0  引言

    配用电模型在电力生产调度中有非常重要的应用，如辅助转供电方案分析、业扩辅助报装、拓扑拼接、线损计算、准实时数据展现等^[1]。目前，典型的配用电模型维护和应用模式是：地理信息系统(Geography Information System，GIS)负责配网建模并可导出遵循IEC 61970/IEC 61968标准的图、模文件，生产管理系统(Production Management System，PMS)维护设备参数信息，配电自动化系统(Distribution Automatic System，DMS)通过信息交互总线接入外系统的图、模、参数信息，建立内部系统的电网模型^[2]。

    东莞调度自动化系统有主网调度EMS系统、配网DMS系统、用电调度系统、一次设备在线监测、二次设备监测系统、生产管理系统。各系统独立建设，独立采集，同时各系统又相互关联，通过总线接口交换数据。各系统都为私有协议，直接导致系统数据转换效率低下，数据品质不高，无法满足跨专业、跨系统数据综合应用和价值挖掘的需要。

    导致这些问题的原因主要有三点：一是各业务部门主导各专业系统建设，仅从本专业需求出发开展系统设计，数据口径和标准不一致；二是部分业务存在业务管理边界重叠交叉且管理方式各异，造成数据认责不清，系统功能重复，数据重复录入，并使数据在维度、粒度、频度和口径上存在差异；三是部分数据分析应用类系统自成体系、独立建设，包括独立的数据存储、数据分析等功能，造成系统功能重复开发建设、数据多份存储等相关问题。

    由于缺乏统一、适用、兼容的信息模型标准，同时配电数据的私有化、差异化、异构化、碎片化问题突出，“企业、主站、终端”三个层面间的多元数据融合困难，进而导致配网数据质量参差不齐、难以评价和深化应用。因此，需要建立以共性需求为基础，支持各地市差异性需求的配电统一信息模型及其扩展机制，用统一信息模型将分散化、碎片化的数据进行关联和约束，形成逻辑统一、主干清晰、层次分明的配电系统全景模型数据；建立以统一数据模型为基础，涵盖公司全业务范围、全数据类型、全时间维度数据，实现数据统一存储、处理、计算、应用和管理的配用电模型中心，并持续迭代完善，实现配网建设到运行全过程的模型数据“源端维护、全局共享”机制^[3-5]。

    本文根据相关文献的研究成果，围绕配用电模型应用及管理所面临的问题与挑战，结合业务现状与特点，研究以统一数据模型为基础的配用电模型中心基础架构，设计面向配用电的总体设计方案，深入研究配用电模型中心关键技术，为配用电的业务系统、数据挖掘等高级应用提供数据统一存储、处理、计算、应用和管理的高性能环境。

1  基础架构研究

    配用电模型中心作为模型数据共享的载体，进行模型数据统一存储、处理、计算、应用和管理，并向各业务应用提供统一、标准、全方位及可扩展性的模型数据，全面支撑配用电建设到运行全过程中的应用需求^[6]。

    配用电模型中心纵向打通高压、中压、低压电网数据，通过数据清洗与整理，实现“站—线—公变（专变）—用户”数据统一建模；横向为企业内部各类计算提供模型、数据分析服务功能，实现模型数据分布式源端维护、统一存储、按需发布与共享。

1.1  模型中心基础框架设计

    配用电模型中心按省、市两级设计。东莞作为地级模型中心试点，提供本地数据源，自建硬件支撑。主要负责本地市范围内高、中、低压模型拼接与存储、量测数据存储电气模型与资产模型关联与存储，为省级模型中心提供标准、准确的模型数据支撑。

    配用电模型中心以信息交换总线作为全网各类数据标准化交换载体，实现DMS、EMS、OMS、用电信息采集、GIS信息、计量信息、分布式能源、可调可控负荷等各业务系统与标准化配网模型中心间的信息交互，基础架构如图1所示。

    基于信息交换总线进行可完成各系统间的数据流转，东莞部署的模型中心提供主配网模型、分布式电源模型、负荷设备模型、主配网实时数据、10 kV配变运行数据、分布式电源运行数据、负荷运行数据等信息。

    配用电模型中心建成后，省公司模型中心负责管理信息模型及对应的模型标准发布，地市公司模型中心负责管理拓扑、数据模型及对应模型实例、历史量测数据及实时数据发布，可实现业务模型、统计数据、管理数据、实时数据和历史数据的全网大整合，提供配网统一模型、数据共享和相关应用服务，支撑数据存储、数据挖掘、数据分析、数据共享及配用电应用。

1.2  模型中心总体方案设计

    配用电模型中心内部功能模块[7]包括：数据展示、数据访问、数据处理、模型管理、数据安全和对各业务系统的数据分析支撑等基础平台功能，可实现模型拼接、模型校验、数据展示及服务发布功能。各个系统发布的模型、拓扑数据存储至模型中心，通过模型校验、拼接，形成一份完整的设备模型；再通过各类通用服务，实现模型实例与历史量测数据等模型的对外发布，其功能逻辑如图2所示。

    在数据展示方面，提供完整的资产数据、量测数据、线路图的查询与展示服务；展示部署的业务应用，可运行核心业务查询及分析结果展示服务；提供对于硬件资源（CPU、内存、网络、磁盘等）的监测及告警信息展示服务。

    在数据访问方面，通过构建统一数据访问服务（介于业务应用与数据库之间的数据传输控制标准服务），改善业务集成、消除数据冗余，隔断各业务系统与模型中心的直接连接，从而将企业业务数据资源整合为逻辑统一、物理合理分布的业务数据处理中心，进一步解决系统间数据集成及数据复制过程中存在的数据安全、效率低下、资源浪费等问题。

