基于实时数据库的调控一体化平台及其负荷分析的技术方案

开篇：润墨网以专业的文秘视角，为您筛选了一篇基于实时数据库的调控一体化平台及其负荷分析的技术方案范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

摘 要：本文基于实时数据库的电力调控一体化平台，利用全景历史数据以及专业计算服务功能，实现电力负荷特性分析。以秒级实时数据为基础，利用数据挖掘算法进一步提高负荷预测的准确率，并有效的滤除噪声数据。文章以负荷数据和温度数据的关联分析为案例，体现了模块的准确性和稳定性。实践证明，本文提出的的方案能够为电力企业提供良好的辅助决策建议。

关键词：海量实时平台；电力调度自动化；实时数据库库；负荷特性分析；数据挖掘

引言

随着我国电力体制改革深化和市场经济进一步发展，电力市场分析工作对电力企业的经营和规划发展越来越重要。如何准确的实现电力负荷特性分析已经成为电力企业在经营管理环节中的一项重要内容。本文介绍的基于实时数据库的调控一体化平台，就是充分利用数据挖掘技术对电网运行控制类、调度计划类、统计分析类指标进行分析和评价，形成对电网控制精确性和运行方式安排科学合理性的闭环机制，实现对电网运行精细化管理。

1平台介绍

1.1平台结构

图1 平台架构

平台的整体架构如图1所示，包含数据接入层、数据存储层、应用支撑层以及应用实现层。通过对EMS系统进行全息时标量测数据的高精度采样，实现数据变化即存储功能，构建一套实时数据平台。利用实时数据平台提供的应用支撑套件研究实现全景历史数据反演、动态数据曲线、数据统计分析、自动报表等功能应用。

1.2平台主要特色

（1）调控一体化平台采集数据的变化即存

首次在调控一体化平台中应用实时数据存储技术，实现调控一体化平台采集数据的变化即存，记录整个电网完整的运行轨迹。

（2）基于实时数控的电网分析统计与数据挖掘

首次在调控一体化平台中开展基于实时数据的电网运行分析统计，实现对电网运行采集数据的深度挖掘，为实现电网运行的精益化管理奠定了坚实的基础。

（3）开放的应用支撑套件和丰富数据可视化图元

采用灵活、便捷的二次开发应用套件工具，便于用户定制个性化的应用功能。采用多种图元展示统计分析数据，便于多角度分析，更加直观、可视化效果更好。

2 平台在负荷分析中的应用特点

2.1精益化的负荷数据采集

以某地区某110kv线路的负荷数据为例，以实时数据库为数据源的方式数据密度大，获取的细节信息多，有利于精益化分析。

2.2基于数据挖掘的滤波功能

利用量测全息的历史数据，挖掘分析任意历史时间段内的量测数据的跳变情况。应用根据量测数据跳变算法，结合开关状态、对端开关状态、数据变化趋势等信息，分析出跳变测点，并进行滤波，提高样本数据的精确度。

3 负荷预测分析的流程介绍

在智能电网时代，大规模分布式能源将会并网，电源结构将会很丰富。负荷预测是智能电网中的一项重要内容，在负荷的预测中也要考虑天气因素。该平台的负荷预测流程如图2所示：

图2负荷预测流程示意图

3.1数据清洗的意义

在进行负荷分析之前需要对采集的数据进行数据清洗或滤波，即空值及异常值处理、离群值剔除等。这样可以很好的处理负荷采集中的量测跳变，为接下来的分析提供可靠的数据保障，基于实时数据库的电力调控一体化平台采用的是加权平均滤波法。

（1）

其中a1 、a2 、a3 是加权系数， 。

3.2负荷与气温的关联分析

自然条件变化对电力负荷的供应影响很大，如遇到台风、强对流天气、连续强降雨等恶劣天气，电网负荷要明显下降。

根据日最高负荷与最高气温的关联性分析，可以发现气温偏低或偏高时所需要的负荷会增多，这是由于气温低时取暖负荷增多，气温高时降温负荷（如空调、冰箱等）增多。

3.3负荷预测算法

负荷预测采用不考虑气温因素和考虑气温因素的预测模型。如下列公式2、3所示：

预测结果和实际负荷对比可以发现，考虑了气温因素的模型预测的结果准确性和稳定性要高于未考虑气温的模型。

4结束语

基于实时数据库的电力调控一体化平台，提供全息时标量测数据，使得电力负荷分析和预测更加精准。通过对时标量测电网设备信息统计分析等研究，充分挖掘海量时标量测数据的潜在价值，弥补现有调度自动化系统在电网运行过程中统计分析及实时监测能力的不足。在未来的电力负荷分析中，除使用常用特性指标来衡量电力系统负荷状况，还将考虑系统负荷组成的复杂性，从而完善负荷分析功能化模块。

参考文献：

[1]方明霞，等.PI数据库在浙江电网的应用现状与展望[J].浙江电力，2010（4）：51-54.

Fang Mingxia， et al. Application situation and prospect of PI in Zhejiang power grid[J].Zhejiang Electric Power.

[2]黄达文.基于数据挖掘的电力系统短期负荷预测应用研究[D].华南理工大学，2009.

Huang Dawen. Short-term load forecasting application of power system based on data mining[D]. South China University of Technology，2009.