摘要:對智能電網(wǎng)模式下變電站運行所需的數(shù)據(jù)進行了分析,發(fā)現(xiàn)變電站數(shù)據(jù)雖然復(fù)雜,但其可以歸結(jié)為三類——離散數(shù)據(jù)、矢量數(shù)據(jù)、流媒體數(shù)據(jù)。通過對這三類數(shù)據(jù)分別進行管理和針對性治理、挖掘,可以實現(xiàn)對變電站數(shù)據(jù)更高效的管理,使其充分服務(wù)于智能電網(wǎng)。
關(guān)鍵詞:智能電網(wǎng);變電運行;數(shù)據(jù)需求;數(shù)據(jù)結(jié)構(gòu);數(shù)據(jù)分析
0? ? 引言
從最初的五防系統(tǒng)開始,變電站的運行已經(jīng)進入大數(shù)據(jù)時代。智能電網(wǎng)的CBA模式,即云計算(Cloud Computing)、大數(shù)據(jù)(Big Data)、人工智能(Artificial Intelligence),均需對變電站數(shù)據(jù)進行更高效率的管理。本文重點討論智能電網(wǎng)下變電站運行的數(shù)據(jù)采集需求和數(shù)據(jù)結(jié)構(gòu)分析方法。
1? ? 變電運行的原始數(shù)據(jù)來源
變電運行數(shù)據(jù)中,以各級母線及相關(guān)設(shè)備中安裝的互感器獲得的電流和電壓數(shù)據(jù)為核心數(shù)據(jù),其中包括三相母線各自的互感器數(shù)據(jù),中性線、接地線的互感器數(shù)據(jù)等。另外,還需采集部分設(shè)備的溫度(一般以紅外探頭實現(xiàn))、振動(一般以激光陀螺儀實現(xiàn))、聲音、油量等數(shù)據(jù)。雖然變電運行的數(shù)據(jù)來源較為復(fù)雜,但從數(shù)據(jù)來源的原始數(shù)據(jù)結(jié)構(gòu)分析,主要原始數(shù)據(jù)只有三種:
1.1? ? 雙精度浮點離散數(shù)據(jù)
來自電壓互感器和電流互感器、油量計、流量計、計數(shù)器等的數(shù)據(jù),均屬于雙精度浮點離散數(shù)據(jù)。離散型數(shù)據(jù)更容易進行信度分析、效度分析、回歸分析、狀態(tài)空間分析等數(shù)據(jù)治理和初步分析。
1.2? ? 流媒體數(shù)據(jù)
來自紅外攝像探頭、音頻探頭等設(shè)備的數(shù)據(jù)屬于流媒體數(shù)據(jù),其中紅外探頭數(shù)據(jù)屬于三維流媒體數(shù)據(jù)(含一維時間軸),聲音探頭數(shù)據(jù)屬于一維流媒體數(shù)據(jù)。這些流媒體數(shù)據(jù)較難進行離散數(shù)據(jù)分析(信度分析、效度分析、回歸分析、狀態(tài)空間分析等),但可以直接在神經(jīng)網(wǎng)絡(luò)或模糊判斷等計算模塊中進行深入挖掘。
1.3? ? 矢量數(shù)據(jù)
來自激光陀螺儀、加速度計等儀器的數(shù)據(jù)多屬于矢量數(shù)據(jù),這些數(shù)據(jù)的特征是相對離散、帶有矢量信息,將這些數(shù)據(jù)求導(dǎo),可以得到連續(xù)的路徑信息。經(jīng)過熱力圖分析、矢量疊加分析等,可以得到系統(tǒng)的振動特性和移動特性數(shù)據(jù)。同時可以將這些數(shù)據(jù)進行離散化,得到類似雙精度浮點離散數(shù)據(jù)的相關(guān)數(shù)據(jù),也可以將這些數(shù)據(jù)進行位圖化,得到流媒體數(shù)據(jù)。
2? ? 變電運行的數(shù)據(jù)治理及挖掘方案
首先,來自互感器的電流、電壓等波形數(shù)據(jù),可以使用基于逆向傅里葉回歸的非線性正弦函數(shù)回歸的模式進行計算。
波形數(shù)據(jù)正弦非線性回歸的訓(xùn)練數(shù)據(jù)來源為1 s間隔采集的二次電壓(U)和電流(I)數(shù)據(jù),自變量為時間序列(t),單位為ms。
式中,A為振幅數(shù)據(jù),表示波形在縱軸上的幅度;ω為振幅調(diào)整參數(shù),表示波形在縱軸上的壓縮程度;φ為初相參數(shù),表示波形在橫軸上的位移截距;b為截距參數(shù),表示波形在縱軸上的位移截距;i為迭代次數(shù),表示回歸方程最終疊加的固定雜波的層數(shù)。
假定i為固定值,即僅考慮振幅最大的5層波形,最終得到兩個回歸參數(shù)陣列:
其次,其他回歸及衍生的回歸過程更適合進行線性回歸。
在時間序列t上進行線性回歸,回歸方程式為:
