大數(shù)據(jù)技術(shù)調(diào)度端電網(wǎng)模型管理架構(gòu)

前言：想要寫(xiě)出一篇引人入勝的文章？我們特意為您整理了大數(shù)據(jù)技術(shù)調(diào)度端電網(wǎng)模型管理架構(gòu)范文，希望能給你帶來(lái)靈感和參考，敬請(qǐng)閱讀。

摘要：為全面統(tǒng)計(jì)于統(tǒng)計(jì)大運(yùn)轉(zhuǎn)體系下電網(wǎng)系統(tǒng)的信息，在大數(shù)據(jù)技術(shù)的協(xié)助下，建設(shè)功能強(qiáng)大的電網(wǎng)模型管理與分析架構(gòu)，調(diào)度端是該架構(gòu)電熱主要應(yīng)用對(duì)象。文章在解讀大數(shù)據(jù)存儲(chǔ)結(jié)構(gòu)特征基礎(chǔ)上，建設(shè)了文本式結(jié)構(gòu)儲(chǔ)存電網(wǎng)模型，規(guī)劃設(shè)計(jì)結(jié)構(gòu)化的主鍵值電網(wǎng)模型的時(shí)間、空間以及運(yùn)用多維度的拓展。基于實(shí)驗(yàn)設(shè)計(jì)，比較分析本文設(shè)計(jì)的模型和傳統(tǒng)模型，臨界點(diǎn)設(shè)定為15min，分析兩個(gè)模型的錯(cuò)誤率，實(shí)驗(yàn)研究表明，伴隨時(shí)間的增加，傳統(tǒng)模型的錯(cuò)誤率有不斷增加趨勢(shì)，最后達(dá)45.68%，而本課題設(shè)計(jì)出的模型錯(cuò)誤率為3.70%。

關(guān)鍵詞：大數(shù)據(jù)；調(diào)度端；電網(wǎng)模型；架構(gòu)設(shè)計(jì)

引言

在高新科技的支撐下，很多智能與大運(yùn)轉(zhuǎn)體系處于在建狀態(tài)中，各級(jí)調(diào)度中心逐漸實(shí)現(xiàn)集成化，是建設(shè)標(biāo)準(zhǔn)化電網(wǎng)模型的重要基礎(chǔ)，CIM/XML、CIM/E、CIM/G是當(dāng)前智能電網(wǎng)中主要運(yùn)行的電網(wǎng)標(biāo)準(zhǔn)化模型。以上三種標(biāo)準(zhǔn)化電網(wǎng)模型在各級(jí)調(diào)度中心實(shí)現(xiàn)規(guī)?；瘧?yīng)用，有時(shí)間、空間及運(yùn)用多維等諸多特點(diǎn)。但是對(duì)于海量的電網(wǎng)模型數(shù)據(jù)，怎樣借助有效的數(shù)據(jù)存管形式，實(shí)現(xiàn)科學(xué)分析電網(wǎng)模型整體相關(guān)性的目的，深度挖掘數(shù)據(jù)模型持有的價(jià)值方面的研究較為罕見(jiàn)[1]。

1整體架構(gòu)

從本質(zhì)上分析，大數(shù)據(jù)存儲(chǔ)的數(shù)據(jù)庫(kù)隸屬于非關(guān)系型數(shù)據(jù)庫(kù)（NOSQL），該型數(shù)據(jù)庫(kù)基于分布式存儲(chǔ)形式實(shí)現(xiàn)有效管理與存儲(chǔ)海量數(shù)據(jù)，借助分布式測(cè)算過(guò)程捕獲明顯超出單機(jī)的測(cè)算能力，對(duì)大規(guī)模的數(shù)據(jù)集起到強(qiáng)大支撐作用。于NOSQL系統(tǒng)內(nèi)，key-value是存儲(chǔ)數(shù)據(jù)的主要形式，結(jié)合存儲(chǔ)方式的差異性，可以將key-value細(xì)化為如下三種類型：（1）key-value：數(shù)據(jù)庫(kù)由成對(duì)的鍵-值構(gòu)成，功能以存儲(chǔ)簡(jiǎn)易的數(shù)據(jù)關(guān)系為為主，常見(jiàn)的有Redis、TokyoCabinet；（2）key-columnFamily，為列簇存儲(chǔ)法，其用于實(shí)踐中允許列簇包括多列數(shù)據(jù)，可以基于數(shù)層嵌套形式存儲(chǔ)冗長(zhǎng)、復(fù)雜的信息；（3）key-document：JSON是其主要的文本樣式，其與JSON相似度很高，利用內(nèi)嵌形式存儲(chǔ)結(jié)構(gòu)復(fù)雜的數(shù)據(jù)，CouchDB是該類形式的典范?；陔娋W(wǎng)模型自體的結(jié)構(gòu)樣態(tài)特征，本文最終決定采用key-document存儲(chǔ)模型，圖1是模型管理架構(gòu)[2]。在大數(shù)據(jù)分析架構(gòu)中，數(shù)據(jù)轉(zhuǎn)換層利用ETL工具提取源數(shù)據(jù)并將其傳送至存儲(chǔ)平臺(tái)上，分布式存儲(chǔ)平臺(tái)結(jié)合智能電網(wǎng)不同級(jí)別調(diào)度中心建設(shè)的相關(guān)性應(yīng)用主從架構(gòu)，主節(jié)點(diǎn)的作用以監(jiān)測(cè)系統(tǒng)運(yùn)行狀態(tài)為主，為提升容錯(cuò)性通常會(huì)規(guī)劃設(shè)計(jì)數(shù)個(gè)副本，圖1內(nèi)的分片代表的是子節(jié)點(diǎn)。為強(qiáng)化并行測(cè)算能力，本架構(gòu)應(yīng)用了圖1為模型管理架構(gòu)，并將索引技術(shù)用于MapReduce分布式處置流程中，于各分片上建設(shè)單鍵值、復(fù)合鍵值索引，而后將各節(jié)點(diǎn)持有的索引信息完整的存儲(chǔ)于主節(jié)點(diǎn)上[3]。

