基于电力大数据的行业发展监测方法研究.pdf

行业应用与交流Industrial Applications and Communications自动化技术与应用2024 年第 43 卷第 1 期Techniques ofAutomation&Applications基于电力大数据的行业发展监测方法研究奚增辉,王卫斌,屈志坚,姚 嵘,瞿海妮（国网上海市电力公司，上海 200122）摘要:针对目前方法研究行业发展监测时，存在监测耗时长、监测节点吞吐量小、监测效果差的问题，提出基于电力大数据的行业发展监测方法研究。该方法首先使用区域差分法提取电力数据特征，并对特征数据进行降维等预处理；再基于电力大数据理念分析电力行业发展形态，建立电力行业发展监测体系，最后通过该体系完成对电力数据的监测。实验结果表明，运用该方法监测电力数据时，监测耗时较短、监测节点吞吐量较大，且监测效果较好。关键词:电力大数据；电力行业；电力数据；监测方法中图分类号：TP311;TP181文献标识码:A文章编号:1003-7241(2024)01-0170-04Research on Industry Development Monitoring MethodBased on Electric Power Big DataXI Zeng-hui,WANG Wei-bin,QU Zhi-jian,YAO Rong,QU Hai-ni(State Grid Shanghai Municipal Electric Power Company,Shanghai 200122 China)Abstract:In view of the problems of long monitoring time,small throughput of monitoring nodes and poor monitoring effect when the cur-rent method studies industry development monitoring,a research on industry development monitoring method based on largepower data is proposed.Firstly,the regional difference method is used to extract the features of power data,and the feature dataare preprocessed by dimensionality reduction.Then,based on the concept of power big data,it analyzes the development form ofpower industry,establishes the development monitoring system of power industry,and finally completes the monitoring of powerdata through the system.The experimental results show that when using this method to monitor power data,the monitoring timeis short,the throughput of monitoring nodes is large,and the monitoring effect is good.Keywords:power big data;power industry;power data;monitoring methods收稿日期:2022-04-30DOI:10.20033/j.1003-7241.（2024）01-0170-04.1引言电力行业作为各行业经济发展的关键能源，国家每年用电数据能够直观体现出我国经济发展水平。开展电力大数据研究，通过横向拓展、纵向延伸方向对电力数据进行深度挖掘、提取社会化价值成为电力行业信息化发展的方向1。近年来电力行业发展突飞猛进，因此需要利用适当的监测方法对其进行实时监测2。