摘要：水电站建设规模的扩大促使电网负荷峰谷差显著增大，为水电机组的正常运行带来了严峻的挑战。本文简要分析了大数据时代下水电站的基本运营情况，从创设大数据分析算法、构建调度数据分析系统、开发移动管理APP应用平台等层面入手，探讨了利用大数据提高水电站运营管理水平的有效措施，以供参考。
关键词：大数据；水电站；负荷预测；调度数据统计；移动管理APP
引言：在当前的信息化时代，将大数据技术应用于水电站的运营管理中可以依据常年来水量完成发电计划的制定，针对不同负荷下的水电机组运行效率进行分析，实现降低能耗、节约成本的目标。基于此，应当着重将大数据技术引入到水电站运营管理系统的建设中，进一步推动水电站实现集中控制、区域化管理的目标。
一、大数据时代下水电站的基本运营情况分析
以德宏电网水电厂运营状况为实例，随着近年来水电厂建设数量的增加，德宏电网旗下所包含的水电厂已超过200余家，调管对象的日益增多加剧了电网运行的复杂特性。与此同时，电网负荷峰谷差呈现出显著增大的趋势，调频、调峰频次的增多加剧了水电机组的运行压力，对于整体电网运行的稳定性也产生了一定的影响。为改善这一问题，近年来德宏供电局已着手完成了水调自动化系统的建立，针对所管辖的200余座水电站都能够实现水情数据的一体化采集与监视，结合不同水电站的运行状况进行发电计划的制定与中短期水情预测，并联系现有小水电管理系统进行统计数据的对比与矫正，更好的提高了小水电管理水平。然而当前德宏供电局在发电计划制定、负荷预测与数据监控等方面仍然未达到完备水平，因此还应当着重依托大数据技术完成相应管理系统的设计与开发，以此提高发电厂负荷预测的准确率，提升水电站运营管理实效。
二、大数据时代下针对水电站运营的管理措施探讨
（一）创设大数据分析算法，提高发电厂负荷预测效能
将大数据分析算法应用于发电厂负荷预测中，主要致力于提高负荷预测分析工作的准确率，更好的满足调度对象的切实需求。首先利用聚类分析法与神经网络BP算法，依据季节、气候、区域分布与节假日等影响因素综合考察电力负荷的周期性变化规律，完成发电厂负荷预测模型的构建：先收集气象数据、日期类别、历史负荷数据等相关数据；再完成历史坏数据的预处理；然后选取样本数据针对其进行量化处理；接下来针对样本数据进行模糊聚类分析，完成具体类别的划分；随即以预测日为参照筛选出与其距离最短的类别，完成BP网络样本数据的收集；进而通过BP网络学习输出最终的预测结果[1]。
其中在针对历史数据进行量化处理这一环节，应当依据负荷、温度、天气、日期等不同类型的数据分别进行量化处理，以此为聚类分析创设良好的条件。例如针对历史负荷数据进行归一化处理，其公式为：
在进行负荷预测模型构建时，应当分别依据日平均负荷与7天时间内日最大负荷值完成负荷神经网络结构的建设。具体来说，首先在负荷预测神经网络中输入负荷、温度、天气等历史数据，完成历史坏数据的预处理，接下来针对温度、天气等指标进行量化，选取日平均负荷与7天时间内日最大负荷数据等开展聚类分析，进而分别完成欧式距离的计算，其公式为：
最后应用该负荷预测模型开展仿真实验，选取某水电厂低压台区的运行状况作为实例，采用2017年3月-5月的历史数据进行次年日平均负荷与7日内最大负荷的预测，结合选取时间范围内的日均温与极差值等指标进行聚类分析，最终获取到最佳聚类水平阈值为0.5342，将预测结果与2018年真实值进行比较，可以发现其平均负荷相对百分误差低于4.7%、最大相对百分误差低于4.5%，由此可以判断该模型能够有效提高负荷预测精度，具有较强的应用价值。
（二）构建调度数据分析系统，完善调度运行数据分析