2技術(shù)分析

2.1結(jié)構(gòu)化Key

本模型基于key-document被存儲(chǔ)于數(shù)據(jù)庫(kù)內(nèi)，key作為NOSQL內(nèi)主鍵，為確保在系統(tǒng)內(nèi)主鍵的獨(dú)有性，及使模型于多維空間內(nèi)有良好的辨識(shí)度，本文設(shè)計(jì)了15位的結(jié)構(gòu)化主鍵，0~3、4~6、7~9、10~12、13~14鍵對(duì)應(yīng)的含義依次是各地區(qū)分支、既往版本、應(yīng)用系統(tǒng)、機(jī)器ID及數(shù)據(jù)、類別。

2.2電網(wǎng)模型ETL

電網(wǎng)模型在運(yùn)轉(zhuǎn)過(guò)程中，需在ETL工具的協(xié)助下，將各種數(shù)據(jù)轉(zhuǎn)型為統(tǒng)一格式存儲(chǔ)于數(shù)據(jù)內(nèi)。本文如下介紹各標(biāo)準(zhǔn)化電網(wǎng)模型實(shí)現(xiàn)ETL的途徑。（1）CIM/E模型CIM/E標(biāo)準(zhǔn)為國(guó)標(biāo)，是于CIM/XML錄入信息冗余過(guò)多的情景下，基于E語(yǔ)言開(kāi)發(fā)出的一種在線模型交互標(biāo)準(zhǔn)，以類定義為支撐闡述文檔模型的產(chǎn)出格式，采用橫、縱縱表式結(jié)構(gòu)存儲(chǔ)模型，功能于在線模型互換為主。圖2為CIM/E模型實(shí)現(xiàn)ETL的過(guò)程[4]。（2）CIM/XML模型本文提及的標(biāo)準(zhǔn)是當(dāng)下世界各國(guó)通用的模型交互標(biāo)準(zhǔn)，近些年其在國(guó)內(nèi)多個(gè)地區(qū)試用或投用，反響較好，其利用結(jié)構(gòu)化文件存儲(chǔ)模型，為確保能清晰闡述信息咨詢，CIM/XML對(duì)XML的多層嵌套結(jié)構(gòu)進(jìn)行簡(jiǎn)化處理，僅留存了資源/屬性兩層面的扁平式結(jié)構(gòu)，利用ID精準(zhǔn)、快速調(diào)用不同元素，CIM/RDF是錄入電網(wǎng)元數(shù)據(jù)模型的載體。（3）CIM/G模型該標(biāo)準(zhǔn)是現(xiàn)行電網(wǎng)圖形交互規(guī)范，是以電力系統(tǒng)公共信息平臺(tái)SVG為基礎(chǔ)建設(shè)于發(fā)展的。G語(yǔ)言持有的基本圖形要素傳承了SVG的圖形闡述特征于語(yǔ)法法則，剔除了SVG不能實(shí)現(xiàn)共享間隔、圖元模板的不足，以最直接的形式闡述電網(wǎng)電力設(shè)備具備的屬性，在多層級(jí)引用形式的支撐下，簡(jiǎn)易、高效率的闡述、存儲(chǔ)、調(diào)取設(shè)備信息及圖形數(shù)據(jù)[5]。

2.3分布式系統(tǒng)結(jié)構(gòu)

