云计算技术在电力调度中的应用

引言

随着电力系统的不断发展建设,电力数据的来源、规模及种类不断扩充,调控基础数据、电网运行数据、一二次设备的监控数据/状态数据/工况数据、新能源资源数据、自然环境的变化数据等共同构成了电力调控大数据。但目前这些数据独立存在于上述的各类系统,维护独立、共享困难,缺少数据的集中管理、综合分析。

因此,为进一步提升电力调度生产管理水平,有必要整合各专业、各应用系统的数据资源,实现数据资源的协同共享:同时运用云计算的分布式存储及并行计算技术,对整合的海量数据进行开发及挖掘,并在此基础上进行新型电力调度应用的研究。

1基于调控大数据的电力调控云平台

1.1平台总体架构

如图1所示,参考云计算的典型结构进行电力调控云平台的分层设计,自下而上划分为云基础设施层(IaaP)、云中间管理层(IaaP)及云应用服务层(PaaP)。

(1)云基础设施层:通过配置集群节点、磁盘阵列、交换机等硬件设备,搭建调控云平台的底层架构,为调控云平台中间管理层、应用服务层提供数据存储及计算和数据传输网络等各类资源。

(2)云中间管理层:基于基础设施层的硬件及资源基础,建设实时数据平台、运行数据平台、模型数据平台等。

(3)云应用服务层:利用基础设施层及中间管理层的数据资源、应用服务,基于调控需求建设应用功能。

电力调控云平台融合各业务系统的调控数据,包含生产控制数据、管理数据等,基于安全防护的角度考虑,将电力调控云平台部署于安全m区。

1.2数据采集与同步

1.2.1实时数据采集

电力调控云平台实时数据的采集与同步依托于云中间管理层的云实时数据平台,通过源端EMP(现有电力调度控制系统)前置的在线采集,实现全网实时数据的采集、处理及存储。云实时数据平台的功能主要包括数据的采集及处理,为上层应用提供数据服务等。主要如下:

(1)数据采集功能采用消息转发方式,从源端EMP前置获取实时数据,进行消息打包:通过调度数据网或综合数据网调度VPN传输至安全Ⅱ区,然后以TCP流方式跨正向隔离装置,传输到安全Ⅲ区云实时数据平台。

(2)数据处理功能提供数据质量处理、模拟量处理、状态量处理、计算服务等功能,具备分布式、分调控机构、分区域处理功能。

(3)量测模型管理主要为数据采集提供变化的量测模型,即时采集传输变化的数据,通过量测模型管理,实现实时数据云平台免维护。

1.2.2模型数据同步

模型数据同步通过云中间管理层的模型数据平台,实现全网物理模型的源端同步、拼接、存储、按需发布及共享。按照《电力调度通用数据对象结构化设计》,模型数据主要包含公共数据模型、电力一次设备模型、自动化设备模型、保护设备模型[4]。模型数据平台同步汇总与管理全网各电压等级厂站(500kV、220kV、110kV、35kV)的设备模型和拓扑关系,具体如下:

在全网各地区电力调度控制系统数据同步服务器部署模型同步服务,接收模型的同步事件。

(1)各地区通过总线发送模型更新信息,通过数据传输平台发送导出的全量及增量模型文件到模型同步节点,同时发布模型更新消息。

(2)云平台返回模型同步结果和校验报告给地区,若校验失败则通知地区整改,校验成功则将校验后的模型发布到拼接服务器。

(3)云平台全网模型拼接程序根据边界表和厂站、设备名称匹配,获取厂站、设备以及电压等级ID的对应关系,对边界上的相关设备ID以及热点链接进行替换。拼接完成后,将拼接后的模型通过广域传输发布至云平台安全Ⅲ区数据同步服务器,并对原有关系库进行更新,并导出新模型推送云端,通知应用新模型导出成功。

全网图形数据同步方式与模型数据同步基本一致,其图形拼接基于模型拼接流程,拼接完成后与模型数据存储于不同的数据库。

1.2.3运行数据采集

基于模型数据平台所提供的电网全模型,运行数据平台将EMs、OMS、TMR等各业务系统的电网运行数据进行抽取、汇集、存储及分析,主要包括量测、电量、告警、事件、计划、预测、环境等七大类运行数据及相关文档资料,以支撑调控云平台的数据分析及挖掘等应用。具体如下:

