基于“互联网+大数据”的输电智能巡检管控平台研发及应用

电力体制的不断改革和创新工作的落实,推动了电力管控平台的智能化改革,同时由于“互联网+”的环境进一步提升了信息技术和数据管理技术的优势,因此对于需要具备严谨性和全面性安全管理的输电网络来讲,落实智能化检测和安全管控能够进一步提升安全用电的质量和效率。首先分析了基于大数据的输电智能巡检管控平台项目研发的背景及应用优势,其次结合巡检平台以及远程遥控系统介绍了该平台在实际的电力安全运行中的应用方式,最后阐述了智能管控平台应用过程中的优化措施,意在为我国的安全用电规划提供技术依据。     

基于大数据云平台的电力能源大数据采集与应用研究

随着智能电网建设的不断推进,电力系统中运行的采集终端数量大幅激增。面对采集到的海量用电数据,如何快速挖掘出有价值的信息,指导企业发展并服务社会民生,显得尤为迫切。文章介绍了利用分布式架构的用电信息采集系统采集用电数据,建立大数据云平台,通过BP神经网络算法等大数据分析方法,提高线损治理成效,实现负荷的准确预测,并在光伏、车辆网等新的领域对电力能源大数据应用的研究进行了展望,对未来电力能源大数据的深化应用有重要的指导意义。     

基于电力系统大数据平台的安全管控机制探讨

随着电网规模不断扩大,智能化设备大量应用,电网运行过程中会产生海量、多元、复杂的数据,导致电网的安全管控面临着新的机遇和挑战。文章应用时间序列、聚类等大数据分析手段,对电力系统海量数据进行描述性和预测性分析,并深度挖掘数据关联关系以及潜在附加价值,基于云计算技术实现了电力系统数据信息"收集—辨识—加工—整合"的平台集成化;基于集成平台探讨了"事前主动预防、事中积极应对、事后妥善处置"的全方位电网运行安全管控机制,以期实现电网运行风险的能控、可控、在控;最后,通过我国天津地区的典型案例,验证了所提的安全管控机制的可行性。     

基于大数据平台的电网运行指标统一管控方案

针对传统电网运行指标管控的不足,提出了一种基于大数据平台的电网运行指标统一管控方案。该方案提出了电网运行和管理指标的统一管控体系,利用大数据平台所提供的海量电网运行与调度管理数据以及高效的数据处理能力与挖掘分析能力,实现了多级调控中心多业务数据的融合与共享。通过指标体系定义工具实现了指标计算公式自定义功能,通过指标计算引擎和任务调度技术实现了指标自动计算功能。该方案已经在电力调控中心试点应用。实践表明,该方案能够解决传统指标管控存在的不足,全面提升电网运行和管理精细化水平。     

数据中心综合能源管控平台架构与功能研究

大部分数据中心能源管控平台采用传统产业园区能源管控平台,没有考虑数据中心绿色电源供给方式、算力资源与电冷负荷相互映射等特点,园区能源协同运用效率不高。分析了数据中心用能结构和能源供给方式,研究了能源结构和供给对平台功能的需求,进而设计了数据中心能源管控平台的整体架构;根据能源应用需求和特征,以常规园区综合能源平台为基础,研究了数据中心平台的核心功能,包括中长期绿电代交易、算力和负荷协调优化调度、能效指标管控等,为指导数据中心能源管控平台建设,避免数据中心能源管控平台沿用产业园区平台的不适用性,有效提升数据中心能源综合利用效率提供了参考。     

