（电力系统及其自动化专业论文）面向电力调度的生产数据仓库系统研究及应用.pdf

第一章绪论 第一章绪论 过去的半个多世纪，信息技术正以几何级数的速度发展，引发了深刻的变革， 知识化、信息化浪潮深刻地影响了人类社会和经济的发展，使人类迈入一个崭新 的信息时代。企业信息化是信息化的重要组成部分，所谓企业信息化，就是“将 信息网络技术应用到企业管理、企业业务处理、企业信息发布等各个方面”。电 力企业信息化自八十年代初微机在我国的推广应用就开始了，历经从单机管理到 网络建设，从个别部门应用到全企业的信息系统集成等阶段，二十年来取得了长 足的发展。 电力系统是由电能的生产、输送、分配和消费等环节组成的一个整体。电力 工业是资金和技术密集型行业。近年来，电力企业在信息化建设方面已经颇具规 模，大力发展了与发、输、变、配等环节相关的生产调度、电力营销和客户服务、 经营管理以及其它业务管理密切相关的信息传输交换网络和各种应用系统，包括 s c a d a 、e m s 、d t s 、d m i s 、t m r 、d m s 、故障信息采集、电力交易、负荷 控制、气象、雷电监测、营销管理等；完成了从岗位操作型应用到企业级操作型 应用的普及。电力企业信息化工作的开展，为发、输、变、配电网的经济、安全、 稳定运行和企业的经营管理提供了先进、快捷、灵活、可靠的指挥、管理和控制 手段，促进了电力企业的生产调度自动化和经营管理现代化。 1 1电力系统信息化现状及存在的问题 经过二十多年的发展，电力企业信息化进入了一个新的阶段，由于信息化建 设初期缺乏必要的企业信息资源规划和信息化建设规划，电力企业信息化建设暴 露出了一些问题，其中主要是： 1 电力信息系统孤岛林立、集成度差 电力行业在线运行和离线管理的不可分性，必然要求在线运行和离线管理之 间存在的有关信息相互支持和共享。早期我国许多在线的电网调度自动化系统 s c a d e m s 和离线的管理信息系统m i s ，就己通过网关或网络交换器进行互 连，实现管理部门检索电网在线运行的实时信息，同时也为用于离线输电、变电、 配电、用电管理的g i s 地理信息，提供在线服务等。随着电力市场的开展，电 l 第一章绪论 数据多。在电力系统中，数据主要分为由分布于系统各处的各种装置实 时采集的现场数据和由调度中心诸如s c a d a 系统收集的中央数据以及 管理信息系统( m i s ) 、地理信息系统( g i s ) 等在使用过程中产生的大 量数据，数据的来源多。另外，整个电力系统是用大规模的非线性微分 方程组和非线性代数方程组来描述的。二者联合就组成了大规模奇异非 线性动态大系统。在对其进行特征描述时往往涉及到上万的状态变量。 数据种类混杂。电力系统是一个标准的混杂系统，其上层( 调度中心) 给出的调度决策主要是逻辑性的操作指令，而下层控制( 如发电机的励 磁与调速控制) 主要是连续性的。为了达到电力系统的多目标优化控制 的目的，应将不同性质的上层和下层控制有机的对合起来。 数据质量差。在电力系统中，采集到的数据中包括着诸如噪声、数据缺 失等不确定因素。当前正值e m s 在国内大力推广应用和电力工业市场化 改造之际，电力市场的开放使电力系统面临更大的安全性威胁，并对作 为其核心技术支持的e m s 的依赖性更强，要求更高。但国内基础自动化 条件不好，存在着如遥信信息不完整和错误率较高等实际问题，使得 e m s 的可靠性和实际应用效果较差。我国开放的电力市场迫临巨大挑 战，需要进一步地给予改造。系统地研究和解决当前e m s 应用所迫切需 要提高e m s 的可靠性、智能水平和实用性，e m s 传统的理论和方法面 l 临的需要迫切解决的问题，支持我国开放的电力市场，具有着重要的现 实意义。 