数据驱动的电力系统运行方式分析

数据驱动的电力系统运行方式分析

潘浩

国网内蒙古东部电力有限公司乌兰浩特市供电分公司 内蒙古自治区兴安盟 137400

摘要：目前，电力系统安全稳定运行主要依靠电网运行方式来调节，电网运行方式策略水平越高，电网运行质量也越高。通常，电力系统实时分析的主要有状态估计、静态安全分析、调度员潮流等，在调控中心针对实时调度和预测分析取得了不错的成果，但是在实际运行过程中还是会存在一些问题影响系统运行，因此积极探讨电网运行方式优化策略的意义重大。近几年，我国云平台技术水平得到了不断提高，在各个领域中都得到了应用。因电力系统已拥有完整的网络物理架构和计算、储存资源，无需再建设其他设备就可使用云平台，故其在电力行业中的应用前景也很广泛。为此，本文将云平台应用在电网中，以整合电力系统内部的大量数据资源，提高数据交互能力及数据处理效率；研究电网运行方式优化策略，以期全面改善目前遇到的问题，提高电网运行工作整体水平，提升电力系统质量。

关键词：数据驱动、电力系统；运行方式

引言

电能是社会生活与生产过程中不可或缺的资源，其供应的稳定性与安全性对市场经济发展、社会和谐建设存在直接影响。基于电力系统信息化建设进程的不断推进，自动化、智能化水平的不断提升，电力信息物理融合系统的网络攻击成为影响电力系统运行安全与稳定的核心要素。2014年“蜻蜓组织”事件、2015年乌克兰电力系统事故、2018年巴西电网水电站停电事故等发生为电力信息物理融合系统网络安全保障敲响了警钟。掌握网络攻击特征，做好相关防控工作势在必行。

1云平台概念

云平台的概念有狭义及广义之分，狭义指云平台是一种网络，能提供相应资源；广义指云平台是一种服务，把资源整合起来，通过软件实现自动管理，快速按需提供针对性资源。云计算具有高效的运算能力，可在极短的时间内处理数以万计的数据，能提供极速的网络服务。云平台系统包含云数据、云平台中心和客户端，。云平台是具备电力系统业务、调控业务、电网潮流分布及信息流分布等数据的信息共享平台，具有虚拟化、动态可扩展性、按需配置、灵活性高、可靠性高和性价比高等特点，能为广大行业提供数据储存与计算服务，快速满足用户的需求。

2电网运行中存在的问题

2.1管理问题

为保障电力系统的安全稳定性，在电力系统的管理工作中，就要制定严格的管理制度，不断提高管理人员的安全意识。但当前的电力系统管理工作中，管理人员缺乏一定的风险意识，在管理工作中不能够严格按照相关要求进行工作，存在习惯性违章作业问题，对安全职责不能落实到位，在一定程度上增加了电力系统运行的安全风险。

2.2调度计划不佳

在实际电网调度过程中，存在电网运行人员没有统筹考虑，制定的停电计划缺乏合理性，导致检修过程中出现重复停电的情况；电网停送电申请过程中，由于多种因素导致停送电时间准确性下降，存在工作延期和停电时间延长的问题。

2.3数据规模大，维度高

电力系统运行方式的变化具体表现为线路潮流、机组出力、节点电压相角等相关电气量运行规律的变化。实际电力系统中包含大量的元件，多样的电气量，不同的时间尺度和时间粒度。因此其数据维度高，数据规模大。例如江苏省220kV以上线路超过2500条，如果仅考虑小时级时间粒度，则全年存在365个60000维日潮流向量。此外，随着高比例可再生能源、储能等新因素的接入下，电力系统运行方式呈现进一步多样化的趋势，因此，需要仿真更多的运行方式样本分析其规律，这种新的特点进一步增大了所需电力系统运行方式数据的规模。如果使用电力系统历史数据，则由于实际电力系统中广泛存在的量测设备，仍然面临数据规模大、维度高的问题