综合业务管控系统容器平台的构建及开发

针对燃煤电厂脱硫系统出口SO2质量浓度难以稳定控制的问题,提出了一种基于改进粒子群算法（IPSO）优化长短时记忆（LSTM）神经网络的IPSO-LSTM预测模型。首先利用主成分分析（PCA）计算各个变量的贡献率从而筛选出模型的辅助变量,实现辅助变量的降维。其次,利用改进粒子群算法确定LSTM神经网络的神经元数量、学习率和迭代次数。最后,将选定的辅助变量作为IPSO-LSTM预测模型的输入,预测出口SO2质量浓度,采用国内某电厂2×600 MW机组脱硫数据进行仿真,并与相关11种模型进行对比。仿真结果表明,本文模型预测误差最小,其均方根误差为0.98 mg/m3,平均相对误差为1.81%;与传统LSTM、LSSVM模型相比,预测精度分别可提高72%和81%;与其他相关模型相比,改进的PSO可以提高PSO的全局寻优能力和收敛速度,当LSTM神经网络具有2层隐含层时,IPSO-LSTM模型预测精确度最高。     

基于“互联网+”大数据的输电巡检智能管控平台研发及应用

常规输电网络存在明显的信息检测不足行为,进而导致整体巡检数据的动态能力偏低,针对此问题,设计基于“互联网+”的大数据输电巡检智能管控平台。按照管控架构的部署现状,选用合理电力大数据采集层设备,进而设计完整智能巡检终端网络结构,完成输电巡检智能管控平台的硬件运行环境搭建。在此基础上,利用互联网电子采集点位分布情况,实时监控输电数据的巡检行为,进而连接相关智能串口服务器,完成智能管控平台的软件运行环境搭建,实现“互联网+”大数据输电巡检智能管控平台应用。对比实验结果表明,与常规输电网络相比,应用新型智能管控平台后,输电信息的最大检测量超过8.5×1013 T,定向化输电巡检管控精准性达到90%,巡检数据的整体动态能力得到稳定提升。     

电力调度综合业务数据平台的开发与应用

电力调度综合业务数据平台采用基于国际ICE61970标准和CIM模型建立了统一的电力对象数据仓库,实现相关调度自动化系统应用数据的整合、集中以及基于数据平台的通用应用与系统管理功能。云南电力调度中心,云电清华同方科技有限公司共同完成的《综合业务数据平台的研究》,获2005年云南电网公司科技三等奖。     

基于大数据技术的省级电力调度机构数据综合管理平台

为解决某省级电力调度机构数据综合管理工作中关联系统分散、管理流程复杂和数据处理效率低等问题,提出了基于大数据技术的省级电力调度机构数据综合管理平台。首先分析了省级电力调度机构的数据管理模式,针对数据调度系统的应用业务和负荷信息管理进行了分析,根据电力大数据在数据校核、存储和融合处理方面等关键技术的分析,设计了基于大数据的省级电力调度机构数据综合管理平台,结合系统的实际应用分析了系统架构、功能特点和平台接口规范。     

电力营销全业务集约管控平台的构建

针对日益紧迫的电力营销全业务精益化管理问题,提出了电力营销全业务集约管控平台的构建任务和课题,分析微服务模型数据,构建用于电力营销全业务集约管控的信息化平台,实现对营销业务的统一管理和集约管控,并兼容电力营销的全业务包括业扩、检查、抄表、配电抢修等各个方面,在数据模拟和实操作业中提高电力营销工作的工作效率,从而实现电力营销全业务的精益化管理。认为应当根据营销现场的实际需要,将相应的电力营销数据发送给营销现场的智能接收端,通过智能接收端将相应的电力营销数据通过增强现实的方式进行展示,有效的实现电力营销全业务集约管控。     

基于大数据的智慧园区电源系统管理平台

在研究监控系统整体结构的基础上,构建了以K-means算法为中心的数据融合系统。该系统以分类数据为基础,以大数据和云计算平台为依托,形成了智能化数据处理核心,为提高电源系统的控制决策和故障报警打下了良好的基础。     

基于大数据智能控制一体化平台架构的智慧监盘关键技术研究

为应对火电领域的智慧化发展需求,提出大数据智能控制一体化平台架构。从现场设备 层、基础控制层、大数据智能控制层以及智能管理层4个层级出发,依次对其结构特点及建设方向进行了分析说明。将智慧监盘技术作为大数据智能控制层级的未来发展方向之一,以智慧监视、智慧报警、智慧识别、智慧指导4个功能为基础提出智慧监盘技术架构,并在此架构之上针对4个功能的关键技术进行了探讨,为发电机组的智慧化升级改造提供了有效参考。     