1 2 构建基于数据仓库的电力综合信息系统 电力系统信息化的不足产生的根本原因是企业信息化初期各个部门各自为 政，开发自己需要的信息系统。这些信息系统往往有不同的开发商不同的时期开 发出来，所使用的信息技术和编码标准都是很大不同。电力信息化的发展，信息 集成和数据综合利用成为电力企业的需求，怎样一方面能够满足企业的应用需 要，另一方面又充分利用现有信息系统，保护以往信息化投资成为一个重要的研 究课题。 为了解决当前的问题，很多信息化方案被提出，例如软总线技术 1 】， “l c i m 的数据抽取技术 2 】等，但是这些点对点信息集成方式虽然能够解决一 1 第一章绪论 些信息系统数据互传递和互操作的问题，但是大量点对点的信息系统连接结构会 导致信息系统的蛛网模型，并且由于没有全局数据的形成，不能有效的支持数据 的高级应用。数据仓库技术作为一种新兴的海量数据处理工具，可以将电力系统 数据清洗，整理转储到其中，并且数据仓库将原本在其它信系统数据的存储模式 进行改变，使之适合电力系统决策的应用。 现阶段建设数据仓库系统已经成为电力行业的共识，许多电力企业数据仓库 正在或即将开始建设，有关数据仓库在电力系统的应用研究更是众多 3 7 】，但是 数据仓库的构建不同于一般的信息系统的设计和使用。数据仓库的数据来源于电 力企业现有信息系统，由于各家电力企业的信息化进成不一致，而且信息系统软 硬件都不一样，而且由于电力企业具体运行状况不同，数据仓库之上的决策应用 也是不同的，所以数据仓库的建设要根据电力企业的实际情况提出整体性解决方 案，而不是一般意义上的软件或信息系统。此外数据仓库的应用主要是面向决策 分析，而不是一般的事务处理。这一项工作也不是简单的对软件的使用，而是既 要对电力系统有深刻的认识，又对数据仓库，数据挖掘等信息技术充分掌握。 数据仓库系统不是像其它信息系统一样具各软件系统就可以安装使用的，数 据仓库的实施是一个巨大信息化工程，这项工作不是一蹴而就的，它既具备一般 软件工程的特点，又有其自身的特点。就电力企业数据仓库实施方法进行研究对 电力企业数据实施会有指导性的作用。 1 3电力调度简介 调度部门是电力企业核心部门之一，电力法指出是：电网调度的首要任务是 保障电网安全、稳定、正常运行和对电力用户安全可靠供电。为此，调度机构要 预先通过大量的计算分析，制定对付意外事故的安全措施，装设安全自动装置和 继电保护设备。做好事故预想和处理预案，防范于未然。一旦电网发生故障，调 度就要按电网实际情况并参考处理预案，迅速、准确地控制故障范围，保证电网 正常运行，并避免对电力用户供电造成影响；遇到严重事故时，为保证主网安全 和大多数用户的正常供电，调度将根据具体情况采取紧急措施，改变发输电系统 的运行方式，或临时中断对部分用户的供电。故障消除后，调度要迅速、有序地 尽快恢复供电，尽量减少用户停电时间。 调度的另一重要任务是，保证电能质量，保持频率、电压、波形合格。这就 第一章绪论 必须时刻保持发电和用电的瞬时平衡。由于电能不易大量贮存，而用户的用电是 随机的，要时刻保持供需平衡，就要求调度必须提前预计社会用电需求，并依此 进行事前的电力电量平衡，编制不同时段的调度计划和统一安排电力设施的检修 和备用。在实际运行过程中调度一方面要依靠先进的调度自动化通信系统，密切 监视发电厂、变电站的运行状况和电网安全水平，迅速处理时刻变化的大量运行 信息，正确下达调度指令；另一方面要实时调整发电出力以跟踪负荷变化，满足 用电需求。 调度还需要综合考虑国家能源政策和环保政策，以及电源分布、负荷需求、 电网结构以及防汛、环保等因素，按照公平、公正的原则合理安排发电，实现发 电资源的优化利用，以提高国家电力能源利用效益。 