咨询电话:13675182723

行业知识

纵向加密 智能电网与大数据应用

 “智能电网”一词之所以备受世界瞩目,主要原因是当年奥巴马在竞选总统时,把“智能电网”这一战略作为重要的施政纲领提出,并于2009年2月决定给发展智能电网提供110亿美元的预算支持。两年之后,大数据的概念被提出。于是电力部门的管理者看准了这个时代新风向,于2013年由中国电机工程学会信息化专委会发布了《中国电力大数据发展白皮书》。从此,智能电网和大数据的融合便成为了大家关注的焦点。
一、智能电网大数据及特点
大数据通常要求满足以下特征:多样性(variety)、速度快(velocity)、体量大(volume)、价值大(value),这4个特征简称为“4V”。随着智能电表的普及,现在我们已经能过获得到体量极大的数据,但是这些数据还面临这价值不高、更新速度较慢、分类混乱等问题。这就要求我们能够很好地利用统计上的方法,对这些数据进行分类、挖掘。发现其中潜在的价值。
二、智能电网的大数据处理方法
(一)数据采集
因为智能电网的数据具有数据体量大、数据种类繁多、数据关联性较低等特点,这就要求我们在数据的采集阶段要有针对性地进行采集。为了后续分析处理工作的开展,我们要根据不同的数据类型选择不同的采集方法。现阶段智能电网数据的采集主要有一下三种:
(1)流式数據采集
这种办法主要采集供电系统内的设备监控日志、采集报文等数据,来进行分布式的采集、聚合以及传输。
(2)数据库采集
这种办法主要将关系型数据库内的有关联的数据抽取到分布式的存储系统当中。
(3)文件采集
这种办法主要是对数字录音带、纯文本形式存储表格数据等文件,先进行标准化之后,将文件接入分析系统。
三、智能电网的大数据分析方法
数据的分析与挖掘是对收集来的数据进行处理的最关键性的工作,由于智能电表采集来的数据种类繁多,且变化速度快,因此对数据的快速分类和标准化是必要的,否则处理的数据将失去时效性。因为以上特点,以前通常使用的分析大数据的方法很难再适用,这就要求我们适用改进的分析方法来对数据进行挖掘。目前使用较多的分析方法有:主成分分析法、K均值聚类法、C均值聚类算法、分类决策树算法、深度学习算法、Spark-FCM算法等。
尤其对于深度学习算法,我们可以通过建模来完成特征选择、参数选择、模型集成等多个流程。在聚类分析中,我们可以由聚类、关联、回归、分类这4个部分来进行数据的挖掘。
四、大数据在智能电网中的应用
(一)配电设备负载估算及重过载预警
现状和需求:
在我国的电网系统中,城乡结合部部分配电变压器重过载问题致使供电“卡脖子”、低电压、频繁断电等问题。电力部门发现可以在被点变压器重过载现象频发的台区安装智能电表,通过智能电表采集和监测配电设备上的用电负荷量,由此来判断该配电设备是否处于重过载状态。
应用前景:
未来可以根据智能电表采集来的数据,通过分析其中用户的用电负荷,通过大数据流处理技术,实时计算出每一个终端的用电负荷量。同时,根据电网中的数据,计算出当前时间段下,处于重过载状态运行的配电设备以及正常状态下运行的配电设备。再结合电网系统中相应的GIS系统,便能精确定位出处于重过载状态下运行的配电设备的具体位置。
(二)线损计算与分析
现状和需求:
在智能电表普及之前,电力部门通常都是安排人员对用户就行抄表,这样统计上来的数据不仅时效性底,而且大致相关部门不能对用户的实时负荷情况进行预测,这样电力部门就不能对输电时产生的线损进行计算和处理,因此线损一直较大。此外,因为不能实时得知客户的用电负荷,所以不能及时地发现窃电、漏电等行为,由此更增加了线损电量。这也是我国输配电线损率一直高过其他各国的重要原因。
应用前景:
利用分布式存储技术,搭建一个实时更新,电网和用户端互联互通的数据管理系统,在这个系统中,我们要能够对智能电表统计的数据进行查询、各参数相互之间的对比及数据异常时的报警。同时也能为相关部门在分析线损、漏电警报及窃点预警提供源数据。
利用分布式计算技术,将地区按行政等级分别来进行相应的实时线损管理与控制,同时根据不同地区,不同种类的电网配置分别进行实际线损与理论线损的对比及分析,根据统计的数据,运用数据挖掘,找到更好降低线损的方法。

产品中心
南瑞
科东
卫士通
兴唐
珠海鸿瑞
东方京海
二次安防
纵向加密装置
南瑞纵向加密装置
科东纵向加密装置
卫士通纵向加密装置
兴唐纵向加密装置
隔离装置
南瑞正向隔离装置
南瑞反向隔离装置
科东正向型隔离装置
科东反向隔离装置
珠海鸿瑞正向隔离
新闻资讯
公司新闻
行业资讯
关于我们
联系我们
在线反馈
网站地图
百度地图

版权所有 2015 纵向加密装置:www.gdnari.com

客户服务热线

13675182723

在线客服