基于数据融合的平台化技术研究

基于数据融合的平台化技术研究

宋晓 李亦然 张少鹏

国网河南内乡县供电公司 河南内乡 474350

摘要：通过采集电力内外部数据，通过智能信息融合等技术，实现数据跨界融合，挖据电力大数据潜在价值。通过数据分析和跨界融合，并构建基于电力公共安全的跨界大数据一体化管理平台。

关键词：大数据；数据分析；跨界融合；管理平台

0引言

随着大数据日渐发展，智慧城市、智能电网的实现也需要应用电力大数据。目前，跨界大数据结构多样，关系复杂，电力运行的数据既包括日常的电力内部数据，还包括外部数据，例如，天气、互联网数据、GIS等多源异构数据，电力安全运行的数据融合严重程度不足，加之数据容量的急速上涨，导致现有的数据分析模式运行起来相对较慢，无法及时有效得出结果，不能全面真实反映当地低电压真实分布情况，不能准确确定低电压台区发生位置，无法进行未来 24 小时预警；同时，大量实时数据被沉淀下来成为历史数据，潜在应用价值亟需深入挖据，更多的分析工作目前拘泥于数据之间的因果关系的探究，没有在数据的相关关系中发据数据本身的潜在价值。

针对目前电网存在的问题，通过采集电力内外部数据，通过智能信息融合等技术，实现数据跨界融合，挖据电力大数据潜在价值。通过数据分析和跨界融合，并构建面向基于电力公共安全的跨界大数据一体化管理平台^[1]。

1研究内容

1.1跨界大数据采集

海量的数据是电力运行的直接产物，这些数据的存储、管理和计算的高效性，都对

上层的分析服务有着举足轻重的影响。

电网数据广城分布、种类众多，包括实时数据、历史数据、文本数据、多媒体数据、

时同序列数据等各类结构化，半结构化数据以及非结构化数据，各类数据查询与处理的颜度和性能要求也不尽相同。电力大数据来源广泛化，分为内部数据和外部数据，电网内部数据主要来源于发电、·输电、变电、配电、用电、调度六大环节相关业务系统；外部数据包括可反映经济、社会、政策、气象、用户特征、地理环境等影响电网规划和运行的数据，项目研究支持在文件、HDFS 以及各种主流关系型数据库，Mysql、Sqlserver

和人Oracle之间的数据交互，基于插件式设计，它将每一个数据源做成一个插件，以便可以灵活组装，应对各种类型的数据交互。

1.2面向电力安全的大数据一体化管理平台设计

研制面向电力公共安全的大数据一体化管理平台，构建面向电力安全大数据中心，对PB 级的服务数据的收集，过滤，存储，管理，和计算进行全方位的一体化的调度和管理，为上层运行的数据分析服务提供可靠、高效的底层数据读写支持。研究面向电力安全大数据中心的技术架构，采用多层分层架构，利用当前大数据主流技术，保证数据中心技术先进性^[2]。

2功能

2.1实现用户用电行为特征的用电负荷监测功能

随着电力生产和消费日益市场化，对负荷预测的准确性、实时性、可靠性和智能性提出了更高的要求，负荷预测精度的高低对电网的安全、稳定运行及供电质量都有着直接的影响。

由于用户负荷数据之间存在关联性和相似性，数据中隐藏着用户的用电行为习惯，对这些用电数据进行挖掘并研究用户类型，有助于了解用户的个性化，有效提高短期负荷预测的精度。通过基于对用户负荷、用户档案、电网网络架构等内部数据和气候，气温变化等外部数据进行数据融合，构建电力负荷监测模型，运用数据挖据与数据分析、聚类分析、专家系统法等前沿技术，搭建基于用户的电力负荷监测系统，提高电网运行的稳定性，确保电力运行公共安全，针对高压用户开展负荷预测及特性分析，提前了解重点客户的未来用电需求量，提高大客户服务水平，减轻电网运行压力。同时针对居民用户开展用电风险预测，防范用户违约用电、盗电行为，降低配电线损率，保障电网安全，提高公司经营效益。