现阶段电力信息化的成绩主要在调度部门得到了体现，e m s ，d t s ，s c a d a 等信息系统在调度工作中发挥了重要作用，极大的减轻了调度员的工作强度及调 度工作的可靠性。但是现阶段的信息系统只是实现了调度的自动化，调度决策仍 然基于离线决策和调度员的经验，在线的调度决策系统是提高调度工作质量的重 要手段。 1 4 相关技术概述 1 4 1 数据仓库的概念和特点 世界公认的数据仓库的概念创始人w h i m a n 在其著作b u i l d i n gt 1 1 ed a 诅 a r c h o u s e 对数据仓库的定义为：数据仓库是支持管理决策过程的、面向主题 的、集成的、稳定的、时变的能够更好的支持企业或组织的决策分析处理的数据 集合，用于支持经营管理中的决策制定过程。数据仓库的主要特点 支持决策管理。数据仓库不同数据库，数据库的数据是为了满足日常业 务处理的需要。而数据仓库的任务是决策分析。这样数据库的一些设计 原理就不能适用于数据仓库的设计。数据仓库为为了提高数据处理的相 应速度而接受数据冗余的存在。数据仓库通过改变般数据中的关系表 的数据组织形式，建立更适合的逻辑模型支持决策应用。 面向主题的( s u b j e c t o r i e n t e d ) 。主题是在一个较高层次将数据归类的标 准，每一个主题对应着一个宏观的分析领域。基于主题组织的数据被划 第一章绪论 分到各自独立的领域，领域间的数据之间不互相交叉。和按照主题划分 相对的是按应用划分，这对于决策分析不一定适用。 集成的( h l t e g r a t e d ) 。决策应用需要对企业数据能够有全局性的概览，也 就是需要对生产领域中产生的数据进行集成。一方面，数据仓库容量的 巨大是提供这种物质保证，另一方面，这也要求数据仓库在必须有数据 集成的环节，通过集成实现数据的汇总集成。事实上，数据集成方案的 设计往往在数据仓库中是最困难的一个步骤。电力系统的规模巨大，而 且每时每刻都在产生数据，集成的数据量非常巨大，一般省级电力公司 可以达到t b 级的数据量。 与时间相关的( t i m e i a m ) 。数据仓库的数据是时变的，也就是说随着 时间的推移，生产数据不断的汇总，虽然以前的历史数据仍然存在，数 据仓库中数据还是在不断的变化。数据仓库必须能够不断捕捉事务系统 中的变化数据，将变化数据追加到数据仓库中去，也就是在数据仓库中 不断生成事务数据库的快照。数据快照生成的间隔可以按照数据生成速 度的快慢和决策分析的需要而定。此外，数据仓库中的数据在数据仓库 中存放超过一定时限也会自动删除。 稳定的o n v o i a l i l e ) 。数据仓库数据处于不断的变化之中，可是数据仓 库中数据大多表示过去某一时刻的数据，用于查询，不像事务性系统数 据库那样，经常修改、添加。数据一旦进入数据仓库之后，可以保存相 当的时间。数据仓库中存在大量的查询操作，但是删除和更新操作却很 少。 1 4 2 公共信息模型c i m 国际电工技术委员会i e c 定义的两个系列标准i e c 6 1 9 6 8 和i e c 6 1 9 7 0 分别 描述了配电管理系统和能量管理系统的应用程序接口 8 。两个系列标准共同定 义了一种电力系统通用信息模型c i m ( c o 衄o nh 曲r i l l a t i o nm o d e l ) 。通用信息模 型c i m 是电力企业应用集成的重要工具，它包括公用类、属性、关系等，其类 ( c l a s s ) 及对象( 0 b j e c t ) 是抽象的，可以用于许多电力系统应用，它是逻辑数据结 构的灵魂，可定义信息交换模型。