(1)量测数据:从实时数据平台的实时数据库中抽取,若抽取失败,则从关系数据库中补召历史量测数据。

(2)电量数据:由OMS系统中的OMS调度报表、关系数据库中的量测历史数据、TMR系统的采集数据中抽取电网、发电厂等容器或设备的电量数据,建立源端系统和模型数据平台通用数据对象标准结构之间表、字段属性的转换关系。

(3)告警数据:直接从关系数据库中抽取历史告警数据,若抽取失败则发起数据补召。

(4)事件数据:从OMS系统数据库中抽取月度停电计划、停电事件、设备故障等事件数据,并对需要进行调控云ID映射转换的数据进行关联转换。

(5)计划数据:从电力调度控制系统安全Ⅱ区的发电计划模块中抽取日前、日内计划等,将计划数据打包为CIME文件后通过小邮件方式发送至安全Ⅲ区的小邮件服务器,并进行CIME文件解析及ID映射转换。

(6)预测数据:从电力调度控制系统安全Ⅱ区的负荷预测模块中抽取短期、超短期预测等,将预测数据打包为CIME文件后通过小邮件方式发送至安全Ⅲ区的小邮件服务器,并进行CIME文件解析及ID映射转换。

(7)环境数据:环境数据从外部业务系统的数据库中抽取,并进行ID映射转换后保存。

1.3调控大数据整合及存储

针对上述平台采集与同步的各类数据,如调控中心/变电站的基础数据、电网稳态/动态/暂态运行数据、电网调度/变电设备的监控数据、变电设备的健康状态数据、电气设备运行工况数据、新能源(水、风、光)资源数据、火电烟气排放数据、自然环境(气象、雷电)变化数据等,电力调控云平台采用传统关系数据库与分布式数据库混合使用的存储架构实现整合与存储。

1.3.1分布式存储

分布式数据存储的硬件架构区别于传统的集中式存储架构。分布式存储的硬件采用虚拟化服务器集群,将数据分布存储于多台存储集群服务器内。集群内的服务器提供数据块交叉冗余存储,实现数据的高可靠性、可用性,并实现数据的高速存取。

1.3.2调控大数据整合

利用非结构化数据与结构化数据的相互转化支撑大数据的实时获取,主要利用流数据总线、数据转换器、Hive数据库。

(1)流数据总线实现对海量流数据的汇集与处理,支持对流数据采集与加工后分发至各数据订阅端。流数据总线为调控云平台的系统日志等流数据的监听与采集提供技术支撑。

(2)数据转换器实现对不同结构数据进行相互转换,如Mys0L和关系数据库之间的转换。由于调控大数据融合了不同业务系统的数据,源数据在不同的系统中采用不同的数据结构进行存储,汇集后需要统一数据结构。

(3)Hive数据库支持对大数据的查询功能,可建立结构化的数据表与非结构化的数据文件之间的映射,实现在Ha4oop非结构化存储中存储结构化数据。

2电力调控云平台应用探索

2.1调控大数据分析指标体系

利用传统数据挖掘方式并进行补充和延伸,通过梳理统计现有的指标体系,基于融合的海量数据建立适用于融合数据的指标分析体系。

2.1.1梳理统计现有指标

应用数据仓库的主题域、主题的数据处理概念,对各业务系统(EMs、OMS、PMs等)的运行、管理相关各类指标进行整理,并结合各个科室、各个专业的实际考核指标,汇总形成跨各系统、各专业的综合指标,并进一步形成指标树。

2.1.2建立全新的指标评价体系

对各个运行管理指标的数据来源及统计周期、指标的计算原则进行分析,按照时间、电压等级等各个维度建立综合各专业、各系统的指标评价体系。

2.2检修全流程管控

目前,电网检修全流程需经过多个业务系统,如智能防误操作票系统、PMs系统、OMS系统等,业务人员在进行全流程操作时需跳转各个系统:且各业务系统之间的数据等未进行融合,如操作票、检修工作单、调度指令票等未相互关联,无法对检修全流程进行闭环管理。本文基于电力调控云平台融合各业务系统的海量数据,探索检修全流程闭环管控应用的建设。

