基于電網(wǎng)智能算法下大數(shù)據(jù)在電力行業(yè)中的應(yīng)用

, , , ,

(1.國網(wǎng)四川省電力公司信息通信公司,四川 成都 610041; 2.成都杜航科技發(fā)展有限責任公司,四川 成都 610000)

0 引言

近些年來，智能電網(wǎng)在電力行業(yè)中發(fā)展十分迅速，智能電網(wǎng)與計算機等現(xiàn)代科學技術(shù)的結(jié)合，調(diào)動了電網(wǎng)運行市場的發(fā)展以及系統(tǒng)的運行效率，同時有效降低了成本，節(jié)約了資源，因此大數(shù)據(jù)技術(shù)的融合將會大幅度提高通訊質(zhì)量和效率。在智能電網(wǎng)中運用大數(shù)據(jù)，可以實現(xiàn)智能調(diào)度資源、分布式控制負荷、有效預(yù)測負荷等日常負荷調(diào)度工作，同時也可以實現(xiàn)安全監(jiān)測、智能報警等一系列安全措施。大數(shù)據(jù)技術(shù)還可以提高工作效率、計算速度和監(jiān)測的水平。智能電網(wǎng)是一種全面性網(wǎng)絡(luò)。智能電網(wǎng)的安全、可靠的目標必須以實時數(shù)據(jù)采集、分析和處理為依據(jù)，實現(xiàn)電力系統(tǒng)的協(xié)調(diào)運行。智能電網(wǎng)、大數(shù)據(jù)、云計算、互聯(lián)網(wǎng)、新能源消納與并網(wǎng)等信息被列入“十三五”國家戰(zhàn)略性新興產(chǎn)業(yè)發(fā)展規(guī)化[1]。

1 智能電網(wǎng)電力大數(shù)據(jù)的特點

隨著計算機技術(shù)、通訊技術(shù)、網(wǎng)絡(luò)技術(shù)和數(shù)字信息技術(shù)等高新技術(shù)的發(fā)展，將智能電網(wǎng)與電力大數(shù)據(jù)技術(shù)相結(jié)合，將會更加推動電力行業(yè)的發(fā)展，使電力系統(tǒng)更加穩(wěn)定。

1.1 智能電網(wǎng)

智能電網(wǎng)之所以能夠?qū)崿F(xiàn)電網(wǎng)智能化，是建立在計算機和信息技術(shù)的基礎(chǔ)上，故又稱作電網(wǎng)2.0[2]。通過將智能裝置接入電力系統(tǒng)來實現(xiàn)智能化、自動化電網(wǎng)運行，將會更有效地實現(xiàn)智能電網(wǎng)的效率。在智能電網(wǎng)中，通過傳感、決策支持系統(tǒng)、智能自動化技術(shù)和測量技術(shù)等多種技術(shù)綜合利用，并且保證在高效率運行、降低成本和優(yōu)化環(huán)境的條件下，盡可能地提高電力系統(tǒng)穩(wěn)定性。智能電網(wǎng)的應(yīng)用也逐漸越來越廣，也逐漸被用在其他科技領(lǐng)域。

1.2 大數(shù)據(jù)技術(shù)

大數(shù)據(jù)是指通過對大量復雜的數(shù)據(jù)進行有效地捕捉、發(fā)現(xiàn)、和分析，用經(jīng)濟的方法提取其價值的技術(shù)體系或技術(shù)構(gòu)架[3-5]。在電力行業(yè)內(nèi)，電網(wǎng)運行情況、日常的負荷監(jiān)測，電力企業(yè)的營銷數(shù)據(jù)，以及企業(yè)的管理數(shù)據(jù)等這些都可被稱為大數(shù)據(jù)。電力大數(shù)據(jù)還具有以下特點：數(shù)量體積大；數(shù)據(jù)類型繁多；價格密度低；處理速度較快。

2 智能電網(wǎng)大數(shù)據(jù)