c i m 已经被3 0 多个电力企业所接受，2 9 家开 发商可以提供3 3 种基于c i m 的应用，c i m 还被其它标准化组织所认可和引用。 第一章绪论 c i m 提供了一个关于电力能量管理系统信息的全面逻辑视图，是一个代表电力 企业所有主要对象的抽象模型，包括了这些对象的公有类和属性，以及它们之间 的关系。 c i m 用面向对象的建模技术定义。具体地说，c i m 规范使用统一建模语言 ( u m l ) 表达方法，它将c 1 m 定义成一组包。c i m 中的每一个包含有一个或多个 类图，用图形方式表示该包中的所有类及它们的关系。然后根据类的属性及与其 它类的关系，用文字形式定义各类。 c i m 是用u m l ( u n j f i e dm o d e l i n x 第一章绪论 p r o t e c t i o n 包( 保护包) 是c o r e 和w i r e s 包的扩展，它建立了保护设备， 例如继电器的信息模型。 l o a d m o d e l 包( 负荷模型包) 以曲线及相关的曲线数据的形式，为能量用 户及系统负荷提供模型。这里还包括影响负荷的特殊情况，例如季节与日期类型。 g e n e r a t i o n 包( 发电包) 分成两个子包：p r o d u c t i o n 包和g e n e r a t i o nd y n a m i c s 包，分别给出了各种类型发电机和原动机的模型。 1 4 3 扩展标记语言x m l x m l ( e x t e n s i b l em a r k u pl a n g u a g e ) 语言是近几年来新发展起来的基于 i n t e m e t 的元数据置标语言，由s g m l ( s t a n d a r dg e n e r a l i z e dm a r k u pl a n g u a g e ) 语言发展而来，由w w w 协会制定。x m l 是一种原标记语言，用户可以为自己 的数据创建自己的标记，制定自己的标记语言，以统一、开放、基于文本的数据 模式描述不同应用或数据源中的私有数据，屏蔽环境和数据结构的差异。x m l 作为一种标记语言，有许多特点【9 ，1 0 】： 简单。x m l 经过精心设计，整个规范简单明了。它由若干规则组成，这 些规则可用于创建标记语言，并能用一种称作解析程序的软件处理所有 新创建的标记语言。 开放。x m l 是s g m l 的一个子集，在市场上有许多成熟的软件可用来 帮助编写和管理，并且开放式标准x m l 的基础是经过验证的标准技术， 并针对网络做了最佳化。众多业界顶尖公司，与w 3 c 的工作群组并肩合 作，协助确保交互作业性。标准支持各种系统和浏览器，而且x m l 标 准在不断的改进中。x m l 解释器可以使用编程的方法来载入一个x m l 的文档，当这个文档被载入以后，用户就可以通过x m l 文件对象模型 来获取和操纵整个文档的信息。 高效且可扩充。支持复用文档片断，使用者可以发明和使用自己的标签， 也可与他人共享，可扩展性大。随着世界范围内的许多机构逐渐采用 x m l 标准，将会有更多的相关功能出现。v i l 提供了一个独立于程序 的方法来共享数据；使用d t d 或者x m ls c h e m a ，不同组中的人就能够 使用共同的d t d 或者s c h e m a 来交换数据。你的应用程序可以使用这个 标准的s c h e m a 来验证你接受到的数据是否有效，你也可以使用一个 第一章绪论 s c h e m a 来验证你自己的数据。 国际化。标准国际化，且支持世界上大多数文字。这源于依靠它的统一 代码的新的编码标准，这种编码标准支持世界上所有的主要语言编写的 混合文本。