为进一步提高发电计划编制的准确性，提升对调度数据的监管效能，还应当着力完成调度数据分析系统的构建，真正针对水电站的跳闸记录、发电量、弃水电量、负荷、机组非停等数据进行系统统计与分析，生成调度日报，为水电站运营管理提供重要参考。水电站调度数据分析平台主要负责收集生产现场的数据信息，联合各级调度系统所收集到的信息构成一体化数据仓库，完成调度运行数据的综合分析与转化，进一步为各子系统提供便捷服务。
首先进行数据采集与存储模块的建设，其结构为：以中心数据库作为系统逻辑结构的核心，通过规则定义与对象建模指导数据采集环节；将采集到的数据进行对象化处理后传送至中心数据库，完成数据加工；一部分数据用于主题建模，另一部分数据用于直接供应服务，转化为XML或Excel格式传送至外部系统中。其中与中心数据库相对建有备份数据库，负责针对采集到的数据进行备份，以便发生存储意外问题时可以及时恢复数据，保证数据的完整性与可靠性。
其次进行数据的汇总集成，将采集到的数据格式经由标准化处理后形成规范的数据描述，依托电网模型完成数据的格式化处理，构成电力数据中心。在此过程中，需要注意完善版本切换、模型修改、双模式信息发送以及数据校验等功能。
最后进行数据加工，利用大数据分析技术针对采集到的原始数据进行分析，提炼出其中有价值信息为管理决策提供服务。其中主要包含两种数据加工方法，其一是以对象为主线，将原始数据加工成为机组日发电数据，结合水电厂机组数量汇集成为电厂日发电数据，进而连通整体网络系统生成全网日发电数据，实现对不同水电站发电数据的系统化收集；其二是以时间为主线，以日、月、年为单位将原始数据进行加工，形成机组发电数据。
（三）开发移动管理APP应用平台，创设多种模块功能
为进一步提高水调管理系统的应用效能，还应当着重强化移动管理APP应用平台的开发，确保能够汇集报表统计、业务联系、日常收发文处理、在线问题咨询、调度人员管理信息披露等具体功能，并将其与数据分析系统创设连接接口，挖掘出数据信息的总体价值，优化系统效能。
以移动信息查询APP应用平台的开发为例，首先基于B/S模式向Web APP发出请求，利用JSP动态网页开发技术完成平台结构设计，大体分为基础设施、技术服务、业务服务、应用服务、用户视图等五个层级，将其数据库与数据分析系统建立连接接口，依据调度信息与用户需求分别创设实时数据、历史数据、业务联系、报表统计、水库水情等功能模块。例如针对实时数据功能模块进行设计，主要负责统计水电站的年度总发电量、总开机台数、出入库流量等信息[2]。用户只需借助移动设备或个人电脑便可以登录到系统中，依据自身使用需求获取到水电站的相应数据信息，明确掌握不同调度信息的具体参数，针对水电站的运行状态、负荷水平、发电计划以及河流水文信息等做到及时了解，依托完备功能进一步提高水电站运营管理水平。
结论：总而言之，水电机组的运行水平对于整体电网运行的稳定性发挥了重要影响，要想解决水电站汛期窝电问题，务必要在现有水调自动化系统的基础上依托大数据分析算法、调度数据分析系统与移动APP的开发提升系统运行效能，提高发电厂负荷预测的准确率，从而进一步提升水电站运营管理水平。
参考文献：
[1]杜明建.大数据技术在负荷预测与负荷特性分析中的应用[D].东南大学，2015.
[2]谢爽.浅析大数据下的水电站运行管理工作[J].内燃机与配件，2018，No.261，（09）：199-200.
作者简介：
[1]徐璞，1986年12月22日，汉族，男，湖北黄梅，大学本科，工程师，发电调度
[2]张宇驰，1988年10月18日，汉族，女，甘肃陇南，大学本科，工程师，发电调度
[3]杨常葵，1977年5月26日，汉族，男，云南梁河，大学本科，工程师，电网运行
论文作者:徐璞,张宇驰,杨常葵
论文发表刊物:《电力设备》2018年第29期
论文发表时间:2019/3/28
标签：数据论文; 负荷论文; 水电站论文; 电网论文; 系统论文; 机组论文; 水电厂论文; 《电力设备》2018年第29期论文;