2.1 智能電網(wǎng)大數(shù)據(jù)概念

智能電網(wǎng)對數(shù)據(jù)要求很高，將大數(shù)據(jù)融入智能電網(wǎng)中可有效解決智能電網(wǎng)通訊問題。大數(shù)據(jù)[6-8]按數(shù)據(jù)來源可分為：電網(wǎng)內(nèi)部數(shù)據(jù)和外部數(shù)據(jù)。這些數(shù)據(jù)都各自分散，由不同的管理部門進行管理。通過以上描述，大數(shù)據(jù)特點為：分布較散，分布在各個不同的地方；數(shù)量大、種類多，維度大；價值巨大；數(shù)據(jù)之間存在著挖掘，且存在實時性要求。

在智能電網(wǎng)發(fā)展和建設(shè)的重要環(huán)節(jié)，對電力需求側(cè)的管理尤為重要，大數(shù)據(jù)在智能電網(wǎng)中的應(yīng)用包含多個方面，這些方面涉及到電力公司運行與管理的應(yīng)用，同時還包括用戶服務(wù)以及政府部門的服務(wù)應(yīng)用。其中，面向電力用戶服務(wù)的應(yīng)用又包括用戶用電行為分析、電力需求側(cè)管理、用戶能效分析和供電服務(wù)輿情監(jiān)測預(yù)警分析等內(nèi)容。其中，電力需求側(cè)管理尤為重要。

利用智能電網(wǎng)大數(shù)據(jù)來實現(xiàn)電力需求側(cè)管理時，首先需要采集數(shù)據(jù)，智能電網(wǎng)中的數(shù)據(jù)存儲采用了云計算技術(shù)，從海量數(shù)據(jù)中提取的用戶數(shù)據(jù)需要通過數(shù)據(jù)融合技術(shù)作預(yù)處理，進而針對有效數(shù)據(jù)，根據(jù)濕度、溫度等氣候條件，以及用戶階層的差異性，對電力用戶進行分類。接著進行數(shù)據(jù)分析，將數(shù)據(jù)進行解讀，在此過程中，可繪制各類用戶不同用電設(shè)備的負荷曲線[9]，分別通過負荷曲線的不同及時對負荷作出一系列措施來調(diào)整負荷日用量。然后根據(jù)曲線將數(shù)據(jù)應(yīng)用到電力系統(tǒng)中，能夠及時地對負荷進行預(yù)測，提高系統(tǒng)的穩(wěn)定性。并且根據(jù)需求分析結(jié)果，制定需求管理制度，從而使得智能電網(wǎng)大數(shù)據(jù)的通訊管理和需求管理得到較好的解決。

2.2 智能電網(wǎng)大數(shù)據(jù)關(guān)鍵技術(shù)

智能電網(wǎng)大數(shù)據(jù)有4大關(guān)鍵技術(shù)[10-12]：多數(shù)據(jù)融合技術(shù)、電力大數(shù)據(jù)分析挖掘技術(shù)、電力大數(shù)據(jù)可視化技術(shù)、電力大數(shù)據(jù)存儲與處理技術(shù)。

a.多數(shù)據(jù)融合。多數(shù)據(jù)融合是將具有相同的多種事物、數(shù)據(jù)和知識，整理成一個目標一致、明確、清晰的表達的過程。通過對不同來源數(shù)據(jù)的融合，使其達到彼此之間相互提高的一個層面，從而發(fā)掘出數(shù)據(jù)間間接隱藏的關(guān)系，達到事物的正確認知。多數(shù)據(jù)融合是以信息為主體的信息體系結(jié)構(gòu)，有利于全方位掌握數(shù)據(jù)的來源。

b.電力大數(shù)據(jù)分析挖掘。電力大數(shù)據(jù)分析挖掘是一種數(shù)據(jù)有效處理方法，對復雜、種類繁多的結(jié)構(gòu)與非結(jié)構(gòu)類型十分適用。在結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)處理過程中，采用合適建模仿真算法將會很大程度地增大空間，由此可產(chǎn)生很多新的算法。

c.電力大數(shù)據(jù)可視化。電力大數(shù)據(jù)可視化即采用一種圖形或表格的形式，使數(shù)據(jù)更加明確、易懂。其基本思路是計算機與圖像處理技術(shù)對單一數(shù)據(jù)進行處理，然后將大量的數(shù)據(jù)用圖形表示，既增加了直觀感，又增添了很大的藝術(shù)感，使之能夠完美展示數(shù)據(jù)的細節(jié)，便于對數(shù)據(jù)的理解。電力大數(shù)據(jù)可視化與其他技術(shù)結(jié)合，可以促進智能電網(wǎng)發(fā)展，可稱之為一種數(shù)據(jù)分析工具，又是一種清晰的展示方法。

