基于Hadoop的广域测量系统数据处理

为解决目前广域测量系统(WAMS)海量数据处理中存在的数据冗余、处理效率低等问题,设计并实现了一个基于Hadoop的WAMS数据处理云计算平台。首先,给出了平台的体系结构。其次,设计了基于Hadoop分布式文件系统(HDFS)存储的WAMS海量数据加载方法和利用MapReduce模型实现多个文件数据的并行抽取、转换和加载(ETL)操作流程。提出了结合MapReduce的MPApriori数据挖掘算法,用于高效地挖掘出连锁故障时各站点之间的相互影响。最后,通过对区域电网WAMS实际数据进行处理,验证了Hadoop处理海量数据的高效性。所述平台适用于高性能局域网络连接的计算机集群对海量电网数据进行文件数据处理。     

基于WAMS的线路参数辨识在电网中的应用

针对三种常见高压输电线路拓扑结构,给出了基于广域量测系统(WAMS)的线路参数辨识方法,并结合实际算例展示了线路参数辨识在参数校核、事故反演分析方面的应用。最后,对于线路参数的辨识在电网中的其他应用进行了展望。     

基于WAMS的线路参数辨识在电网中的应用

广域量测系统广泛应用于电力系统动态运行状态监测,对于电力系统安全稳定运行具有重要意义。提出了基于广域量测系统(WAMS)的线路参数辨识改进方法,运用最小二乘法及归一化的输电线路模型对线路参数进行辨识,通过线路参数动态辨识进行线路参数校核以及线路跳闸事故反演分析。基于WAMS的线路参数动态辨识在线路山火预警中的应用分析表明,该方法能及时准确地监测山火对输电线路的影响并提供预警,具有良好的应用前景。     

一种基于SCADA量测的线路动态参数辨识方法

为了满足电网海量线路量测数据实时动态参数辨识需求,文中提出了辨识软件自动获取线路实时量测数据进行动态参数的方法。利用输电线路模型推导了基于SCADA量测的输电线路参数辨识的数学表达式,建立了线路参数辨识模型。设计了辨识软件与EMS系统数据转发接口,以及线路建模方案。动态参数辨识在山东郓城县电网应用结果表明,所提方法有效改善了线路参数的准确度,提升了郓城电网状态估计合格率,具有较高的推广应用价值。     

基于Hadoop的输电线路在线监测数据模型及技术研究

输电线路是电力系统中关键的组成部分,输电线路在线监测技术的应用产生了海量线路运行数据,对数据的深入挖掘成为现阶段电力大数据研究的热点。随着智能电网数据应用的深入,为保证电力系统可靠运行提供了新的解决方案。在研究输电线路在线监测数据类型、数据特征、数据需求的基础上,提出了符合智能电网电力大数据结构特征的Hadoop监测数据模型设计,包含了多维度数据信息输入、分布式数据存储、分布式数据处理的三个层次。通过搭建基于Hadoop集群的大数据处理环境,在MapReduce并行运算模式下实现PCA-SVM聚类算法,以输电线路故障类型识别为例,实现了基于数据分析的输电线路故障辨识,验证该模型实现输电线路在线监测的可行性。     

基于WAMS的低频振荡模式在线辨识算法

提出了一种基于WAMS的低频振荡模式在线辨识算法。文章从WAMS主站中心角度将辨识过程分为四个阶段:数据接收与存储,数据预处理,振荡模式参数计算和辨识结果分析。丢失数据估计、低通滤波、模型阶数优化等改进措施的应用提高了辨识过程的速度和辨识结果的可靠性。结合实际的WAMS系统和Visual Studio开发平台,设计了运行于WAMS主站的在线辨识系统。以规划中的南方电网进行的算例研究验证了辨识结果的准确性。     

基于同步相量测量技术的输电线路故障测距综述

随着广域测量系统WAMS(Wide Area Measurement System)的发展,同步相量测量技术为输电线路的双端故障测距提供了新的平台。在简介WAMS系统基本原理的基础上,首先介绍了基于双端同步数据的线路参数在线估算;其次总结了现有基于双端同步数据的各种故障测距算法,按采用的数据量对各种方法进行了分类比较,并对其特点及应用效果作了一定的评价;最后介绍了目前测距算法在实际电网结构中的应用情况。     

基于WAMS的低频振荡模式在线辨识算法

提出了一种基于WAMS的低频振荡模式在线辨识算法.文章从WAMS主站中心角度将辨识过程分为四个阶段:数据接收与存储,数据预处理,振荡模式参数计算和辨识结果分析.丢失数据估计、低通滤波、模型阶数优化等改进措施的应用提高了辨识过程的速度和辨识结果的可靠性.结合实际的WAMS系统和Visual Studio开发平台,设计了运行于WAMS主站的在线辨识系统.以规划中的南方电网进行的算例研究验证了辨识结果的准确性.     