2.2.1数据接入及管理

(1)与EMs系统的数据对接:由EMs系统接入调度指令票,解析操作任务、操作设备及操作指令信息等,建立EMs系统设备ID与云平台设备ID的映射转换,并进行调度指令票存储。

(2)与智能防误操作票系统的数据对接:由智能防误操作票系统接入顺控操作票及监控操作票,解析操作任务、设备初末状态、操作设备信息等,完成智能操作票系统设备ID与云平台设备ID的映射转换,并进行顺控操作票及监控操作票存储。

(3)与OMS系统的数据对接:由OMS系统接入检修申请单及检修申请流程信息,完成OMS系统设备ID与云平台设备ID的映射转换,建立检修申请单与调度指令票的相互关联并存储相关数据。

(4)与PMs系统的数据对接:由PMs系统接入倒闸操作票及检修工作单,数据接入采用CIME文件或服务调用方式,完成PMs系统设备ID与云平台设备ID的映射转换,并进行倒闸操作票及检修工作单数据存储。

2.2.2全流程闭环管控

基于接入的检修全流程相关表单及信息,分析各表单及流程间的相互约束关系,建立电网操作及检修全流程管控模型。可划分为以下两个流程管控模型。

(1)电网操作流程管控模型:梳理电网操作从写调度指令票到监控操作回令等各关键环节的操作流程及流程业务数据,建立电网操作流程管控模型。

(2)检修业务流程管控模型:梳理从检修申请开工到检修工作终结等各个关键环节的检修流程及业务数据,建立检修业务流程管控模型。

在上述两个管控模型的基础上,分析电网操作及检修全业务流程状态,实现关键流程闭锁。

2.3检修计划智能编排及校核

电网检修计划的编排及执行对于电网的安全稳定运行极其重要,本文基于电力调控云平台对检修计划的智能辅助编排及校核应用进行建设探索。

2.3.1多时态电网模型

为支撑中长期检修计划的智能编排,需要首先构建多时态的电网模型。根据电网规划对未来数月或一年的电网规划模型进行建模,并按照时间将模型划分为实时在投模型、近期准备投运模型、远期规划模型和历史退运模型。

上述各时态电网模型的时间属性将随着电网的建设、设备投运、参数的更新等即时发生滚动变化,图2展示了这一变化过程,远期规划模型逐步转变为近期准备投运模型,近期准备投运模型变成实时在投模型,同时新的规划模型也逐步完成建模。

检修计划的编制可基于多时态的电网模型获取未来时间断面的全网模型或特定范围的定制模型。

2.3.2检修计划编排与分析

(1)检修计划辅助编排。基于多时态电网模型的建立,可通过对年度检修计划的分析,自动生成月度检修计划及日前检修计划等,一方面可节约检修计划编排的时间,另一方面可规避检修计划调整和设备临时停电带来的风险。

(2)检修计划校核。根据调度的检修计划校核规则制订检修计划的校核策略,如工期约束、不可同停约束、重复停电约束、保供电时期不可停电约束等。在检修计划编排后可根据以上规则进行编排校核。

(3)安全计算校核。如图3所示,安全计算校核的设计思路如下:多时态电网模型与日前/中长期检修计划进行数据整合后,进行安全校核计算。安全校核计算主要包括潮流计算、静态安全分析,计算后将安全校核计算结果返回至检修计划辅助编排。

1)基态潮流计算:根据给定的电网结构、参数和发电机、负荷等元件的运行条件,确定未来电网基态交流潮流分布,包括发电机有功/无功出力、线路功率、变压器负载、母线电压等。

2)静态安全分析:判断在出现预想事故后系统是否会发生过负荷或电压越限。安全校核应具备N-1故障分析功能,对电网全部主设备(包括线路、主变、母线、机组)包括故障集进行N-1开断扫描,判断故障后系统是否满足短时过负荷能力。线路、变压器、发电机、直流线的扫描按设备断开进行;开关N-1可选择扫描开关检修、出串的3/2接线、母联(分段)开关断开等开关跳开会引起特殊拓扑变化的情况,母线N-1仅扫描母线检修单母运行的情况。

3结语

随着电力系统的不断发展,调控数据的多样性、复杂性不断提升,本文基于融合大数据提出了电力调控云平台的建设思路以及基于云计算技术的海量融合调控大数据的存储及整合方案,并对电力调控云平台的应用功能进行了建设探索。