7.3 從電力系統運行看大數據技術的應用機會

　　當前的電網調度運行依然是小數據支持下的調度運行系統。傳統的SCADA系統僅采集電力系統內部的主干線路和變電站設備運行參數，以此支撐系統的安全狀態監測和實時潮流分析，只能進行粗粒度的發電控制、傳輸控制和負荷控制。而未來的電網運行監測的觸角將從主干網全面覆蓋到配電網、區域用戶和大用戶微網，乃至家庭小用戶局域網，并進行全面細微的整體的監測和控制。這就相當于對人體的血液循環系統的感知觸角要從大動脈覆蓋到動脈和每一個肌體組織內的毛細血管，并能進行相應的血流調節和控制。而當前的調度運行系統在小數據的支撐下，只能做到整體上的大動脈級的監測控制，在肌體組織毛細血管級別，還不能實現整體上的有機結合，不能做到互動協同。

　　從電力系統運行數據監測的角度來看，數據量的增長首先來源于監測點數量規模的迅速擴大。為了進行互聯互通的協同控制，描述數據關系的數據規模也迅速增長。仍然可以類比想象對人體的血液循環系統的控制，傳統小數據支持下，對主干網的電壓和電流基本運行參數的測量，就相當于人只對心臟和主動脈的血壓數據和血流量數據進行監測和控制。而未來的智能電網多層協同監測就相當于需要對每條毛細血管的血壓和血流量進行監測。數據監測點將實現成千上萬倍擴展，只有這樣，才能將單純地從對電網的運行工況的監測控制，提升到整個電網一致協調地進行自我感知，自我調節，自愈恢復的整體智能調度的水平上來。

　　電網的負荷變化具有很強的隨機性，負荷的切除和投入時間在毫秒級完成。而影響系統穩定性的主要變化因素之一就是負荷的變化，一旦電源不能跟隨負荷的變化來變化的話，系統的安全就會在數分鐘內出現危機。所以，系統要實現自我感知，自我調節和自愈恢復，對系統運行參數的測量頻度也必須大大提高。

　　電力系統運行數據的采集時空粒度的顯著細分是電網大數據的主要來源之一，因此，電力系統生產運行管理也將是大數據在智能電網中應用的主戰場之一。在這片主戰場上，可以預見在未來至少將要發生如下幾場大戰役：分布式新能源電源接消納之戰，短期負荷精準預測之戰，微網電能自動調劑之戰，全覆蓋電能計量實時監測之戰，精細化家庭能源管理之戰中，這每一場戰役都對大數據的應用有著不可豁缺的依賴。

　　7.4 從電力系統維護看大數據技術的應用機會

　　電力系統當前的維護方式已經逐步從周期巡檢和預防試驗過渡到在線監測支持下的狀態檢修和狀態維護的模式。狀態檢修和狀態維護立足于對具體設備的健康狀態的實時在線的監測，通過專門針對每臺設備的監測數據的分析，來判定被監測設備的健康狀態，從而決定是否需要對該設備進行檢修或更換。面向的是單臺設備的運行可靠性的問題。

　　盡管對設備實施的實時在線監測也產生大量的監測數據，也是需要對這些數據進行模型化的分析和診斷判定。但由于這些數據只是分布在各自獨立的在線監測終端設備或專門的局域網中，僅專用于對被監測設備進行健康狀態評估和批量設備的健康管理。因此，還不能稱為是真正意義上的大數據。

　　未來的智能電網的設備，將通過電網設備集成標準的智能化技術構成智能電網設備，其中包括大量的電量和非電量的傳感器的使用和具備網絡通信功能的智能組件(IDE)的使用，來實現設備自身健康數據的采集和自身健康狀態的感知。這點從功能上來說和在線監測技術是相同的，而不同的是，這些智能設備采集到的健康數據，是可以通過網絡匯集到集中的數據中心進行存儲和分析應用的，這樣才形成了電網自身健康狀況大數據。有了集中共享的全體設備的健康狀態海量數據，才能對電網進行網絡級別的健康狀態評估，把從設備可靠性管理提升到局部電網的可靠性的管理級別上來，實現系統級的可靠性管理，并可開發針對電網可靠性管理的高級應用。這正是智能電網區別于傳統在線監測技術的顯著優勢，而大數據技術正是實現這些功能的技術基礎。

　　待續...