当传统的行业发展监测方法无法有效完成监测任务时，提出更加高效的行业发展监测方法成为电力行业亟待解决的问题。文献3融合配电网双端信息，提出单相断线故障实时监测方法，该方法通过对电源侧和负载侧的电压、电流信号进行实时监测，提取故障特征信息，综合建立断线故障判据，实现单相断线故障的实时监测，明显提高了单相断线故障的识别精度。但是由于未能提取电力数据特征，导致该方法在对电力数据进行监测时的监测耗时大。文献4提出光伏并网下配电网单向功率潮流安全监测方法。在建立太阳辐射模型并结合光伏发电能力计算的基础上，对配电网是否存在威胁因素进行了计算，运用潮流分析法分析了配电网单向功率潮流安全监测的威胁因素威胁程度，建立了一个威胁分析系统，当威胁因素威胁程度较高时，配电网立即发出报警并记录监测结果。但是该方法在计算关联度阈值时存在问题，所以该方法在进行电力数据监测时的吞吐量小。文献5提出基于深度学习分解的低压直流配电网新型监测系统。采用深度学习技术对单个DER的频率特性进行建模。采用光伏发电机、风力涡轮机、柴油发电机和储能系统进行了考虑两种方法的案例研究，在第一种方法中，使用安装在单个DER附近的传感器进行监测。在第二种方法中，使用配电线路中的单个传感器进行监测，并对信号进行分解，以识别各个DER的状态。但是该方法在建立优化存储函数时存在误差，导致该监测方法的监测效果差。为解决上述电力数据监测过程中存在的问题，提出基于电力大数据的行业发展监测方法研究。170自动化技术与应用2024 年第 43 卷第 1 期行业应用与交流Industrial Applications and CommunicationsTechniques ofAutomation&Applications2数据预处理2.1选取特征量电力行业智能配电网中数据类型较为复杂，所以需要通过提取数据特征量来简化数据类型。2.1.1建立关联矩阵首先借助测控一体化终端对电力数据进行节点Ej编号，通过编号的节点完成节点区域排序Zi，最后通过对二者关联值的计算，建立数据的关联矩阵。由于配电网网络节点编码与节点区域对建立的矩阵无实质影响，所以编码排序时不需要依据特定原则。关联矩阵建立过程如下式所示：（1）式中，建立的数据关联矩阵为A形式，电力大数据编码为Ej，节点区域为Zi形式。2.1.2区域差分基于上述计算结果建立数据特征的区域差分矩阵，并使用该矩阵完成电力数据特征的提取，过程如下式所示：（2）式中，配电网关联矩阵为Ri形式，节点终端数据列矩阵为Ti，监测数据特征矩阵用Ci表示，差分矩阵用Ri表示，数据数量为i形式。2.2数据融合通过上述提取的数据特征，使用数据融合法对电力数据进行融合处理6，过程如下：（1）通过数据特征建立单时空状态矩阵Wi=C1,C2,Cn；（2）依据下式将其进行拓展，提升成为高维时空状态矩阵W=W1,W2,Wn。通过数据融合法对矩阵进行计算，从而完成数据的融合处理。2.3数据降维多维尺度降维法能够在维持电力数据关系不变的前提下，将高维空间电力数据平稳降至低维空间中。由于电力数据是散落在不同维度中的，而建立的高维时空矩阵又是高度稀疏、高度相关的矩阵，所以需要使用多维尺度降维方法，对二者进行降维处理，过程如下：（1）通过欧几里德距离方法对矩阵W与每个数据相异度矩阵之间的距离进行计算，过程如下式所示：（3）式中，矩阵W与数据相异度矩阵之间的距离用dij表示，电力数据用x表示，非对称相似度数据分别用i、j表示，常数为k，距离参数为m；（2）依据上述计算结果建立电力数据的中心化内积矩阵，结果如下式所示：（4）式中，电力数据的相异度值为bij、关联矩阵特征根为aij，第i个数据的中心内积为ai、第j个数据的中心内积为aj，平均中心内积值为a、欧氏距离为dij；（3）利用电力数据对应的特征向量，对中心化内积矩阵进行求解，过程中设定固定阈值；（4）最后将二维矩阵设定成M=x(1)x(2)，完成电力数据的降维处理。3电力行业发展监测基于电力大数据理念，使用云物元理论建立电力行业发展形态监测体系7，实现对电力行业的发展监测。其中，云物元理论是统一事物量、特性量以及事物表征量，可以反映事物特征的质和量，提取电力行业发展效益等级边界信息。在结合云物元理论的基础上，定性、定量分析电力行业发展趋势，充分发挥云物元理论的优点。