面向电网运行的全息时标量测数据集成与应用技术的研究

随着电网的快速发展,电网规模扩大,产生海量、实时的全息时标量测数据,动态信息数据库在电网中的集成应用使得高密度采样并全息记录电网运行过程中带有时标数据成为可能。通过全息时标量测数据与传统周期采样数据跨系统的汇聚处理与分析,能够提高电网调度和科学决策的整体水平。主要介绍全息时标量测数据与传统周期采样数据跨系统异构数据源间的无缝集成,将电网运行实时数据、全息历史数据以及电网模型数据三者融合,并在此基础上进行应用技术的研究。     

多源异构电网运行时标量测数据接入方案设计

海量准实时数据服务平台是电网运行时标量测数据集中存储的场所;为了满足电网调度自动化、计量自动化等电网运行数据的接入需求,提出一种多源异构电网运行时标量测数据接入方案;该方案综合采用关系数据库和实时数据库存储数据,结合实时数据库存储数据的测点特性定义了电网时标量测数据存储命名规范,通过配置服务实现数据接入任务的启停控制和运行状态监控,使用接入调度器调度接入插件执行接入任务并引入主备冗余技术保证调度器的高可用;方案引入组件化程序设计思想,通过可插拔、易扩展的插件设计满足多源异构数据的接入需求;方案在南方电网公司海量准实时数据服务平台建设项目中得到实际应用,很好地满足了南方电网运行时标量测数据的接入需求。     

基于物联网和运行大数据的设备状态监测诊断

设备健康状态的监测、诊断以及维护将直接影响企业的生产经营和经济效益。有效的设备预防性维护过程,可在设备健康状况发生恶化之前制定合理的维护决策,杜绝设备的安全隐患。对移动互联网、物联网、大数据带来的设备健康状态感知、高速数据传输、分布式计算和诊断分析等先进技术进行了调研,并研究了以设备故障监测、诊断、预防性维护为手段,基于物联网和运行大数据的设备健康状态监测诊断模式。在感知层、网络层和应用层的3层系统框架下,应用机器学习算法对设备运行大数据进行数据挖掘,建立专家知识库,获得与故障有关的诊断规则,实现了集设备健康状态在线监测、远程监控、远程诊断、故障匹配识别为一体的智能、高效监测诊断模式。该模式对于设备运行维护具有指导意义。     

配电网中大数据的挖掘应用

为了适应日益增长的电力需求,解决配电网点多面广、设备多、管理难度大、配电网信息实时性低等问题,本文系统梳理了国际、国内配电网发展现状,以及数据挖掘与分析处理技术在配电网的应用研究情况,将大数据挖掘应用引入配电网日常管理,利用大数据分析,针对电网运行和设备检测或监测数据、电力企业营销数据、交易电价、售电量、用电客户等方面的数据,结合地域配电网网架结构,对配电网存在的薄弱点,尤其在迎峰度夏和春节保供电等用电高峰期,通过事前提前研判、事中实时指挥、事后深入分析,提前发现未来病态设备,推进配电网设备在线化、透明化、智能化,将配电网由“修得快”向“不停电”转变,提升优质服务水平,并希望能对今后相关研究时间工作提供一定的参考价值。     

火电厂辅机智能监测平台研究与应用

基于大数据的火电厂辅机智能监测平台通过分布式辅助设备状态监测网,对辅机振动状态进行实时监测与分析;通过联结SIS系统获取温度、开度、电流等运行状态数据,将振动数据与之融合,建立辅助设备运行状态数据库,采用大数据挖掘与人工智能技术实现辅助设备的实时状态评估、故障分析与趋势预测,为火电厂重要辅机的运行管理与维护提供决策依据...     

Impala快速查询技术在配电网设备运行状态检测中的应用

针对配电网设备运行状态检测中数据查询速度较慢的问题,提出应用Impala快速查询技术对配电网设备运行状态进行检测。分析配电网自动化系统结构,对配电网设备运行数据进行分布式存储,待储存文件数量到达一定阈值后,剔除多余数据。利用Impala大规模并行处理机构建查询组件,协调调度工作站。监视运行的所有节点集群状态与元数据,将数据变化发送到其他查询引擎处,保证各节点元数据信息的一致性,实现配电网设备运行状态的快速检测。实验结果表明采用所提方法对配电网设备运行状态进行检测的速度较快,检测效率与精度较高。     