基于大数据平台的电压质量诊断与应用分析

针对传统电压质量异常识别方法效率低下,难以做到全面的识别与监控的问题。文中搭建了电压质量诊断与分析平台模型,通过主成分分析得到影响端用户电压监测分析、配网低压台区运行状态分析等应用的主成分,对数据进行降维,实现数据的简化处理。聚类分析筛选出符合异常特征的电压异常数据,利用电压异常模型确定异常数据,生成电压异常识别结果。基于J2EE技术框架在末端用户电压监测分析、配网低压台区运行状态分析、配网线路故障判断分析等方面进行可视化展示。     

基于多元大数据平台的用电行为分析构架研究

随着智能电网的发展,越来越多的测量装置向底层延伸。高级测量体系和配电网的发展不可避免地使用户用电数据量呈几何倍数增长,另一方面,电网也在积极寻求方法让需求侧可以充分地参与电网调控,增强电网可控性和经济性。在上述背景下,运用配用电数据分析用户用电行为建立相关驱动方法,可充分利用现有资源,为政府政策制定、电力公司业务拓展和用电行为引导提供新的解决思路。在配用电数据采集、聚合、处理和应用等方面提出了以大数据平台为基础的整体构架,设计了基于流处理和批处理的数据驱动方法,提出了适用于多维大数据用电行为分析的随机矩阵相关性算法,最后讨论了用电行为分析面向不同对象的应用场景。     

基于电力大数据平台的三层数据过滤机制研究及应用

大数据技术是城市电网数字化规划中的重要工作内容,具有重要的理论和实践价值。但是这些数据体积大、类型多、更新速度快,为防止海量数据带来的分析干扰,提出了基于电力大数据平台的三层数据过滤机制,对过滤数据构建分段式小样本回归模型。该模型在上海某风力发电厂风机发电功率预测中进行应用,算例结果表明三层数据过滤机制有效地解决了庞大数据量的无序、可用性较低等问题,对整体数据具有良好的表征性,提升了预测精度,促进了电网信息价值密度的高质量提升。     

基于大数据平台的配电网负荷预测关键技术

大规模配电网负荷预测需重点关注预测准确率及计算效率,由于规模大、关联因素复杂,采用传统集中式或简单分布式平台环境难以满足应用要求。提出了基于大数据平台的解决方案,方案结合大规模配电网负荷预测应用场景特点,提出了数据存储、数据预处理、特性分析、预测算法等关键环节的技术路线。应用多元化分布式存储方式,实现了多类型数据的分类存储;应用机器学习技术,实现了数据预处理、负荷特性分析等;应用Spark流计算技术,实现了基于滑动窗口操作的滚动短期预测和基于无状态操作的中长期预测。在某省的实际应用结果证明了解决方案在预测准确率和计算效率提升方面效果明显。     

基于大数据分析的综合能源系统负荷特性聚类分析

随着我国综合能源系统的迅速发展,用户侧出现越来越多的综合负荷尤其是电冷热耦合负荷,而针对冷热电负荷的耦合特性的研究极为重要,它决定了综合能源系统规划和运行是否科学合理。因此,本文将大数据分析法应用到冷热电综合负荷的耦合特性分析中,建立了基于改进K-means算法的冷热电负荷耦合特性分析模型,该模型利用国外某高校实测综合能源系统相关真实数据,对学校用能负荷按照春夏秋冬四季进行合理聚类分析,以获得不同季节时段以及同一季节时段的用能负荷耦合特性,在此基础上,本文对该综合能源系统中电、冷综合需求响应的潜力进行研究。最后,通过仿真分析,结果表明本文方法能较好的深入挖掘该综合能源系统的用能耦合特性和需求响应潜力,为制定合理的综合需求响应方案提供有力数据支撑。