3.1电力行业发展分析在对电力行业进行发展监测前，需要使用电力大数据理念对配电网的发展形态进行分析。由于电力行业受外部机遇与国家用电压力影响，要求电力行业跨越式发展，配电网的内部优势成为电力行业发展的动力，所以进行发展形态分析时，需要建立分类分层的发展指标体系，具体如图1所示。图1电网发展形态分析具体内容根据分析结果可知，未来电力行业格局主要呈大电网与微电网协同进步，交直流系统混合并行的发展趋势。因此需要将技术创新作为一级指标，衡量电力行业的发展适应能力，将微电网技术、交直流技术以及不停电技术作为二级指标，衡量电力行业的供电可靠性能。3.2建立指标监测体系基于电力大数据理念完成电力行业发展指标监测体171行业应用与交流Industrial Applications and Communications自动化技术与应用2024 年第 43 卷第 1 期Techniques ofAutomation&Applications系，通过该体系实现对电力行业的发展监测。具体监测流程如下：（1）确定该地区电力行业配电网形态指标。首先依据电力行业实际发展情况，将配电网形态等级划分成示范、高级、中级、低级以及初级等类型，通过历史数据获取上述五种发展形态的阈值门限cmin,cmax，其中阈值下限为cmin、上限为cmax。通过电力大数据对电力数据的特征期望值、数据熵以及数据超熵进行计算，过程如下式所示：（5）式中，电力数据熵为En、超熵为He，特征期望值为Ex，常数为s形式。（2）确定配电网指标数据。通过实际调查以及对历年电力相关数据的调取，完成指标定性，并请专家进行打分。（3）确定数据指标权重。在电力大数据理念下，使用熵权法与Delphi法相结合的组合赋权算法对电力数据进行赋值8，原理如下式所示：（6）式中，赋权算法的偏好系数分别为k1和k2，熵权法与Del-phi法计算出的数据指标权重分别为pj和qj，数据指标数量为j。数据的指标权重如下式所示：（7）式中，方案数量用n表示，降维指标数据为bij标准化数据为pij，数据j的信息熵为Ej、权重为qj，数据权重赋值数量为qj，ln为赋值参数。（4）确定指标与发展形态的关联度。依据电力大数据理念获取电力数据的正态分布特性，设定实际数据j的指标值为xj，通过下式计算出指标j在第k个发展形态下的关联程度：（8）式中，电力数据指标j的第i次取值为xji形式，数据的综合指标权重用yi表示，获取的关联程度值为k(xji)。（5）计算电力行业发展形态的等级关联程度。基于上述计算结果，完成对电力行业发展形态的关联程度计算，过程如下式所示：（9）式中，获取的行业发展形态关联程度为Zk。（6）发展形态确定。依据隶属度最大原则，通过对电力数据隶属度的计算，确定相应的发展形态，完成监测。4实验分析为了验证上述电力行业监测方法的整体有效性，需要对此方法进行测试。分别采用基于电力大数据的行业发展监测方法研究（本文方法）、基于配电网双端信息融合的单相断线故障实时监测方法（文献3方法）、光伏并网下配电网单向功率潮流安全监测方法（文献4方法）进行测试；以某省份电力行业配电网为例，选取2020年7月、8月、9月监测数据为测试数据，对电力数据监测过程中本文所提方法、文献3所提方法以及文献4所提方法在监测时所花费的时间以及在不同条件下的配电网节点吞吐量进行测试，从而测试三种数据监测方法的监测性能。设定本文所提方法的配电网工作节点的监测点数量为10，监测组件数量为9。由于配电网数据量较为庞大，而实验数据有限，所以将电力数据量规定在100万条，对三种监测方法的监测耗时进行测试，测试结果如图2所示。图2不同监测方法的监测耗时测试结果分析图2可知，本文所提方法在对1万条电力数据进行监测耗时测试时，测试出的耗时要高于文献3所提方法以及文献4所提方法，但是当电力数据的数据量达到一定规模时，本文所提方法测试出的耗时逐渐缩减，并在数据范围达到60万条时，将测试结果稳定。而文献3所提方法和文献4所提方法虽然在测试初期测试出的监测耗时均低于本文所提方法，但是二者皆随着电力数据范围的增加而增大监测耗时，这主要是因为本文所提方法在对电力数据进行监测前，对电力数据进行了融合、降维处理，所以本文所提方法在对电力数据进行发展监测时的监测耗时小。