智能配电网大数据典型应用场景研究

随着配电网自动化、信息化和智能化水平的逐步提升,海量异构、多态数据可在智能配电网中发挥巨大价值,如何应用这些数据,既是机遇也是挑战。首先总结了智能配电网大数据来源及特征,既包括电网内部数据,也包括社会经济等外部数据,并阐述了智能配电网中大数据挖掘和分析应用的方法,实现数据的清洗转换、分析处理和大数据应用,然后详细介绍了智能配电大数据分析应用平台,包括总体架构和信息安全防护体系,最后基于平台,结合湖南公司的业务需求,对负荷预测、故障综合研判、配网运行状态评估与预判等典型应用场景开展研究和实际应用。研究和应用结果表明,运用大数据技术充分挖掘和分析智能配电网数据的特征和关联关系,可有效提升配电网精益化管理水平。     

一种基于数据挖掘分析的设备状态评价方法

为提高电力设备状态评估的准确性和效率,提出了一种将数据挖掘方法应用到设备状态评价中的思路和方法。介绍了基于数据挖掘方法的状态评价模型,从大量设备历史数据库中采集电力设备的台账信息、在线监测信息、运行信息等作为设备评价的基础参量,将这些历史数据分别归类为不同状态的数据集,然后对每个数据集提取其主要特征向量,以此作为设备状态评价分类依据。该方法为设备状态评估提供了新的思路。     

基于边缘计算的全息感知智慧台区风险评估研究

为了提高智慧台区风险评估能力,提出基于边缘计算的全息感知智慧台区风险评估方法.采用不确定性参数刻画智能台区风险评估参数,得到配电网智能台区风险评估在维状态空间中的大数据挖掘矩阵.构建二阶锥优化模型进行智慧台区风险评估的全息感知和信息融合处理,采用边缘融合特征检测的方法实现对配电网智慧台区风险约束参数评价和模糊决策,结合...     

ETL模型在配电生产运行风险管控信息平台建设中的应用

电网公司配电生产运行风险管控信息支撑平台需要各种在线监测数据、离线数据等大量的配电网运行状态数据,这些数据往往分布在不同的应用系统中,例如停电检修计划（OMS）,电力生产管理系统（PMS）,在线监测系统,地理信息系统（GIS）,SDADA等系统,这些系统在建设的初期往往没有考虑到系统数据的横向集成,因此各业务的业务模型和数据的标准类型存在着较大的差异,为了实现配电生产运行的状态数据信息的有效准确提取,文章以ETL（Extract Transform Load）模型为研究基础,并在此基础上给出了一种通用化的数据抽取、转换和装载的方法,实现了从不同业务系统中对不同数据来源的数据进行抽取、转换和装载工作,为配电生产运行状态的风险管控工作提供了所需要的生产运行状态数据集,进而能够为保证配电生产正常运行提供有力的保障。     

基于大数据的配变重过载预警分析

本文旨在利用大数据技术对电力数据进行系统挖掘,提供精准负荷预测,为供电安全监视、预防性控制和紧急处理提供依据。文章结合西安地区配电网运行中存在的问题,综合分析配变重过载的外部环境、配变运行信息、配变属性信息、配变供电客户类型等因素,应用大数据机器学习算法、大数据预处理技术、数据挖掘建模技术、大数据可视化技术等,分析研究各影响因素对设备重过载影响的相关性和重要程度,使用分类预测挖掘手段及随机森林算法,分析计算影响变量和目标变量,建立关系模式挖掘模型,构建配变重过载分析及预警模型,完成模型验证与纠偏,实现配变未来一周重过载情况准确预警、配变安全系数评价、重过载配变因素及特征分析与展示等,为电网运维提供有力支撑。通过基于大数据的配变重过载预警分析,提高运维工作效率,实现电网安全可靠运行。     

基于大数据的电网规划精益分析平台研究与应用

随着新能源的大量接入和用户的广泛参与,电网企业的数据呈指数级增长,电网规划部门迫切需要运用大数据的分析手段提高规划决策的精准性。本文以地市供电公司的实体业务为切入点,基于地理位置信息,在数据融合贯通的基础上,运用数据可视化技术多维度动态展示地区电网负荷分布和电网供给能力,辅助规划人员快速发现负荷分布规律和电网薄弱点。运用大数据分析挖掘方法构建基于负荷特性分析的负荷预测模型,支撑电网项目和运行方式安排。打破电网负载问题的单一评价方法,建立可度量的电网综合评价体系及模型,为电网项目统筹提供量化依据。基于大数据的电网规划精益分析平台通过电网负荷可视化展示,有效提升了电网诊断分析效率,运用大数据分析方法提高了地区最大负荷的预测精度,实现了电网问题的数字化评估,提高了电网规划投资决策的精准性。     