能阅读x m l 语言的软件就能顺利处理这些不同语言字符的 任意组合。因此，x m l 不仅能在不同的计算机系统之间交换信息，而且 能跨国界和超越不同文化疆界交换信息。 可移植性的数据。x m l 使真正的跨平台、长期的数据格式成为可能。x m l 文档是文本，任何能够读文本文件的工具都能读x m l 文档，数据和标 记都是文本，使得x m l 成为一种极为简单的、有良好文档记载的、直 观的数据格式。 1 4 4 数据挖掘 数据挖掘是一门交叉学科，它把人们对数据的应用从低层的简单查询提升到 从数据中挖掘知识，提供决策支持。在这种需求牵引下，数据挖掘技术涉及到了 多个领域的相关知识，如机械智能化( m a c h i n el e a r n i n g ) 、机械自发现( m a c h i n e d i s c o v e r y ) 、统计数据库智能化( i n t e l l i g e n td a t a b a s e s ) 、工程知识发现( k n o w l e d g e a c q u i s i t i o n ) 、数据可视化( d a t av i s u a l i z a t i o n ) 和专家系统( e x p e r ts y s t e m ) 等。 数据挖掘的出发点是代替专家从大量的数据中挖掘出隐含于其中的知识。它 使数据存储技术进入了一个更高级的阶段。它不仅利用了数据库的存储功能，对 历史数据进行查询和遍历，能回答“什么”；并且能够找出历史数据之间的潜在联 系，挖掘出其背后隐藏着的许多重要信息，这些信息是关于数据的整体特征的描 述及对发展趋势的预测，在决策生成过程中具有重要的参考价值，从而可很好地 支持人们的决策，能回答“为什么”。数据挖掘主要的挖掘方法有： 数据关联规则的挖掘 关联规则挖掘是最常见的数据挖掘方法，关联规则的研究也最深入。主要算 法有a p r i o r i 、s t e m 、a i s 、d h p 等算法。关联分析的目的是挖掘隐藏在数据 间的相互关系。通过关联规则挖掘，调度部门可以分析出气候同负荷的之间的关 联性，可以分析设备故障和运行方式之间的关系等，从而对调度工作进行指导。 数据分类的挖掘 设有一个数据库和一组具备不同特征的类别( 标记) ，该数据库中的每一个 第一章绪论 记录都赋予一个类别的标记，这样的数据库称为示例数据库或训练库。分类挖掘 就是通过分析示例数据库中的数据，为每个类别做出准确的描述或建立分析模型 或挖掘出分类规则，然后用这个分类规则对其它数据库中的记录进行分类。目前 已有多种分析模型得到应用，其中主要算法模型是决策树模型、遗传算法模型、 神经网络模型和粗糙集模型。 数据聚类挖掘 聚类是用于发现数据库中需要分类的对象集合中的对象类，聚类挖掘按照数 据组的相似性归成若干类别，即所谓的“物以类聚”，目的是使属于同一类的个体 之间的距离尽可能的小，而不同类别的个体间的距离尽可能大。聚类挖掘可以作 为其它挖掘分析的预处理阶段，可以获得数据的基本概况；聚类挖掘也作为独立 的分析方法可以统计数据分布情况，例如在电力企业客户信息提取中，由于电力 用户数据极大，通过聚类可以将客户分成不同的客户群。此外，聚类分析还可以 完成孤立点的挖掘。聚类算法主要有统计聚类方法、概念聚类方法以及混和聚类 方法。 数据时间序列和序列模式的挖掘 时间序列挖掘就是将某一指标在不同时间上的不同数值，按照时间先后顺序 排列而成的数据列。这种数列由于受到各种偶然因素的影响，往往表现出某种随 机性，彼此之间存在着统计的依赖关系。时间序列挖掘就是将这些关系找出来， 主要的算法有确定性预测方法和随机时间序列挖掘方法。 序列挖掘或称序列模式挖掘，是指从序列数据中发现蕴涵的序列模式。