在对电力数据进行监测时，不同的配电网监测节点172自动化技术与应用2024 年第 43 卷第 1 期行业应用与交流Industrial Applications and CommunicationsTechniques ofAutomation&Applications所能承载的电力数据吞吐量并不相同。在测试的第二阶段，设定不同的配电网监测节点，对三种监测方法的监测节点吞吐量进行测试，测试结果如表1所示。表1不同监测节点下三种监测方法的吞吐量测试结果监测节点数量/个24681012141618202224不同监测节点的吞吐量测试结果/万条本文所提方法80.2106.5150.3175.6200.4234.1284.6315.8355.5430.9462.1500文献3方法73.686.7120.7155.7130.2208.5253.7235.8328.4390.6400.7432.4文献4方法75.898.3146.9128.5180.4221.4264.2300.6293.8410.2382.4483.5分析表1可知，随着监测节点的增加，所测试出的节点吞吐量也在不断增加。当配电网监测节点数量一致时，本文所提方法在进行电力监测过程时测试出的节点吞吐量要高于文献3所提方法以及文献4所提方法。当节点发生变化时，文献3所提方法与文献4所提方法在吞吐量测试过程中均出现的不稳定现象，而本文所提方法由于在电力数据监测前对数据进行了特征提取，所以本文所提方法并不会随着监测节点的变化而影响节点的吞吐率。通过上述测试可知，本文所提方法并不会因为监测节点的改变而影响节点吞吐量，在这一条件下，设定相同的配电网监测节点，不同形态等级吞吐量的配电网节点吞吐量进行测试，测试结果如图3所示。图3不同方法在不同行业形态等级下的吞吐量测试结果分析图3可知，行业发展形态的不同，所承载的吞吐量也不相同。本文所提方法随着行业等级越来越高，测试出的吞吐量也逐渐增大，文献3所提方法和文献4所提方法虽然也会随着行业形态等级的改变而增加吞吐量，但增加的吞吐量始终低于本文所提方法。综上所述，本文所提方法在进行电力数据监测时，监测节点的改变以及行业发展形态的改变都不会对吞吐量产生影响，并且监测时所用耗时小。该实验结果可直接证明该方法的监测效果强。5结束语国民经济逐渐上升，电力行业发展脚步迅速，对电力行业进行必要的发展监测成为该行业当前重要的难题之一。针对传统行业发展监测方法监测效果差的问题，提出基于电力大数据的行业发展监测方法研究。该方法首先对电力数据进行预处理，并通过电力大数据理念分析电力行业形态，建立行业发展监测体系，最后通过该体系实现电力数据监测。由于该方法在数据融合过程中存在一定问题，今后会针对该项问题优化该监测方法。参考文献:1 李阳,朱伯涛,胡志亮,等.物联网技术在电力智能监控系统中的应用探究J.微型电脑应用,2020,36(11):154-156,167.2 沈西林,吴珺娴,李一,等.2020年第一季度中国天然气行业景气指数分析J.天然气工业,2020,40(4):172.3 曾祥君,陈磊,喻锟,等.基于配电网双端信息融合的单相断线故障实时监测方法J.电力科学与技术学报,2020,35(3):12-18.4 王华,曹成刚.光伏并网下配电网单向功率潮流安全监测方法J.电网与清洁能源,2020,36(1):79-83.5 Lee J W,Park K J,Cho J,et al.Novel Monitoring Sys-tem for Low-Voltage DC Distribution Network Using Deep-Learning-Based DisaggregationJ.IEEE Access,2020,8(10):185266-185275.6 刘晓军,陶晋宜,杨刚,等.数据融合在护理机器人排便监测中的应用研究J.机械设计与制造,2020,357(11):37-40.7 石振武,王畅.基于BIM-云物元模型的公路绿色服务区预评价J.土木工程与管理学报,2020,37(4):32-38,51.8 刘媛媛,王绍强,王小博,等.基于AHP熵权法的孟印缅地区洪水灾害风险评估J.地理研究,2020,39(8):1892-1906.作者简介:奚增辉（1974-），男，硕士，高级工程师，研究方向：电力系统及自动化。173