d.電力大數(shù)據(jù)存儲與處理技術(shù)。電力大數(shù)據(jù)存儲與處理技術(shù)主要是用于解決電力大數(shù)據(jù)實時存儲與處理。內(nèi)存技術(shù)與Hadoop技術(shù)兩者的融合。內(nèi)存處理技術(shù)是將大數(shù)據(jù)全部放到內(nèi)存里進行計算，是對傳統(tǒng)數(shù)據(jù)的一種改進。

對大數(shù)據(jù)進行數(shù)據(jù)挖掘，并提取出大量有用的信息，提高了對大數(shù)據(jù)的處理能力。電力大數(shù)據(jù)分析挖掘是智能電網(wǎng)大數(shù)據(jù)的關(guān)鍵技術(shù)，將智能算法應(yīng)用在數(shù)據(jù)挖掘中，可提高數(shù)據(jù)的利用率，并可以發(fā)現(xiàn)有用的信息。因此，提出了電網(wǎng)智能算法[13-15]下大數(shù)據(jù)在電力行業(yè)中的應(yīng)用。

3 智能算法下大數(shù)據(jù)在電力行業(yè)中的應(yīng)用

電網(wǎng)智能算法在電力行業(yè)中應(yīng)用較廣，其中的智能算法如粒子群算法、人工免疫算法、蟻群優(yōu)化算法和遺傳算法等，都在電力行業(yè)中有著很多的應(yīng)用。在電力行業(yè)中，粒子群算法主要在電網(wǎng)擴展規(guī)劃、檢修計劃、機組組合、負荷經(jīng)濟分配、最優(yōu)潮流計算與無功優(yōu)化控制、諧波分析、參數(shù)辨識和優(yōu)化設(shè)計等方面有著很大的作用。就最優(yōu)潮流計算與無功優(yōu)化控制方面而言，無功優(yōu)化是最優(yōu)潮流計算當中的一種，實現(xiàn)無功優(yōu)化控制，可以改善電壓分布、減少網(wǎng)損。粒子群優(yōu)化算法的出現(xiàn)為最優(yōu)潮流和無功優(yōu)化計算提供了新思路。文獻[16]將粒子群算法應(yīng)用在IEEE 30節(jié)點系統(tǒng)的無功優(yōu)化問題中，通過優(yōu)化過程當中自動調(diào)節(jié)算法的有關(guān)參數(shù)，克服了需要測試多次確定參數(shù)的缺點。文獻[17]應(yīng)用粒子群算法解決電力系統(tǒng)的最優(yōu)潮流問題，并以30節(jié)點系統(tǒng)為例，以提高電壓穩(wěn)定性為前提進行目標優(yōu)化，仿真結(jié)果顯示粒子群算法在最優(yōu)潮流問題上有很大的作用。人工免疫算法在電力系統(tǒng)的配電網(wǎng)重構(gòu)、約束優(yōu)化問題、經(jīng)濟負荷分配和混沌優(yōu)化等方面有著很多應(yīng)用。就配電網(wǎng)重構(gòu)方面而言，人工免疫算法具有較快的收斂速度、較高的收斂精度、對求網(wǎng)損最小的配電網(wǎng)重構(gòu)等特點。在縮短抗體編碼的基礎(chǔ)上，在種群初始化時，對個體進行接種疫苗，通過修改個體的某些基因位上的基因，使得可行解的比例變大，從而使其能夠獲得最優(yōu)解。蟻群算法在配電網(wǎng)、電力系統(tǒng)優(yōu)化方面有較多應(yīng)用，對提高電力系統(tǒng)穩(wěn)定性有很大的作用。在基于蟻群算法的配電網(wǎng)重構(gòu)[18]中,詳細介紹了蟻群算法在配電網(wǎng)方面的應(yīng)用，說明蟻群算法在動態(tài)電網(wǎng)優(yōu)化有很大的作用，并通過IEEE 6節(jié)點系統(tǒng)的仿真取得了很好的結(jié)果。遺傳算法在電力行業(yè)的優(yōu)化問題、負荷調(diào)度等方面也都有很深入的應(yīng)用。