时间 序列分析和序列模式挖掘有很多相似之处，在应用范畴、技术方法等方面也是有 很大的重合度。但是，序列挖掘一般是指相对时间或者其它顺序出现的序列的高 频率子序列的发现，典型的应用主要限于离散型序列。 新兴的数据挖掘技术 由于数据挖掘强大应用前景，数据挖掘成为研究的热点，一些新兴的数据挖 掘方法也纷纷产生，其中主要是w e b 挖掘和空间挖掘。 其中，空间挖掘在电力系统中有广泛的应用前景，空间信息是和各种生产数 据广泛相关的一种信息，空间数据挖掘就是针对空间数据库和空间数据方面的挖 掘。现阶段电力企业着手建设电力系统地理信息系统就是对电网空间信息的一种 o 第一章绪论 收集和处理，有了这些信息的积累，通过空间数据挖掘可以展开空间负荷预测等 问题的研究。 1 5 数据仓库项目实施概述 整个数据仓库实施的生命周期过程 1 1 如图所示，图中阐明了在有效地设 计、开发和部署数据仓库时所必须的一系列高级任务。该图显示了整个项目的实 施路经，图中每一个方框都可以看成数据仓库项目建设过程中的指示标记。 图1 1 数据仓库项目实施步骤图 如图所示，数据仓库项目实施主要有四步，以下我们对这些步骤进行简要 的概述。 1 项目规划阶段 项目评估主要关注的是数据仓库项目的定义和范围，其中包括项目准备评估 和业务合理性评估。由于建立电力系统数据仓库已经得到了众多电力企业的认 可，项目规划阶段的主要工作就是对项目实施的人力物力的准备以及合理项目实 施的安排。最终集成的项目计划中会确定与业务维生命周期相关的所有任务，并 且确定项目的参与人员及各自的责任。项目规划可以看作是数据仓库项目管理的 基础。 2 信息资源规划和需求分析阶段 电力生产的规模巨大，产生的数据无论在种类和数据产生量和频率是其它行 业无法达到的。而且由于数据仓库的数据不是由使用者录入的，而是对多个操作 型信息系统集成得来，在实施数据仓库项目的第一阶段就是对生产数据和经过操 作型信息系统处理过的生产数据进行整体清理和规划。首先必须对现有生产数据 第一章绪论 的种类、存储格式、数据量进行清理，其次为了统一数据格式，便于数据仓库的 数据集成以及维护和扩展，对数据命名、编码、格式进行统一规划。 需求分析是对数据仓库的应用目标进行统计和分析。业务需求会几乎影响到 整个数据仓库实施过程中全部步骤。数据仓库的建设提倡以业务需求为驱动，需 求分析位于数据仓库实施中的中心环节。 i j ，。、7 艘算矿 和管理” _ 一一一i 需求分析) 一 维繁增入 y 的支持度 ( s u p p o r t ) 为s 。对于支持率s ，若s 。 l d l x s ，则称项目集x 是频繁项目集， 其中f d l 是数据库d 中事务的数量。挖掘关联规则就是找出数据库中超出给定支 持度和置信度的所有关联规则。 在进行关联规则挖掘时，通常把分解成以下两步来解决： ( 1 ) 发现频繁项目集。 f 2 ) n 用频繁项目集产生关联规则。 关联规则挖掘有多种分类方式。按所挖掘数据的类型不同，可分为布尔型关 第五章基于数据仓库的电力调度决策应用研究和信息化规划 5 3 1电力设备在线监测系统 电力设备得故障是电力故障得重要组成部分，但是调度部门对于电网得调度 监控还主要是针对电网得监控，对设备故障没有进行必要得监控。s c a d a 系统 和保护系统能够采集到大量的设备运行状态数据，通过数据挖掘的分析方法对这 些数据进行实时的分析，提取出故障发生的特征数据，提供调度员实实时的设备 状态评估，根据设备状态的评估采取有针对性的调度方案，并制订有效的检修方 案。系统主要完成对以下几功能模块组成： 监测模块。监测系统首先要建立一套关于设备安全运行评估预警标准， 通过数据挖掘的方法可以对数据仓库中故障设备的状态数据进行挖掘 提取，并根据设备安全运行的基本约束和故障出现时的典型数据特征， 形成监测系统的模型库。