基于智能的配电网电力大数据三维场景可视化分析

配电网电力大数据的三维场景重构是实现数据优化挖掘的关键,提出基于人工智能的配电网电力大数据三维场景可视化分析方法。建立配电网电力大数据三维场景的网格分布结构模型,并进行配电网电力大数据三维场景实时数据监测,根据监测结果进行配电网电力大数据的统计特征分析,对配电网电力大数据三维场景实时数据采用信息融合和模糊层析性分析方法进行信息融合和自适应调度,提取配电网电力大数据的三维可视化分布特征量,采用视觉特征重构技术,实现对配电网电力大数据三维场景可视化重构,在人工智能算法控制下提高电力大数据三维场景可视化重构的精度。仿真结果表明,采用该方法进行配电网电力大数据三维场景可视化重构的精度较高,提高了配电网电力大数据挖掘的效能。     

基于全景监测与智能预警的配电网全域大数据应用研究

面对不断扩大的电网规模及愈加复杂的外部环境,影响电网安全稳定运行的因素也在不断增加,为此提出了基于大数据机器学习算法的设备状态监测方法.运用成熟的数据挖掘技术,基于当前大量的数据积累开展数据价值的挖掘分析,构建基于随机森林的设备状态评价模型、基于D-S证据论的故障预警模型等,以云计算为支撑,以“互联、共享、智能”为理念...     

数据挖掘在变电站设备运维中的应用

为解决变电运维工作中所获得的大量设备数据未能得到充分利用的问题,本文在搭建变电站云平台已成为可能的条件下,主要结合数据挖掘技术对运行人员从现场获得的数据进行分析处理。这些数据包括设备压力、泄漏电流、动作次数、以及设备台账等,可以用来提高工作效率和质量、进行业务决策,避免形成数据孤岛,提高变电运维的智能化水平。一是利用了趋势外推法进行数据拟合来指导设备巡视维护工作,二是采用多元线性回归法分析设备状态的影响因素并进行缺陷预测和故障诊断,三是通过人工神经网络深度学习进行电网停电承载力分析。合理利用大数据技术将推动变电站向集约化管控、专业化运维方向转变,通过数据挖掘技术可以极大地提升变电运维工作的智能化水平,从而优化人力配置,使工作更精准高效。     

融合关联与矩阵算法的变电设备状态监测方法

针对变电设备运行过程中容易出现诸多故障的问题,提出基于大数据技术的变电设备状态评估及其智能检修方法;首先,根据变电设备关键性能的状态评估需求,建立基于大数据技术的变电设备状态监测的架构;其次,基于多元时间序列建立变电设备的关键参数体系,对采集到的原始大数据采用关联模式方法进行数据挖掘;将高维随机矩阵用于变电设备状态大数据的多元统计分析,实现监测状态参量之间的关联模式识别,以及不同类型输变电设备典型故障类型与状态参量之间的对应关系;试验表明,该研究方案准确率在80%以上。     

基于电力大数据的3D智能运检平台的应用与研究

电力大数据时代下,电力设备状态监测、运检管理、调度运行、环境气象等数据逐步实现互通共享,大数据技术为电力设备状态评估和智能运检方面提供了全新的解决思路和技术手段,如何尽可能的收集电力运行大数据,如何充分利用起电力运行数据,无疑具有十分重大的意义。本文结合当下大数据技术及数据挖掘分析方法在电力设备状态评估中应用的现状,重点介绍了一款已投入实际应用的基于电力运行大数据的3D智能运检平台的基本构成原理、电力运行大数据分析的内涵和3D智能运检平台的一些实际典型应用案例,探讨了大数据技术在电力设备状态监测、异常分析、故障预测、智能诊断等典型运检场景中应用的方法和效果,并展望了电力运行大数据应用需要克服的几个难题和面对的发展机遇。     

基于互联网平台的配电网智能化运维管理模式

为了有效运维管理配电网, 获取配电网运行状态的全部数据以及配电网中电力设备可能出现异常及故障的情况, 提高配电网经济效益, 提出基于互联网平台的配电网智能化运维管理模式. 通过互联网平台融合其他专业系统数据, 构成配电网智能化运维管理平台, 采用归一化谱聚类算法, 分析多维状态量的历史正常数据和异常数据, 获取历史数据曲线的形状系数和轮廓系数, 提取多维状态量故障特征, 利用知识发现子模块与决策器设计子模块, 分析配电网中电力设备健康度等级, 根据关联规则挖掘, 获取不同电力设备的重要度指数, 评估运维决策风险, 实现配电网智能化运维决策管理. 实验结果表明: 所研究模式能够有效获取配电网运行的实时数据, 及时发现可能出现异常及故障的电力设备, 提高配电网经济效益.