大數據助力電網智能監控 運行實現快速響應

近年來，隨著特高壓電網建設的全面提速、新能源的快速發展和電力市場化改革的深入推進，電網一體化運行特征愈發明顯，電網調度控制中心所能獲取的信息資源越來越豐富，電網設備監控分析可利用的信息源也越來越多，對電網實施集中分析決策、多專業間業務協作和跨調度機構工作協同等需求更加迫切。

上海電網是特大城市電網，集中監控的各電壓等級變電站數量達千余座，傳統依靠調控員人工統計分析電網運行信息的管理模式，受人員少、科學量化數據少等因素制約，存在分析精確度不高、響應不及時等問題，已不能適應當前特大城市電網集中監控的要求。因此，利用大數據分析技術手段，大幅度提高監控信息分析智能化水平，為集中監控運行提供更加有效和實用的技術支撐，就成為新形勢下的必然要求。

形成智能化的多源數據統一管理模式

從2016年1月起，國網上海市電力公司領銜開展“基于大數據的調控系統設備監控分析與評估技術研究”。今年6月，項目中期匯報會召開，可實現設備監控7個方面的核心業務，且整體研究正向著2017年年底前完成系統上線、2018年全面完成項目驗收的目標穩步前進。

那么，大數據是如何與設備監控相結合的，其實效又體現在哪些方面呢？

此前，上海市、地兩級調控機構在開展日常生產運行及管理工作中需要使用D5000監控系統、OMS系統、AVC系統、PMS2.0系統、操作票等多個系統，各系統獨立運作且互不關聯。多年來，這些系統已產生了1200多天的氣象信息、50多萬臺（條）設備信息、8億多條遙測數據和大量的非結構化數據，并且每天都有新信息產生。這些信息體量龐大，僅遙測數據就已累計有2T。

這些系統雖然在日常工作中為調控員掌控全局、發現問題、正確操控、化解危機發揮了重要作用，但是數據彼此之間的關聯程度有限，無法更好地發揮數據價值，此外，大量數據需要人工分析的介入，處理效率和效果受到限制。

在調控一體化的背景下，省級以上調控中心對設備監控的智能化提出了更高的要求，客觀上需要進一步改善調控數據底層數據模型，建立適用于大數據分析的設備監控大數據模型，支持基于監控數據的變電站設備運行大數據分析，提高調控系統設備監控技術水平，提升對電網調控運行決策的支撐能力。

《國家電網公司“十三五”調控運行規劃》中提出，“深化設備監控數據應用，研究基于大數據的監控設備運行趨勢預測技術，實現監控設備故障發展的早期征兆性預警與趨勢智能預測”。根據規劃方略，在國家電力調度控制中心的支持下，國網上海電力率先開展了“基于大數據的調控系統設備監控分析與評估技術研究”，將包括D5000系統、OMS系統、AVC系統、PMS2.0系統等在內的多個業務系統的數據進行貫通與集成，實現了不同系統設備數據的統一管理、綜合利用。

在多源數據統一管理的基礎上，國網上海電力已借助此項研究開展包括電壓監視業務、信息監視業務等7項業務在內的設備監控業務分析智能轉型工作，實現了監控運行業務的智能化和監控分析業務的智慧化。

智能化監控運行實現快速響應

在傳統監控運行監視業務開展的過程中，常常存在判斷手段缺失、冗余信息量大等問題，給調控員的工作帶來了不小干擾。而通過采用大數據云計算、大數據標簽等技術，能夠有效解決這些問題。

以電壓監視業務為例。電壓是電能質量的一項基本指標，一旦出現持續的電壓越限，調控員應當迅速發現并找出原因，進而對癥下藥，使電壓恢復到正常水平。傳統方法中，監控員基于D5000監控系統告警信息開展電壓越限監視工作，但是，D5000系統設置的電壓越限告警閾值和AVC系統的動作觸發閾值不一致，當D5000告警出現時，監控員難以通過AVC系統動作情況來判斷電壓越限實際情況，容易造成漏監視，影響電網安全。

監控大數據相關技術能夠結合AVC系統設置的電壓閾值、AVC系統自動投切日志、無功設備臺賬、閉鎖信息等數據，利用標簽技術服務，對相關數據進行有效越限、無效越限、AVC動作存疑越限等實時標記，系統可根據標記的結果自動篩除無效及冗余數據，只推送待處理的有效信息給監控員。由此，不僅解決了電壓越限告警有效性判別及分析手段缺失的問題，而且大量精簡了告警信息量，數據篩選正確率達100%。6月，上海電網電壓越限告警總數為312827條，經過大數據的智能化篩選后，需監控員關注的告警信息精簡為70551條，僅占告警總數的22.6%。

信息監視業務方面的這一效果同樣明顯。6月，上海電網的500千伏事故、異常、變位、越限告警總數分別為3068條、21070條、3776條、233476條，經過數據分析后，需監控員關注的告警信息分別精簡為286條、6484條、1665條、39090條。變電站設備的事故、異常等運行信息得到有效辨識，辨識后的事故有效信息量可縮減到信息總量的10%左右，解決了干擾、冗余信息量大的問題。

智慧化監控分析實現實時判別

傳統監控事故分析業務缺少統一的數據綜合調閱分析平臺，這是監控員面臨的一個困境。當事故發生后，監控員不僅需要多頁面調閱D5000告警信息、故障錄波信息、PMU動作信息等資料，而且信息之間的關聯程度不高，難以滿足調度對電網的實時控制能力和事故處理水平日益提高的監控分析需求。

監控大數據相關技術通過整合OMS系統調控日志事故記錄、設備檢修記錄、設備缺陷參數等大量數據，設計事故信息時序模板，對本站及跨站間信息進行時序比對，形成不同工況下的事故智能分析邏輯，可同時對事故信息進行智能評價。

操作監視業務同樣受益。以前，監控員對斷路器遙控能力缺少實時判別和監視的手段。這是因為電網設備遙控試驗記錄數據和電網實時運行數據獨立在OMS與D5000兩個系統中，監控員需在調閱多個系統的基礎上，人工判斷設備是否具備遠方遙控的條件，因此在常態化操作及事故處理時無法快速判斷設備是否可控，影響操作成功率。

而監控大數據技術則將相關數據大量整合，并設計設備遙控條件的檢索邏輯規則，實現設備是否具備遙控條件的一鍵式查詢功能，設備遙控條件檢索無支撐手段的問題得到解決?，F在，監控員在每次執行遙控操作前，均可對設備的遙控條件進行檢索，檢索結果會詳細列出設備不具備遙控條件的原因，輔助監控員做相應的計劃調整及相關問題反饋，有效提升設備遙控操作的成功率。

此外，借助新型監控分析與評估技術，可以幫助調控員在缺陷判定業務中，以監控信息基準點表與缺陷關聯關系為基礎，結合有效的告警信息自動生成新的監控缺陷記錄；在家族性缺陷分析業務中，通過定義設備型號、生產批次、告警信息、缺陷原因等匹配規則，綜合分析同一批次設備發出同類告警信息或同類缺陷的頻度，發現并自動推送相應的疑似家族性缺陷記錄；在設備缺陷及故障預警業務中，實現設備缺陷數據、設備故障數據、遙信遙測數據、氣象數據等相互關聯，形成缺陷、故障預判的模型。這些，都將有力提升電網監控智能智慧化水平，有效輔助調控員在紛繁復雜的數據中監控電網運行情況。