基于大数据的电力系统运行行为识别提取与表征

Electrical power systems have been extended to almost every home and factory. As a vital energy supply system, power system is indispensable to the whole society in any instant. Power system transmits enormous energy with various complicated operation conditions. To analyze power system operation conditions and avoid excessive calculation consumption，the methods of simplification, sampling and typicality have to be used by dividing network hierarchically and separating sub-problems at different time scale. The whole performances of power system could not be revealed soundly. Along with the progress of information acquisition infrastructure in power systems and the development of smart grid, enormous data has been accumulated from power system, which is a typical class of big data. The research on extracting operation feature of power systems from big data is still preliminary. This proposal will focus on how to cognize, extract and visualize the operation-behavior feature of power system from big data; reveal the logic and non-logic correlations among operating variables; establish the big data based direct representation approach for critical operation features of power systems; reveal the time-evolution characteristics of power systems and build a predicting approach; research power system operation features under impact of outside environment and events and also study big data preprocess, data integration, distributed computing, correlative search and visualization. This project aims at promoting the big data based studies on power system operation performances.

电力系统几乎延伸到人们生产生活的每一个角落，是全社会须臾不可离的能源供给系统。电力系统处理能量巨大、运行复杂。为避免过重的计算代价，对其运行行为的分析通常划分为不同网络层次和时间尺度，简化、抽样、典型方式等方法被广泛采用，不利于全面把握电力系统的运行行为。随着电力系统信息化的进步和智能电网的发展，电力数据量快速增长，是典型的大数据。从大数据提取电力系统运行行为特征的研究还不多。本项目研究基于大数据的电力系统运行行为特征识别、提取和表征，试图从大数据中获得对电力系统运行特征的全面把握和深刻洞察，揭示运行变量之间的逻辑和非逻辑关联关系，建立评价运行状态临界特征的直接表征方法，研究电力系统运行状态的时序演进特征、规律和预估方法，研究受外部环境和事件驱动的电力系统运行特征及预估方法，研究结构性数据为主的数据集成与加工、分布式处理、关联搜索及可视化展示方法。推动基于大数据方法的电力系统运行特征研究。

电力系统是具有高度时空复杂性的动力学系统。以往对电力系统运行行为特性的了解主要依赖于自下而上的集成建模方法，难以把握系统整体运行态势的演进规律。.计算机和通信技术的发展，显著提高了电力系统的感知能力。电力系统的海量运行数据中蕴含着丰富的信息，从数据中发掘电力系统运行的演变特性和关联关系，有助于从整体上认知电力系统运行态势演进的规律性。.本项目以从数据中“萃取”电力系统的运行行为特征为目标，运用大数据方法研究电力系统运行行为特征识别、提取和表征方法。力图从运行数据中获得对电力系统运行特征的整体把握，为认知电力系统运行的时空复杂性提供新的视角。.主要成果：.1.在电力系统运行状态临界特征直接表征方面，构建了基于数据的电力系统/元件运行临界特征的表征方法。提出了输电元件临界特征评估指标和基于非参数估计的输电断面TTC评估模型。揭示了电力系统运行数据的时空关联关系。.2.在电力系统时序演进特征识别及态势预估方面，研究了电力系统运行数据的时序演进规律描述及预估方法。提出了基于“时序—空间—状态”视角的电力系统“状态-空间”图描述方法，提出了基于负荷时空模式的电网运行态势预估方法、基于轨迹的电力系统暂态稳定态势预估等方法。实现了对电力系统运行态势有效描述与预估。.3.在外部环境和事件驱动的运行特征识别及预估方面，考虑电力系统外部环境（极端气象条件）和典型事件（扰动、多能流、间歇能源）等因素对电力系统的影响，建立了基于数据的外部事件与电力系统运行特征的隐式关联模型，提出基于马尔科夫链的输电线路运行风险预估方法，从多角度揭示了外部事件对电力系统运行态势的影响。.4.在大数据集成、处理、关联搜索方面，研究了基于典型大数据方法的系统架构，提出了电力调度数据集成模型以及电网断面数据检索方法和多种分布式计算方法。研制了多源大数据的集成、检索、计算和展示平台。.发表论文49篇，专利14项，获省部级奖7项，培养研究生35人。.已按计划书完成全部研究任务。