基于同步相量测量技术的输电线路故障测距综述

随着广域测量系统WAMS(Wide Area Measurement System)的发展,同步相量测量技术为输电线路的双端故障测距提供了新的平台.在简介WAMS系统基本原理的基础上,首先介绍了基于双端同步数据的线路参数在线估算;其次总结了现有基于双端同步数据的各种故障测距算法,按采用的数据量对各种方法进行了分类比较,并对其特点及应用效果作了一定的评价;最后介绍了目前测距算法在实际电网结构中的应用情况.     

基于广域测量系统的双馈风力发电机组在线参数辨识方法

随着电力系统广域测量系统(WAMS)的普遍应用,可以获得大量在线实测数据用于电力系统的计算与分析。本文基于WAMS实测数据对双馈风力发电机(DFIG)进行在线参数辨识方法研究。首先,建立了用于辨识的DFIG简化模型,并证明了基于WAMS实测数据的电力系统在线参数辨识是一个闭环辨识问题,运用预报误差法(PEM)可以解决闭环辨识问题。然后,提出了卡尔曼滤波法和数据转化法两种技术路线,对比了两者相同点和不同点。最后,通过宁夏电网风电场WAMS实测数据的仿真算例,证明了两种方法的有效性和可行性。     

云计算在智能电网调度中的应用

为解决传统电力系统中集中式计算平台海量数据流的存储和分析功能不足的问题,针对云计算在智能电网调度技术中的应用进行了研究。首先,对云计算技术在IT行业的发展进行阐述,对云计算的关键技术从虚拟化与快速部署技术、大规模分布式存储技术、资源调度技术、大规模多租户技术、海量数据处理技术以及大规模信息通信技术等方面出发进行介绍。其次,借鉴IT行业云计算技术,设计了基于云计算的智能电网计算平台以及基于云计算的智能电网互动式节能优化调度架构,以期推动云计算在电力系统中的发展,解决智能电网互动式节能优化调度算法方面的问题。     

基于WAMS的输电线路参数在线辨识的研究

基于同步相量技术的广城测量系统的出现,电力系统动态数据的获取已变得方便快捷,从而为电力系统的参数辨识提供了条件.研究了输电线路参数辨识的问题,将WAMS数据和人工智能算法相结合应用在输电线路参数辨识中,阐述了辨识的具体方法和过程.仿真实验验证了该方案的正确性和有效性.     

基于PMU的分布式次同步振荡在线辨识方法

为减轻WAMS主站端的软硬件开销,同时也为了避免WAMS主站端对PMU数据进行采样时产生的频率混叠现象,本文在分析了WAMS/PMU通信架构和同步相量测量的算法原理的基础上,提出了在PMU装置上实现分布式次同步振荡在线参数的辨识方法。本文深入分析和比较了两种不同的参数辨识方法,基于相量数据的次同步振荡参数辨识方法和基于原始采样值的次同步振荡参数辨识方法,讨论了基于相量数据的次同步振荡参数辨识方法的局限性,指出了基于原始采样值的次同步振荡参数辨识方法,既可避免对次同步振荡分量的误判,提高次同步振荡分析监测的准确性和适应性,同时又更易于实现超同步振荡等扩展性应用需求。     

基于云计算的智能电网信息平台

坚强智能电网是未来电网的发展趋势,而信息平台是支撑坚强智能电网建设的重要基础.为了充分利用计算资源,满足智能电网对全部信息的可靠存储和高效管理的需要,提出基于云计算的智能电网信息平台,给出了该平台的体系结构,并详细分析了新方法的可行性、优势及需要解决的问题.针对智能电网状态监测的特点,结合Hadoop云计算技术,提出智能电网状态监测云计算平台的解决方案.研究云计算中的虚拟化、分布式存储与并行编程模型等问题,实现智能电网海量信息的可靠存储与快速并行处理.     