下图1为用电负荷监测图。

图1.用电负荷监测图

2.2实现变电设备状态监测与智能预警

变电设备状态监测的关键在于对设备运行状态进行准备评估，判断变电设备可能会出现的故障点，不但实现预警，而且还可以实现对警情的处理和控制。变电设备状态评估需要集设备的基础信息，历史运行数据和设备故障缺陷数据等，通过从数以万计的发电机、变压器、开关设备、架空线路、高压电缆等设备中获取的高速增长的监测数据，光伏和风电功率预测所需的大量的历史运行数据、气象观测数据等，通过对历史数据进行深度挖据分析，结合气象数据、发生故障次数和检修数据报表，进行数据深度融合，形成状态评估的基本数据知识库，对变电设备健康状况进行分析，实现对设备健康状况分析以及智能化预警，避免因设备故障

导致的电网瘫痪，给用电企业造成不可避免的损失。通过开展电力设备状态监测及故障预测，辅助业务部门及时掌握设备状态，合理安排检修计划，提高检修效率，同时开展抢修效率分析，提高故障抢修管理水平、缩短故障停电时间

^[3]。

2.3 低电压监测分析

由于电力大数据来源多样性，除了日常的电力内部数据，还包括外部数据，例如，天气、互联网数据、GIS 等多源异构数据，加之数据容量的急速上涨，导致现有的数据分析模式运行起来相对较慢，无法及时有效得出结果，不能全面真实反映当地低电压真实分布情况，不能准确确定低电压台区发生位置，无法进行未来 24小时预警。因此本项目基于多源化的低电压分析方法，利用大数据技术进行低电压监测与分析，是基于电网资源对象，利用调度自动化、用电信息采集、客户报修等数据，采用数据挖据、并行计算、决策树、可视化展现等技术，实现电网资源展现、低电压台区分布与特征分析、制定治理措施和改进建议等功能，服务于中低压电网运行抢修和配电网规划^[4]。

下图3为低电压监测图。

图2.低电压监测图

2.4在线多维分析和可视化分析

为了能够有效准确地监测与分析电力系统的整体运行状况，构建跨界电力大数据运营指标体系，研制运营管理分析模型，实现对总体运营分析，减少电力故障造成的大面积停电，影响用电企业的正常经营，提高电网的安全性和可靠性，保证企业用电的公共安全，针对跨界大数据智能监测与预警服务平台的数据分析需求多，电力数据信息量大，处理过程复杂等问题，通过在线多维分析和可视化可以及时有效地为用电企业和供电企业运营进行深度分析，用户可以根据自身需求对数据进行各种自定义的多维分析和多维查询筛选，全盘可视化掌握公司的电力运行状况，为企业提供简洁直观的监测信息和有效的管理工具^[5]。

下图3为可视化示例图。

图3.可视化示例图

3结语

针对存在于多平台、多服务器的电力数据，基于非结构化、半结构化、结构化数据混杂存在的情况，大数据一体化管理平台将多个体系来源的数据进行分类融合处理，得到比单一来源更加完善、全面的数据、提高了数据的有效性和可信度，并且将不同类型的数据进行可视化展示，使人们更加方便得对数据做出直观理解和判断，方便相关部门对故障动态监测与实时巡检维护，实现智能化运维、科学化和信息化管理。

参考文献：

［1] 陈靖秋. 基于信息融合的电力系统不确定性故障诊断的研究[D]

［2] 赵熙临. 基于信息融合的电力系统故障诊断技术研究[D]，华中科技大学，2009

［3] 纪伯公，王加. 基于信息融合技术的电力系统故障诊断研究[C]，全国信号和智能信息处理与应用学术会议，2012

［4] 窦春霞. 基于信息融合的电力系统故障检测及稳定控制研究[D]，燕山大学，2005

［5] 胡超，高宏慧，陈宏山，等. 一种基于数据融合的电力系统故障综合分析方法研究[J]，电气应用，2015，v.34(S2):398-402