在實際運行過程中,線性回歸過程是動態(tài)過程,沿著時間軸線,其回歸因子會發(fā)生變化。
最后,在數(shù)據(jù)治理中還有可能用到MIN-MAX投影、LN投影等數(shù)據(jù)治理方法,其中MIN-MAX主要用作數(shù)據(jù)的去量綱計算,即解決電壓數(shù)據(jù)和電流數(shù)據(jù)相比較的問題;而LN投影一般與MIN-MAX投影結(jié)合使用,將MIN-MAX進行加1計算,使其區(qū)間從[0,1]區(qū)間移動到[1,2]區(qū)間,或者將MIN-MAX區(qū)間乘以某值,比如進行乘10計算,使其區(qū)間從[0,1]區(qū)間擴展到[0,10]區(qū)間,再進行加1計算后,進一步移動到[1,11]區(qū)間。
3? ? 變電運行的數(shù)據(jù)結(jié)構(gòu)分析
當(dāng)前變電站的核心數(shù)據(jù)庫一般采用分布式管理,即獨立系統(tǒng)的數(shù)據(jù)存儲在相關(guān)數(shù)據(jù)系統(tǒng)的管理系統(tǒng)中。一般變電站的獨立系統(tǒng)的管理系統(tǒng)數(shù)據(jù)庫采用微軟的SQL Server數(shù)據(jù)庫或者谷歌的MySQL數(shù)據(jù)庫,少部分數(shù)據(jù)量較大的系統(tǒng)采用dBASE數(shù)據(jù)庫或者Haddop數(shù)據(jù)庫。
核心數(shù)據(jù)庫分為4層:
第一層為數(shù)據(jù)硬件層:數(shù)據(jù)硬件層指互感器線圈、紅外探頭、音頻探頭、陀螺儀等數(shù)據(jù)采集使用的硬件設(shè)施,及相關(guān)硬件用于數(shù)據(jù)存儲和分布式數(shù)據(jù)處理的CPU、RAM、SSD等硬件資源。
第二層為獨立數(shù)據(jù)層:獨立數(shù)據(jù)層指存儲在分布式系統(tǒng)及分布式系統(tǒng)的服務(wù)器中的相關(guān)數(shù)據(jù)集合。這些數(shù)據(jù)一般只服務(wù)于獨立系統(tǒng),并不能形成跨系統(tǒng)的數(shù)據(jù)交互。
第三層為整合數(shù)據(jù)層:通過對變電站中所有獨立數(shù)據(jù)系統(tǒng)進行實時查詢并在中央大數(shù)據(jù)倉庫中進行備份,形成整合數(shù)據(jù)。同時對這些數(shù)據(jù)進行初步治理,如各種回歸及在回歸基礎(chǔ)上構(gòu)建的多維度狀態(tài)空間模型,將這些空間模型也在整合數(shù)據(jù)層中進行存儲。
第四層為服務(wù)數(shù)據(jù)層:整合數(shù)據(jù)因為體量龐大,查詢和更新時間都較長,所以無法進行直接利用,必須構(gòu)建服務(wù)數(shù)據(jù)層。服務(wù)數(shù)據(jù)層一般使用源數(shù)據(jù)庫結(jié)構(gòu)實現(xiàn)。
4? ? 結(jié)語
綜上所述,變電站數(shù)據(jù)雖然來源和結(jié)構(gòu)均較為復(fù)雜,但其可以歸結(jié)為雙精度浮點數(shù)據(jù)集、矢量數(shù)據(jù)集、流媒體數(shù)據(jù)集三種,在實際大數(shù)據(jù)管理中,可以針對這三種數(shù)據(jù)分別進行管理,同時可以根據(jù)數(shù)據(jù)的實際意義,開發(fā)數(shù)據(jù)治理、數(shù)據(jù)挖掘、數(shù)據(jù)可視化的相關(guān)工作,以實現(xiàn)對相關(guān)數(shù)據(jù)最大限度的利用。
[參考文獻]
[1] 李永興,劉連義.變電站數(shù)據(jù)采集器專線MODEM的設(shè)計[J].計算機與數(shù)字工程,2019,47(9):2315-2320.
[2] 國家電網(wǎng)首個聯(lián)網(wǎng)運營多站融合變電站投運[J].農(nóng)村電氣化,2019(8):8.
[3] 韓軍,馬佳豪,李曉軍,等.基于數(shù)據(jù)挖掘的變電站告警數(shù)據(jù)分析和巡檢策略研究[J].電力大數(shù)據(jù),2019,22(7):20-26.
[4] 郭懷東,侯新偉,胡玉平.基于電力物聯(lián)網(wǎng)多源異構(gòu)數(shù)據(jù)分析的變電站智能健康系統(tǒng)的研究[J].電氣技術(shù)與經(jīng)濟,2019(3):1-2.
收稿日期:2019-12-12
作者簡介:劉成華(1994—),女,青海西寧人,助理工程師,研究方向:變電運行。