2.4电网运行方式不当

当电网出现超限运行情况时，无法对可能发生的故障作出合理预判，并制定恰当的应急处理措施，选择最佳的电网运行方式，导致电力资源浪费；对于临时用电的情况，不能及时更改配电运行方式，从而不能满足用户用电需求。

 3电力系统运行方式数据的特点及数据驱动算法选取原则

        3.1电力系统运行方式数据具有以下特点：

        （1）数据规模大，维度高：电力系统运行方式的变化具体表现为线路潮流、机组出力、节点电压相角等相关电气量运行规律的变化。实际电力系统中包含大量的元件，多样的电气量，不同的时间尺度和时间粒度。因此其数据维度高，数据规模大。一方面有必要对运行方式数据进行预处理以提高后续算法的效率，另一方面高维度运行方式数据难以直观理解，有必要通过聚类算法确定其在高维空间的聚类结构，并通过降维可视化的方法在低维空间直观展示其高维空间分布及时序特点，从而加深我们在新因素接入下对电力系统运行方式特点的理解。（2）不同维度之间非线性相关：电力系统运行方式数据的不同维度之间存在物理规律的时空耦合，例如基尔霍夫电流定律、电压定律、潮流方程的耦合等，因此不同维度之间存在时间和空间的复杂非线性相关性，同时存在一定的冗余性，例如机组出力、负荷及线路潮流数据只要知道前两者就可以通过潮流方程计算出线路潮流。因此我们有必要通过预处理算法对冗余维度进行压缩。

        3.2预处理

        由于电力系统实际和仿真数据往往存在坏数据或维度冗余的问题，通常需要对实际和仿真数据进行预处理。对于仿真数据，常用的预处理方法是降维压缩。降维压缩可以过滤掉电力系统实际和仿真数据中冗余的维度，提高后续聚类及可视化算法的效率，从而将数据驱动方法拓展到实际大型电力系统。常用的降维预处理算法有主成分分析（PCA），多维变量缩放等。本文使用效率较高且易于控制压缩程度的PCA算法对高维运行方式数据进行降维预处理。

        3.3聚类及典型运行方式提取

        在新的关键因素影响下，电力系统的运行方式呈海量多变的趋势，因此需要聚类发现典型运行模式。聚类的主要方法有原型聚类（k-Means）、密度聚类（DBSCAN）、分层聚类等。本文采用原型聚类中k-Means++算法，其收敛速度快，鲁棒性较好，适用于大规模实际数据。但在高比例可再生能源等场景下，难以经验地选取合适的聚类数目，本文提出了利用电力系统运行方式紧密度指标进行聚类数目选取的方法。电力系统运行方式紧密度定义为每一类中各运行方式点到聚类中心的平均距离。选取最优聚类数后，利用k-means++算法对预处理后电力系统运行方式数据P进行模式提取，其核心思想是使初始运行方式聚类中心之间的距离尽可能远。

        3.4降维可视化方法

        电力系统运行方式数据高维且非线性相关，难以直观理解电力系统运行方式的变化模式。因此，本文通过降维可视化算法提取电力系统运行方式的主要特征，将高维数据映射到2维空间实现电力系统高维非线性运行方式可视化。典型的高维数据可视化算法有t-SNE和LargeVis，其中t-SNE已经成功应用在自然语言处理、图像处理可视化等多个领域。t-SNE的基本思路是将高维运行方式数据和一个低维流形建立对应关系，并通过计算得到相应运行方式在低维流形中的具体位置。

        结束语

        综上可知，高比例可再生能源等新因素接入使得电力系统运行方式呈现多样化的趋势。本文基于电力系统精细化运行模拟仿真数据，提出了数据驱动的电力系统运行方式分析方法。该方法利用预处理、降维可视化算法直观分析和定性理解电力系统运行方式及其变化规律，以指导实际电力系统运行规划。

        参考文献：

        [1]康重庆，姚良忠.高比例可再生能源电力系统的关键科学问题与理论研究框架[J].电力系统自动化，2017，41（9）：10–11.

        [2]袁小明，程时杰，胡家兵.电力电子化电力系统多尺度电压功角动态稳定问题[J].电机工程学报，2016，36（19）：5145–5146.