在上述4種電網(wǎng)智能算法中，都需通過對數(shù)據(jù)進行分類、挖掘，并建立合適的模型，從而提取有用的潛在的信息、知識，并且還揭示了大量數(shù)據(jù)間的關(guān)聯(lián)、相似特征、差異、依賴、趨勢和反常等不同的變化，來進行建模分析，進行大數(shù)據(jù)分析挖掘，從而提取出有價值的數(shù)據(jù)群，并從大數(shù)據(jù)中發(fā)現(xiàn)潛在的信息和有價值的知識財富。通過在智能算法的基礎(chǔ)上對大數(shù)據(jù)進行分析、挖掘和提取，在一定程度上提高了電力行業(yè)的應(yīng)用價值。

以遺傳算法為例，具體分析大數(shù)據(jù)在電力行業(yè)當中的應(yīng)用。遺傳算法源于生物進化過程中優(yōu)勝劣汰適者生存的機制，模擬生物染色體的代際復制、交叉和變異的機制，通過若干代進化，收斂至最高適應(yīng)度。通過隨機尋優(yōu)方法，自動獲取優(yōu)化的方向，這種尋優(yōu)法對分析和挖掘數(shù)據(jù)相當重要，因此被廣泛運用到其他各個領(lǐng)域，如組合優(yōu)化、信號分析處理等。

在遺傳算法中，適應(yīng)度函數(shù)值的大小是核心部分，適應(yīng)度是用來檢測種群中個體優(yōu)劣的衡量指標。在這里指特征組合判據(jù)的值，適應(yīng)度函數(shù)一般具有連續(xù)、非負和最大化等特點。遺傳算法的流程如圖1所示。

圖1 遺傳算法的流程

4 示例分析

針對大數(shù)據(jù)中數(shù)據(jù)種類繁多、價值密度低的特點，要從大量的數(shù)據(jù)中挖掘出有價值的信息，可采用MATLAB編程仿真計算，以目標函數(shù)控制系統(tǒng)為對象，通過使用遺傳算法對控制參數(shù)進行整定，使得系統(tǒng)達到最佳的收斂狀態(tài)。對該對象利用遺傳算法進行仿真，設(shè)種群規(guī)模為50，最大迭代次數(shù)為80代，通過計算各個個體的適應(yīng)度值來判斷算法是否收斂。如滿足收斂法則，則輸出收斂結(jié)果，如不滿足，則從種群個體隨機選擇2個個體，對這2個個體進行多次交叉，從結(jié)果中選擇最優(yōu)個體存入新種群，從而保證在每1次演化中，子代總是保留父代中最好的個體。下面對部分樣本數(shù)據(jù)進行選擇，選取一部分數(shù)據(jù)進行展示。算法仿真結(jié)果如圖2～圖3所示。

圖2 80次迭代后的 目標函數(shù)值

圖3 80次迭代后的適應(yīng)度值

在遺傳算法中，目標函數(shù)將提供測量手段，最適合的個體對應(yīng)最小的目標函數(shù)值。圖2為種群個體經(jīng)過80次迭代后最優(yōu)個體與平均個體的目標函數(shù)值。從圖2可以看出，最優(yōu)個體將更利于種群進化，而適應(yīng)度函數(shù)值通常用于轉(zhuǎn)換目標函數(shù)值，適應(yīng)度值是衡量算法性能的關(guān)鍵技術(shù)。圖3為經(jīng)過80次迭代后的種群個體最佳適應(yīng)度值，適應(yīng)度的測量值剛好適中，有利于選擇最合適的數(shù)據(jù)個體。適應(yīng)度值有利于選擇群體的優(yōu)劣程度，從而選出適合種群的進化方向，在很大程度上影響著算法的性能。