由于电气设备种类多样，运行标准不一，需要 根据设备的特定要求建立评估规则。以变压器为例，除了基本电压、电 流、功率等电气参数的限定之外，还要对变压器的绝缘，温度，内部气 体成分等参数进行评估限定。监测模块通过电力设备的运行数据，将这 些数据进行特征值提取， x 第五章基于数据仓库的电力调度决策应用研究和信息化规划 防性措施。 管理模块。管理模块负责完成所用功能模块的配置、调度功能，协调各 个模块之间的相互关系，负责人机交互。通过管理模块，用户可对检修 系统进行各种功能模块的设置；涉及到算法和规则定义时，管理模块可 以调用模型库和知识库的管理程序协助完成相应的算法模型和规划知 识的实例化。 5 3 2 电力调度在线预警系统 现有调度安全预警系统普遍是离线的方式，对于电网的运行变化情况不能很 好跟踪，对于电力事故应对能力不足。在线预警系统，能够实时的跟踪电网的运 行状态，报告电网运行的安全级别，指出电网存在的潜在问题并给出安全性建议 措施，帮助调度员决策。由于在线预警系统实时的反应电网信息，并做出基本的 安全性判定【3 7 】，所以对于硬件性能和算法速度要求比较高，很多电网的优化计 算的实现要放在调度专家系统中实现。在线预警系统主要有以下功能模块组成： 电网实时信息重建。电网故障出现之后，电网的结构随之发生变，预警 系统要迅速的对电网结构信息做出重建，以进行安 x 第五章基于数据仓库的电力调度决燕应用研究和信息化规划 挖掘分析，建立起暂态稳定控制的策略表，也可以求取切机、切负荷灵 敏度等指标，以帮助决策切机、切负荷等紧急控制措施的实施。 预测未来的安全状况。未来时刻电网安全性主要通过进行超短期负荷预 测，然后根据负荷预测情况进行潮流计算，这样可以得到电网负荷分布， 对电网稳定有一个预测性的判定。 5 3 - 3调度专家系统 现阶段，电力调度员对于很多调度决策问题的解决方法主要是依靠方式科的 离线设定或是调度经验。完全离线方式的运方设定情况下，为了保证电网的稳定 性通常都将电网设定为较低的运行水平。与在线预警系统不同，调度专家系统是 一个近实时系统，主要是针对电网运行正常状态下，为了达到运行的经济性要求 进行各种优化分析，进行海量信息的计算。调度专家系统主要关注的问题有：短 期负荷预测，电网的无功优化和电力线网损，电力事故处理辅助决策以及事故后 电网恢复辅助决策。各个模块的主要功能是： 超短期负荷预测模块。超短期负荷预测是对合理安排电力调度，制订检 修计划的基础，及时而准确的负荷预测能够有效的节约电力企业的人力 物力资源。模块对数据仓库中有关于负荷的历史数据进行挖掘分析， 其中的基于人工神经网络和模糊推理，模糊聚类时间序列方法等挖掘方 法。 无功补偿方案辅助决策模块。电网的无功补偿对于供电企业来说是优化 电网运行状态，提高电网经济性的最重要的手段。无功补偿方案主要需 要确定无功电源的选择，无功补偿量的确定，由于要进行最优潮流的计 算，计算量非常巨大。在数据仓库平台之上的专家系统，可以通过数据 挖掘对历史运行数据中无功补偿方案效果进行分析，提出一些无功补偿 更加具体限制条件，降低计算星。 智能型继电保护参数整定。电力保护设备参数整定要考虑保护值的计 算，后备保护的选择，保护的选择性和灵敏性，应用的灵活性。智能型 保护参数整定可以根据电网的状态，线路的负载情况，动态的设定继电 保护设备的整定值，达到最优的保护效果。 智能操作票模块。智能操作票功能建立在实时电网信息之上，操作票的 第五章基于数据仓库的电力调度决策应用研究和信息化划划 制订考虑实时电网拓扑，电力设备状态，负荷用电情况等信息，通过综 合决策制订操作票，使得检修、停电等操作影响范围最小，执行操作最 为科学便捷。