當(dāng)前，很多地區(qū)的智能電網(wǎng)于各級(jí)調(diào)度中心內(nèi)建設(shè)了主—從分布式管理體制，系統(tǒng)架構(gòu)有選擇性的借鑒當(dāng)前調(diào)度系統(tǒng)的優(yōu)勢(shì)，master-slave是系統(tǒng)架構(gòu)的結(jié)構(gòu)類型，主節(jié)點(diǎn)為滿足顯示需求而被安設(shè)于國(guó)調(diào)或網(wǎng)調(diào)內(nèi)，增設(shè)數(shù)個(gè)副本主機(jī)進(jìn)行備份的目標(biāo)是維持于提升系統(tǒng)運(yùn)行狀態(tài)的安穩(wěn)性。

3實(shí)驗(yàn)分析

為檢測(cè)檢驗(yàn)本課題設(shè)計(jì)的模型管理架構(gòu)的顯示工作效果，和傳統(tǒng)架構(gòu)做比較分析，設(shè)計(jì)了對(duì)比實(shí)驗(yàn)，實(shí)驗(yàn)參數(shù)見(jiàn)表1所示[6]。依照如上設(shè)定的參數(shù)開(kāi)展實(shí)驗(yàn)研究，選用傳統(tǒng)架構(gòu)于本文設(shè)計(jì)的模型管理架構(gòu)為實(shí)驗(yàn)對(duì)象，對(duì)電網(wǎng)調(diào)度中心故障進(jìn)行檢查診斷，全面記錄診斷結(jié)果記錄，參照結(jié)果對(duì)比兩種架構(gòu)的性能。將15min設(shè)定為調(diào)度故障診斷時(shí)間的臨界點(diǎn)，分別錄入15min中傳統(tǒng)架構(gòu)與本文架構(gòu)檢查診斷到的故障元件數(shù)目與15min后兩種架構(gòu)可以診斷的故障元件數(shù)據(jù)。對(duì)故障元件診斷實(shí)驗(yàn)結(jié)果分析后，不難發(fā)現(xiàn)在診斷同個(gè)電網(wǎng)時(shí)，本文設(shè)計(jì)出的模型管理架構(gòu)診斷出的故障元件數(shù)目始終多于傳統(tǒng)架構(gòu)，實(shí)際故障元件超出60個(gè)，而傳統(tǒng)架構(gòu)僅能檢測(cè)診斷出40個(gè)，錯(cuò)誤率達(dá)到33.33%（20/60）；而本文研究設(shè)計(jì)的架構(gòu)能診斷出58個(gè)故障元件，錯(cuò)誤率為3.33%（2/60），檢測(cè)能力是傳統(tǒng)架構(gòu)的10倍有余。

4結(jié)束語(yǔ)

本文建設(shè)一種基于大數(shù)據(jù)技術(shù)建成的電網(wǎng)模型管理于分析架構(gòu)，將其用于電網(wǎng)調(diào)度端，實(shí)現(xiàn)分布式管理于分析多種標(biāo)準(zhǔn)電網(wǎng)模型。列舉了應(yīng)用EYL工具提獲、轉(zhuǎn)存多個(gè)標(biāo)準(zhǔn)模型，利用結(jié)構(gòu)化key多維辨識(shí)電網(wǎng)模型；利用組合索引技術(shù)提升MapReduce的檢索效率，減少I/O的耗用量。通過(guò)和傳統(tǒng)架構(gòu)進(jìn)行比較分析，驗(yàn)證了本文設(shè)計(jì)出架構(gòu)在故障元件診斷方面有較高精確度的事實(shí)，為電網(wǎng)實(shí)現(xiàn)高級(jí)別、權(quán)威度調(diào)度提供更大支撐。

參考文獻(xiàn)

[1]韋雅,田珂,丁博,等.基于物聯(lián)網(wǎng)的電網(wǎng)調(diào)度信息全局監(jiān)控方法研究[J].信息技術(shù),2020,44(03):144-147.

[2]吳汕,孫偉樂(lè),李祥.地區(qū)電網(wǎng)智慧調(diào)度系統(tǒng)功能設(shè)計(jì)與構(gòu)建[J].浙江電力,2020,39(02):1-9.

[3]王強(qiáng),胥騰飛.云計(jì)算與電力大數(shù)據(jù)技術(shù)的發(fā)展探尋[J].電力設(shè)備管理,2020,41(02):125-126+146.

[4]李金訊,顏清,吳秋佳.基于大數(shù)據(jù)及人工智能的大電網(wǎng)智能調(diào)控系統(tǒng)框架[J].通信電源技術(shù),2020,37(03):5-7.

[5]許揚(yáng),雷震,高潔.基于大數(shù)據(jù)的電網(wǎng)調(diào)度故障自動(dòng)診斷系統(tǒng)設(shè)計(jì)[J].自動(dòng)化與儀器儀表,2020,47(01):204-207.

[6]徐旭,郭權(quán)利,田碩,等.基于大數(shù)據(jù)的微電網(wǎng)系統(tǒng)調(diào)度研究[J].電子世界,2019,74(23):49-50.

作者：張建 張文軒 陳輝 單位：甘肅同興智能科技發(fā)展有限責(zé)任公司