通過采用遺傳算法，對個體樣本數(shù)據(jù)進行仿真運算。從本質(zhì)上來說，遺傳運算是一種迭代運算，它是通過逐次逼近來選取其中的最優(yōu)解，挖掘出大數(shù)據(jù)中最有利的部分，根據(jù)適應(yīng)度的值來選擇每個數(shù)據(jù)的優(yōu)劣性，再以適者生存的原理從種群中選取最合適進行變異、然后產(chǎn)生新的大數(shù)據(jù)(后代)，隨后根據(jù)優(yōu)劣程度的大小，找出最合適的個體，挖掘出大數(shù)據(jù)中最有利、最有效的數(shù)據(jù)，并對其進行合理的利用。在電力系統(tǒng)中，挖掘出最合適的大數(shù)據(jù)將有利于電力穩(wěn)定的預(yù)測，有利于提高電力系統(tǒng)的可靠性、經(jīng)濟性和安全性。通過對遺傳算法的研究，遺傳算法在處理高維、非線性和多約束問題方面具有良好的收斂性。而電力系統(tǒng)在優(yōu)化運行方面也具有高維、非線性和多約束等特點，在電網(wǎng)智能算法的基礎(chǔ)上，電力大數(shù)據(jù)在電力系統(tǒng)的優(yōu)化調(diào)度、全局尋優(yōu)和負荷預(yù)測等方面都有著很大的作用。

5 智能大數(shù)據(jù)在電力行業(yè)的發(fā)展趨勢

就目前形勢而言，智能大數(shù)據(jù)已在電力行業(yè)中有所發(fā)展，為該領(lǐng)域數(shù)據(jù)采集效率的提高以及電網(wǎng)的管理水平都有著很大的聯(lián)系，并且智能大數(shù)據(jù)也逐漸被應(yīng)用在能源領(lǐng)域、管理系統(tǒng)方面和其他領(lǐng)域方面[19-22]，還在調(diào)度發(fā)電等方面有所運用。智能大數(shù)據(jù)除了在新能源方面有所應(yīng)用外，在電動汽車方面也有很大的作用，運用大數(shù)據(jù)技術(shù)合理安排電能的使用情況，對電能進行合理的預(yù)測，是現(xiàn)在電力發(fā)展的主要動力。智能電網(wǎng)大數(shù)據(jù)目前發(fā)展如下：一是服務(wù)于社會、政府行業(yè)；二是服務(wù)于電力行業(yè)以及電網(wǎng)自身的發(fā)展；三是服務(wù)于其他行業(yè)；四是服務(wù)于各種能源行業(yè)。在上述行業(yè)中，智能電網(wǎng)大數(shù)據(jù)也同樣會面臨前所未有的挑戰(zhàn)。

將大數(shù)據(jù)運用到電力系統(tǒng)暫態(tài)穩(wěn)定性分析與電壓穩(wěn)定方面還未有很大的進展，且都只停留在理論階段。因此，將大數(shù)據(jù)運用到電力系統(tǒng)暫態(tài)中，用于負荷預(yù)測、故障定位等方面，從而保證系統(tǒng)電壓穩(wěn)定，這將會是大數(shù)據(jù)在電力系統(tǒng)方面的重大突破和發(fā)展的必然趨勢。在今后的發(fā)展中，大數(shù)據(jù)、互聯(lián)網(wǎng)、云計算和通訊信息的結(jié)合，將會是智能電網(wǎng)大數(shù)據(jù)的另一發(fā)展趨勢，除此外，智能電網(wǎng)大數(shù)據(jù)還將在其他領(lǐng)域有很大的發(fā)展。

6 結(jié)束語

目前，大數(shù)據(jù)在電力行業(yè)中的應(yīng)用越來越廣，尤其是在電力系統(tǒng)的優(yōu)化調(diào)度、負荷預(yù)測和全局尋優(yōu)等方面都得到了很多的應(yīng)用?；诖?，提出了基于智能算法大數(shù)據(jù)在電力行業(yè)中的運用。以遺傳算法為核心，通過找出種群中最合適的個體，找出個體最佳適應(yīng)度值，挖掘出大數(shù)據(jù)中最有利的數(shù)據(jù)，便于合理應(yīng)用。挖掘出的大數(shù)據(jù)將有利于電力穩(wěn)定的預(yù)測，從而提高電力系統(tǒng)的穩(wěn)定性，以便電力系統(tǒng)能夠安全、可靠地運行。

