引言

電能量采集和計費系統(tǒng)是智能電網(wǎng)運營支持的子系統(tǒng),是電網(wǎng)經(jīng)濟運行、科學調(diào)度和考核結(jié)算的基礎(chǔ)。目前,我國電能計量數(shù)據(jù)的采集主要由智能電表、電能量數(shù)據(jù)監(jiān)測設(shè)備、電能量數(shù)據(jù)治理設(shè)備等完成,由于系統(tǒng)缺陷、設(shè)備故障和人為因素等原因,容易發(fā)生采集數(shù)據(jù)異常情況。針對電能量數(shù)據(jù)異常報警的傳統(tǒng)解決方法是在當天24:00將接收到的全天整點電量數(shù)據(jù)存儲在數(shù)據(jù)庫中,然后通過查詢數(shù)據(jù)庫中原始電量數(shù)據(jù)進行相關(guān)的公式數(shù)據(jù)和平衡數(shù)據(jù)的計算,再由這些計算結(jié)果分析統(tǒng)計是否存在用電數(shù)據(jù)異常。整個過程中,獲得的公式數(shù)據(jù)結(jié)果都是滯后的,對于大量存在的電量實時數(shù)據(jù),傳統(tǒng)的架構(gòu)方式并不適用。如何實現(xiàn)對電能量異常數(shù)據(jù)的在線預警,及時解決影響電能量數(shù)據(jù)安全的隱患,將是我國電網(wǎng)設(shè)計與發(fā)展過程中急需解決的問題。

1分布式實時計算框架

目前分布式計算框架主要包括Hadoop的Map/Reduce、sparkstreaming和storm,這些框架的發(fā)展極大地提高了系統(tǒng)的計算和存儲能力。其中Hadoop由于處理延時問題,無法滿足實時性要求較高的業(yè)務需求,一般用于離線的計算任務處理:sparkstreaming是現(xiàn)在常用的流式計算框架,支持多種數(shù)據(jù)源的接入,具有高吞吐量和容錯機制,可以實時將不同的數(shù)據(jù)源的數(shù)據(jù)經(jīng)過處理之后將結(jié)果輸出到外部文件系統(tǒng)或數(shù)據(jù)庫中。storm也是常用的流式計算框架,在實時計算功能中,它具有更可靠的事務機制和可靠性機制,而且可以動態(tài)調(diào)整實時計算程序的并行度,以最大限度利用集群資源。sparkstreaming在吞吐量上比storm更優(yōu)秀,storm在實時延遲度上比sparkstreaming強大,前者是純實時,后者是準實時。同時,storm的事務機制、健壯性/容錯性、動態(tài)調(diào)整并行度等特性,都要比sparkstreaming更加優(yōu)秀。而sparkstreaming可以與sparkCore、sparksOL無縫整合,也就意味著對實時處理出來的中間數(shù)據(jù),可以在程序中無縫進行延遲批處理、交互式查詢等操作。

傳統(tǒng)的電能量數(shù)據(jù)預警系統(tǒng)主要通過將監(jiān)測數(shù)據(jù)與標準數(shù)據(jù)指標進行對比,當采集到的數(shù)據(jù)超過標準數(shù)據(jù)指標范圍時,則發(fā)出預警信號,及時通知故障維護人員進行處理,加強設(shè)備維護與安全防范。

2預警系統(tǒng)軟件設(shè)計

預警系統(tǒng)軟件采用分布式大數(shù)據(jù)框架為基礎(chǔ),使用Java語言編程開發(fā),整體可分為三層,每個層中再向下詳細劃分為多個模塊、多個子流程,各模塊間相互作用、相互聯(lián)系,形成基于網(wǎng)絡拓撲結(jié)構(gòu)的在線分析系統(tǒng),即軟件運行網(wǎng)絡。預警系統(tǒng)軟件設(shè)計如圖1所示。

從圖1可以看出,預警系統(tǒng)軟件主要分為三個層次,包括數(shù)據(jù)采集層、數(shù)據(jù)傳輸層、數(shù)據(jù)分析層。數(shù)據(jù)采集層通過定時讀取數(shù)據(jù)庫的離線數(shù)據(jù)、實時解析處理交互的文件(CIM/E格式）數(shù)據(jù)、實時處理采集的通信報文數(shù)據(jù),將數(shù)據(jù)進行壓縮處理后寫入分布式消息總線:分布式消息總線包括數(shù)據(jù)生產(chǎn)者與數(shù)據(jù)消費者兩部分,數(shù)據(jù)采集層是消息總線的數(shù)據(jù)生產(chǎn)者,數(shù)據(jù)分析層監(jiān)聽并消費數(shù)據(jù):數(shù)據(jù)分析層將消費數(shù)據(jù)推入storm分布式計算框架,根據(jù)建立的異常數(shù)據(jù)識別模型拓撲,進行在線計算。為加快計算速度,設(shè)計了用于吞吐靜態(tài)數(shù)據(jù)的分布式緩存。數(shù)據(jù)在整個分析過程的流轉(zhuǎn)無需存盤,分析結(jié)果作為計算的末端節(jié)點存入數(shù)據(jù)庫。拓撲鐘的每一個計算節(jié)點形成小的運行任務,通過劃分模塊和層次的方法,將系統(tǒng)軟件各組成部分進行清晰規(guī)劃,形成軟件運行的操作網(wǎng)絡系統(tǒng)。預警結(jié)果的具體監(jiān)測與預警流程主要通過業(yè)務應用層,利用電腦語言與算法,協(xié)同各部分之間的工作,對相應數(shù)據(jù)形成異常特征庫,通過歷史數(shù)據(jù)查詢功能,可以獲取需要的預警結(jié)果。

