。作者研究发现,在非关系型数据库的分片集群下,传统的基于Chunk迁移的负载均衡策略只能保证集群所存储的数据均匀地分布到各个分片节点,并没有考虑各个分片节点上的数据访问热度是否均衡,因此会导致业务系统无法有效突破数据读写的性能瓶颈。针对这一问题,本文引入了马尔科夫链,提出了一种基于马尔科夫链预测模型的负载均衡策略,并与传统的基于Chunk迁移的负载均衡策略进行了对比实验。     

梯级水电站群长期优化调度云计算随机动态规划算法

为了应对随机动态规划算法在解决梯级水电站群长期发电优化调度时的"维数灾"问题,并行化方法得到了广泛研究。单机多核并行算法扩展性不强;传统的分布式并行算法编程复杂,缺少负载均衡和容错机制。云计算平台作为新的分布式计算平台能够充分利用资源,具有诸多优势。为了探索云平台下的分布式并行随机动态规划模型,该文基于消息传递接口(message passing interface,MPI)和Spark框架分别实现了传统集群计算和云计算分布式随机动态规划算法,后者将计算模型转换为数据处理模型进行计算,并通过三库优化调度实验对算法进行了比较。算法分析及实验结果表明,基于云计算的分布式并行随机动态规划算法则可以有效利用云平台的优势,同时拥有完善的容错以及负载均衡机制,具有广阔的应用前景。     

“负载-效用”两级均衡下智能电网实时电价定价策略

社会福利最大化下的实时电价定价机制未考虑电力系统各主体的利益独立性,无法实现电力系统各主体的收益效用均衡,另一方面可能造成用户负载峰谷的产生或者转移。将"负载-效用"两级均衡融入智能电网实时电价的定价优化,建立了实时电价定价策略的两级均衡模型。基于电网系统各主体的收益效用函数推导出采购电价与实时电价的定价机制,并在定价机制的基础上,设计了基于多目标遗传算法(NSGA-II)的模型求解算法。最后,数值仿真实验表明了两级均衡模型下的实时电价定价机制更能保证电网系统各参与方的收益效用均衡,也使得用户负载更加均衡。     

一种风电集群分层模型预测控制策略研究

针对分布式风电场大规模风电集群（WPC）在电力系统并网中存在的有功功率调度与控制问题,提出了一种基于动态电力调度的分层模型预测控制（HMPC）策略。首先,将调度框架分为日内调度、实时调度、集群优化和风电场调制四个层次,使得风电调度具有精细的时间尺度。其次,利用下行旋转和传输路径最大限度地提高风电场调制层的风电输出,并通过数值特征方法进行分层分析,提高优化模型中风电预报数据的准确性。最后,利用真实风电场数据进行仿真实验,验证所提控制策略的有效性。实验结果表明,所提HMPC策略能充分利用风电集群的多个时间尺度和适应因子的预测信息,能有效提高风力发电集群传输路径的利用率,提高了风电的可容纳空间和调度的准确性。