基于SCADA和WAMS的线路参数辨识研究

线路参数是电力系统运行控制的基础,其准确性直接影响电力系统自动化的决策水平。在分析SCADA量测数据与WAMS量测数据特点的基础上,提出基于不同类型量测数据的参数辨识模型。应用实测数据对500kV线路的参数进行辨识,验证了文中所提方法的工程实用性。从辨识模型、辨识方法、辨识结果等方面分析了使用不同类型量测数据进行参数辨识的异同点。为电力系统调度人员更新数据库中线路参数提供依据。     

电网量测数据海量终端的前置中间件技术研究

针对目前智能电网状态监测与分析中面临的WAMS、SCADA、AMI等量测系统海量、多源、高速数据处理问题,提出一种海量终端的数据前置处理中间件技术,着重解决海量数据中目标信息高效挖掘与处理器负载均衡问题。在前置数据处理中间件架构中设计了基于采样的目标信息数据并行挖掘算法,同时通过基于Map-Reduce并行计算模型及轮转算法思想均衡负载,以采样挖掘方式聚合数据内联关系,设计出单机多核并行数据挖掘策略。通过广域电网中海量PMU数据进行对比测试,结果表明文中提出的中间件技术可以有效的提高挖掘速度和多处理器负载均衡度,同时极大地减轻海量数据挖掘中的内存负担。     

基于Hadoop生态环境的大数据平台在电网公司海量数据准实时处理中的应用

随着智能电网的发展,电网公司的各类业务应用产生了海量的数据,传统信息技术的解决方案在数据存储和分析技术方面存在一定的瓶颈,其架构难以满足对数据海量准实时处理的需求。基于Hadoop生态环境的大数据技术是以分布式文件系统为基础的大规模并行数据处理平台,它能充分利用硬件集群的资源,进行并行计算和内存流计算,大大提高了数据运算分析的效率,全面支撑电网公司如准实时线损运算、设备准实时在线故障研判预警等对海量准实时数据处理分析的需求,有望大大提高数据管理的效率。     

基于Storm的智能电网广域测量系统数据实时加密

针对智能电网广域测量系统(WAMS)数据的安全问题,分析了现有数据加密方案的特点。结合WAMS数据量大、实时性要求高的特点,引入Storm分布式实时计算平台进行WAMS数据的实时加密处理。设计了基于云平台的WAMS数据存储系统,并在此系统之上设计了基于Storm框架的高级加密标准(AES)算法。该算法将加密过程分为数据接入、快速并行数据加密及加密结果云存储等几个过程,并在Storm预定义的编程组件中进行了编程实现。通过对比分析,验证了所提出方案具有低延迟、加密效率高等特点。     

云平台下输变电设备状态监测大数据存储优化与并行处理

结合大数据技术提升输变电设备状态评价的广度和深度,并解决实际应用问题成为目前电力行业新的挑战。针对输变电设备状态监测大数据可靠存储和快速访问两方面大数据处理核心问题,基于开源的Hadoop云计算实验平台进行了数据分布策略、数据块尺寸调优、集群网络拓扑规划三方面的存储优化研究和大数据并行分析的研究。提出计及数据相关性的多副本一致哈希数据存储算法,能将具有相关性的数据在集群中聚集,提升数据处理执行效率。基于数据相关性多副本一致哈希数据分布,应用Map Reduce并行编程模型设计实现了多数据源并行连接查询算法和多通道数据融合并行特征提取算法。将两种算法在实验室搭建的集群上测试运行,结果表明,多数据源并行连接查询的执行时间仅为标准Hadoop方案的32%,多通道数据融合并行特征提取算法执行时间仅为标准Hadoop方案的35%。     

大数据挖掘技术应用于汽轮机组运行性能优化的研究

基于关联规则的数据挖掘方法已在火电厂汽轮机组的性能优化中取得了较好的应用,但随着大数据时代的来临,传统的数据挖掘方法由于自身缺陷已不能胜任海量数据的挖掘工作。针对此问题,在云计算环境下,基于引入粗糙集中属性约简的基础,在Hadoop平台的Map Reduce架构上对经典关联规则算法Apriori算法进行改进,实现计算并行化以形成能够应对海量数据挖掘任务的新算法。以某1000MW超超临界机组的运行数据为挖掘对象,利用新算法对典型负荷下的历史数据进行挖掘,挖掘出运行参数与性能指标之间的关系,并得到一些可调控参数的运行优化目标值以指导优化运行。挖掘结果表明,新算法可以应用于汽轮机优化目标值的确定,达到节能减排的目的,其所求出的优化目标值来源于机组实际运行数据,具有代表性,能够反映机组的最佳运行状态。