此外智能操作票模块还可以提供操作票查询管理功能 3 9 ，4 0 】a 故障电网恢复辅助决策模块。近年来，电力系统大停电事故时有发生， 发生大停电事故后，最紧迫的任务时实施电力系统黑启动，尽快恢复供 电。所谓黑启动，是指整个系统因故障停电后，不依赖其它网络帮助， 通过系统中具有自启动能力机组的启动，带动无自启动能力的机组，逐 渐扩大系统输电范围，最终实现整个系统恢复的过程。故障电网恢复辅 助决策模块可以对数据仓库中关于历史故障和恢复决策数据进行分析， 帮助调度员制定合理的黑启动恢复方案。 5 3 4 负荷分析管理系统 前面已经介绍电力负荷对电网运行有重要的影响，但是由于负荷数量极大， 负荷运行的独立性，以往电力企业对于负荷只是采取被动的应对。负荷分析管理 系统则是通过对负荷的信息综合存储，并通过数据挖掘和o l a p 等工具对其分 析，主要的分析内容有： 负荷的空间分布特性。负荷的空间分布对于电压稳定，电力无功、网损 等问题都有密切的关联，对于负荷空间特性研究，能够很好支持空间负 荷预测，电网规划 4 1 1 。数据仓库中可以保存起历史的负荷空间数据， 通过聚类，分类等挖掘方法找出负荷中心，提取出典型负载值。 负荷的增长特性及相关影响因素。一般来说电力负荷都是处于不断增长 的过程中，但是由于负荷类型不同，负荷增长的特点以及影响负荷增长 的因素都是不一样的。负荷管理系统可以通过聚类的挖掘方式对负荷进 行不同的归类，提取出影响负荷变化的因素。这样，就能够根据负荷相 关因素的变化情况，更好的进行负荷预测，安排电力规划和建设。 负荷的峰值特性。负荷的峰值特性对电力调度有重要的意义，其中主要 历史数据挖掘不同负荷峰值的周期，出现时间，峰值持续时间等的特性。 负荷电气特性。负荷作为电网的电气组成部分，负荷的电气特性对电网 运行也是有很重要的影响。负荷对于电网的电气影响不是显示单个负荷 第六章结论 第六章结论和展望 数据仓库技术是面向决策应用的数据存储系统，具有集成性、稳定性、面向 主题性等特点。通过建立企业数据仓库系统，能够将应用型信息系统数据集成到 数据仓库中，对企业经营历史信息进行面向主题的存储管理，通过数据挖掘和 o l a p 等数据分析方法对历史数据进行分析处理，找出对企业有用的决策信息。 本文根据数据仓库建设的实际经验，针对数据仓库系统实施中的建模和数据 登台问题提出了相应的解决方案，并实现了调度主题的建模，参于实现了信息一 体化平台的实现。论文最后给出的调度高级应用系统的建设规划，能够对电力企 业进一步信息化建设的参考。本论文的研究工作，能够很好的指导电力企业数据 仓库系统建设。 数据仓库系统的成功建设，使得电力企业可以建设的更加稳定，综合全面的 数据层，形成数据库一数据仓库复合的企业数据层，为电力企业开发高级应用奠 定更坚实的基础。在数据仓库基础之上开发更适合电力企业应用的辅助决策系统 是电力工作进一步研究的工作，使得电力调度更加科学有效。 参考文猷薹墓掌耄毫三童垂妻耋黎瑟鬓孽蠢蠢誉雾善薹蠡翼 娜参蘩奠强臻旺冀燃缝罄纂勇曩离塑蠢鏊j 干刀磐罂銎霎甄以嚣壤孬霪鬟熏瑟浮萎 引剥裁剐靳弼篙冀藻攀穗囊谨簇匐：要磊皤萎鳢警髹裂葭蓠瑟势抽叠碧羽到释 筲。 撼簪彭到器若囊攀篡誊其趸尝蓥铬讯髦露零舞爱臻舞豁缵颡醚；熊露船嚣鍪 一例漫丽鬣鋈嚣。蘑意巨鬻露袋出蘸嚣楚懑攀羹霖嚣爨琵嚣妊鍪拦基型削副! 囊 豁秘彰甄鲥要若裂邕羹霭堞餐朔舅靼臻轷器雾叠雾鬻，拶糕爨辫善强胫匮罐罐 镙攥陲。渔港莲鼍j 睿莲謦冀嚣二疆畦鞠冀蘸廛嫩也萋蒂蠢嫂焉薷磐瑟誊跨帛高 飘攀乖霈丝稹， 。鼋。i羹鋈霆囊囊雌萋霎露羹鋈交誊薷萋曩萋鍪 骚嚣稀跫鏊熏墼需型圈巍一麓登醪稀羹霜鹫鐾，骧壁塑翁嚣戆蠢美器髫螽鬻 熟瑟萋霞强