參考文獻：

[1] 夏懷民，徐雄軍．智能電網(wǎng)下基于大數(shù)據(jù)技術(shù)的電力需求側(cè)管理探究[J]．湖北電力，2017，41(4)：1-4．

[2] 丁倩，劉華喜．智能電網(wǎng)大數(shù)據(jù)技術(shù)發(fā)展研究[J]．智能城市，2016(12)：47-48．

[3] 劉偉，侯軻，姜蘇航，等．基于智能電網(wǎng)大數(shù)據(jù)技術(shù)發(fā)展研究[J]．電子技術(shù)與軟件工程，2016(6)：179．

[4] 張東霞，苗新，劉麗平，等.智能電網(wǎng)大數(shù)據(jù)技術(shù)發(fā)展研究[J]．中國電機工程學報， 2015,35(1)：2-12．

[5] 鄭海東，易武，孫薇庭，等．大數(shù)據(jù)及其在電力工業(yè)的應(yīng)用[J]．農(nóng)村電氣化，2015(9)：34-35．

[6] 張鵬飛，徐志宇，許唐云，等．面向智能電網(wǎng)大數(shù)據(jù)的分析挖掘與計算范式[J]．電力學報，2016，31(2)：89-94．

[7] 鐘澤波，范曦露．基于狀態(tài)估計的電網(wǎng)數(shù)據(jù)信息融合與預(yù)警[J]．科學技術(shù)創(chuàng)新，2017(20)：125-126．

[8] 廖旎煥，胡智宏，馬瑩瑩，等．電力系統(tǒng)短期負荷預(yù)測方法綜述[J]．電力系統(tǒng)保護與控制，2011，39(1)：147-152．

[9] 彭小圣，鄧迪元，程時杰，等．面向智能電網(wǎng)應(yīng)用的電力大數(shù)據(jù)關(guān)鍵技術(shù)[J]．中國電機工程學報，2015，35(3)：503-511．

[10] 孟祥君，季知祥，楊祎．智能電網(wǎng)大數(shù)據(jù)平臺及其關(guān)鍵技術(shù)研究[J]．供用電，2015，32(8)：19-24．

[11] 田世明，楊增輝，時志雄，等．智能配用電大數(shù)據(jù)關(guān)鍵技術(shù)研究[J]．供用電，2015，32(8)：12-18．

[12] 胡中功，李靜．群智能算法的研究進展[J].自動化技術(shù)與應(yīng)用，2008，27(2)：13-15．

[13] 李宏，焦永昌，張莉．求解全局優(yōu)化問題的混合智能算法[J]．計算機工程與應(yīng)用，2006，42(16)：9-11,18．

[14] 武飛周，薛源．智能算法綜述[J]．工程地質(zhì)計算機應(yīng)用，2005(2)：9-15．

[15] 顧卓遠．基于響應(yīng)的電力系統(tǒng)暫態(tài)穩(wěn)定控制技術(shù)研究[D]．北京：中國電力科學研究院，2014．

[16] Zhang W，Liu Y T，Clerc M．An adaptive PSO algorithm for reactive power optimization[C]// International Conference on Advances in Power System Control，Operation and Management，2003：302-307．

[17] Abido M A．Optimal power flow using particle swarm optimization[J]．International Journal of Electrical Power & Energy Systems，2002,24(7)：563-571．

[18] 李將軍．蟻群算法研究及其在電力系統(tǒng)中的應(yīng)用[D]．重慶:重慶大學，2009．

[19] 曹軍威，楊明博，張德華,等．能源互聯(lián)網(wǎng)——信息與能源的基礎(chǔ)設(shè)施一體化[J]．南方電網(wǎng)技術(shù)，2014，8(4)：1-10．

[20] 王敏.基于智能電網(wǎng)大數(shù)據(jù)發(fā)掘和模擬退火算法的配網(wǎng)重構(gòu)[J]．水電能源科學，2016(3)：208-210,199．

[21] Miao X．Big data and smart grid[C]// Proceedings of the 2014 International Conference on Big Data Science and Computing,2014：1-2．

[22] Wu X D，Zhu X Q，Wu G Q，et al. Data mining with big data[J]．IEEE Transactions on Knowledge and Data Engineering，2014， 26(1)：97-107．