電能量是否異常是由母線電量報表判斷,且電能量異常需要在不一樣的電壓等級下對其進行判別。例如河南省對電量不平衡率給出的標準是:在220kV以及110kV的線路環(huán)境下,正常的不平衡率為±2%。計算標準不平衡率的方法為:

標準不平衡率=(總輸出電量-總輸入電量）/總輸入電量

其中,總輸入和總輸出的電量都代表在同一電壓等級下母線當中所產(chǎn)生的總的電量輸入以及輸出?？傒敵鲭娏恳簿褪窃谔囟ǖ臅r間點上,在設(shè)定的電壓等級基礎(chǔ)母線上,每一條出線總共輸出的電能量:總輸入電量代表的就是在特定的電壓等級以及時間點下,每一條進線輸入的總電能量。

根據(jù)上述方法可知標準電能量值,將采集的數(shù)據(jù)與之對比,當?shù)贸龅慕Y(jié)果大于正常值,平臺就會編輯預警信息,通過3種信息發(fā)布方式發(fā)布預警信息。

3電能量數(shù)據(jù)異常特征數(shù)據(jù)庫

電能量數(shù)據(jù)異常特征數(shù)據(jù)挖掘庫,通過抽取調(diào)度EMS系統(tǒng)數(shù)據(jù)、TMR系統(tǒng)數(shù)據(jù)、用電信息數(shù)據(jù),通過各類數(shù)據(jù)指標細分模型,對電網(wǎng)模型、量測數(shù)據(jù)、電能量數(shù)據(jù)、平衡數(shù)據(jù)等多方面的電量異常特征進行大數(shù)據(jù)挖掘、聚類分析,根據(jù)各類計量關(guān)口考核指標的貢獻度、電量變化趨勢、異常偏差程度等情況,將異常分為模型類、數(shù)據(jù)類、平衡類、維護類等四大類,如表1所示,并針對不同的維度,分析其異常數(shù)據(jù)的特征,提供差異化、個性化服務。

表1中的異常類型與系統(tǒng)設(shè)計的修復功能軟件功能模塊建立關(guān)聯(lián),其中:

（1）模型類異常對應模型管理與參數(shù)維護的編輯模塊:

（2）數(shù)據(jù)類異常對應數(shù)據(jù)重處理、數(shù)據(jù)召測、數(shù)據(jù)編輯、電表輪換、倍率變更、參數(shù)編輯等功能模塊:

（3）平衡類異常對應計算配置、模型維護、重計算等功能模塊:

（4）維護類異常對應底層平臺的操作維護界面,包括啟停服務、日志定位等功能。

通過發(fā)現(xiàn)異常標記入庫到對應數(shù)據(jù)消缺的閉環(huán)治理流程,建立起一套插件化的數(shù)據(jù)治理體系。不斷迭代優(yōu)化異常識別與處理能力,為業(yè)務系統(tǒng)提供可靠的數(shù)據(jù)質(zhì)量保障。

4基于實時數(shù)據(jù)驅(qū)動的電量異常在線分析檢測流程

目前基于分布式實時計算框架的電能量數(shù)據(jù)異常特征提取在線預警系統(tǒng)已經(jīng)實現(xiàn)基于TMR的采集電量數(shù)據(jù)、基于EMS系統(tǒng)的EMS一CIME文件和基于營銷系統(tǒng)的事件消息的實時驅(qū)動,系統(tǒng)在線計算相關(guān)電量公式數(shù)據(jù)和平衡數(shù)據(jù),通過校驗數(shù)據(jù)的合理性和對平衡結(jié)果的分析,判斷電能量異常的數(shù)據(jù),并實時推送到預警服務端。

圖2是分布式實時計算框架下,基于TMR的日凍結(jié)采集電量數(shù)據(jù)的在線預警實時處理流程,圖3是基于EMS系統(tǒng)的EMS一CIME文件的在線預警實時處理流程,圖4是基于營銷系統(tǒng)的事件消息的在線預警實時處理流程。

5結(jié)語

為避免電能安全事故的發(fā)生,實現(xiàn)電能量數(shù)據(jù)異常特征提取在線預警功能,提出了基于分布式實時計算框架的電能量數(shù)據(jù)異常特征提取在線預警系統(tǒng)設(shè)計理念,對電能量數(shù)據(jù)異常特征提取在線預警系統(tǒng)的軟硬件設(shè)備進行了分析,為目前正在應用的預警系統(tǒng)提供了參考與改進建議。