    在模型管理方面，基于东莞供电局模型中心业务需求,针对调度营销、运检等相关系统之间的交互数据，对包括配电自动化系统、调度自动化系统、用电信息采集系统，营销应用系统等电力系统模型数据和实时采集数据进行统一建模，形成对实时、计划等各类配用电应用模型的统一管理。

    在统一存储及数据处理方面，采用大数据的分布式文件系统、分布式数据库管理系统、分布式数据处理系统、数据仓库与数据分析工具实现智能电网海量数据的大规模存储，为数据挖掘与辅助决策等高级应用提供高性能的分布式计算环境。利用现有的信息交互总线实现配用电业务系统的数据共享与应用集成。

2  建模技术研究

    CIM是一套规范化的、面向对象的抽象模型，通过采用对象类、对象属性以及相互之间的关系来描述电力系统资源。该规范使用统一建模语言(UML)表达，将CIM定义成各种包，每一个包包含一个或多个类图，用以表示该包中的所有类及它们的相互关系。然后根据类的属性及与其它类的关系，用约定的字符定义各资源。Resource Description Framework(RDF)是 W3C推荐的一种语言,用于表达元数据,很适用于图形化模型,因此被 CIM 采用。CIM RDF Schema用来定义CIM抽象对象(用UML描述)的元数据。XML是一种标准化的可扩展标记语言,有成熟的解析方法(如DOM)和解析工具。结合 CIM-RDF Schema，能很好地描述符合 CIM的电网模型。CIM模型在常用面向对象特性如封装性、继承性和多态性的基础上,还应用了对象组合、类结构递归等方法，既能直观地表达配用电，也能方便地用于配网计算。

    本文研究了基于业务层、功能层、信息层、通信层和组件层的五层建模方法。

    业务层：描述信息交互角度的业务、业务功能和业务流程。

    功能层：描述了从体系架构角度的功能和服务，以及它们之间的关系。功能层独立于角色和组件、应用程序和系统的物理实现，功能由独立于角色的用例功能分析导出。

    信息层：描述功能、服务和组件之间的交互信息，包含信息对象和数据模型标准。这些信息对象和数据模型标准是功能和服务之间公共语义的基础。

    通信层：侧重于描述通信协议和用例、功能或服务和对应的信息对象或数据模型环境下的组件之间的信息交互。

    组件层：侧重于描述配用电领域所有参与的物理组件，包括参与者、应用程序、电力系统设备、保护和远程控制设备、通信网络基础设备和任何类型的计算机。

3  基于大数据的模型存储技术研究^[8]

3.1 分布式文件存储技术

    传统的并行电力数据存储模式不支持用户定义数据格式，数据只有按照设备规定的格式存入数据库后才能执行查询^[9]。当电力设备数据量十分巨大时，每天用于将数据导入并行数据仓库就要花费数个小时。当数据量不断增长和加入新数据源时，导入的时间会越来越长。此外，如果电力设备数据导入的写操作与用户查询的读操作产生竞争时，就会极大地降低数据查询、分析的性能。分布式文件系统主要的功能是用于存储文档、图像、视频之类的非结构化数据，该系统建立在网络之上，以全局方式管理系统资源，它可以任意调度网络中的存储资源，并且调度过程是“透明”的。分布式存储系统采用可扩展的系统结构，利用多台存储服务器分担存储负荷，利用位置服务器定位存储信息，不但提高了系统的可靠性、可用性和存取效率，还易于扩展。以高性能、高容量为主要特性的分布式存储系统，一般满足以下四个条件：应用于网络环境中；单个文件数据分布存放在不同的节点上；支持多个终端多个进程并发存取；提供统一的目录空间和访问名称。

3.2 内存数据库技术

    由于电力系统对于运行数据的实时性要求很高，而传统的数据存储模式都是依赖于各种关系数据库，需要对磁盘进行频繁的访问来进行数据的操作，降低了数据查询和分析的效率，当数据量很大时操作频繁且复杂时就会暴露大量问题^[10]。内存数据库技术分为两种技术模式：一是利用在传统数据库中增大缓冲池，将一个事务所涉及的数据都放在缓冲池中组织成相应的数据结构来进行查询和更新处理，也就是常说的共享内存技术，最大程度地减少磁盘访问；二是对数据的查询处理、并发控制和恢复的算法、数据结构进行重新设计，以更有效地利用CPU周期和内存，这样几乎把这个数据库都放在内存中，从根本上抛弃了磁盘数据管理的传统方式，这种技术极大地提高了数据访问的实时性。

4  模型中心应用实例探讨

4.1  一体化模型拼接

    目前东莞已经完成高、中、低压配网一体化建模与数据匹配。含高压图模（110 kV站内信息，含10 kV出线开关、负荷），10 kV馈线部分（从10 kV出线开关至配变），低压部分（从10 kV配变至低压用户）、GIS系统等模型及实时数据。

    横向模型管理可以提供以下的主要功能：

    （1）模型结构和数据维护

    电网各类模型的结构维护主要是指各类模型相关表的创建、删除、属性修改和增删表域等。结构维护操作由模型中心的基础平台提供专用的模型结构维护工具维护。

    电网各类模型的维护包括一、二次电网模型的建模工作，统一设备参数的管理维护。模型中心的基础平台提供专用的、全汉化的、方便和界面友好的模型维护工具用于电网模型的建模和参数维护工作。

    （2）一体化建模

    配用电模型中心的支持配网图模的一体化建模，系统的图库一体化技术按照面向对象的方法设计开发，以CIM模型为基础，提供了一套先进的图形化制导工具，实现了图形和数据库录入的一体化，作图的同时可在图形上录入数据库，使作图和录入数据一次完成，自动建立图形上的设备和数据库中数据的对应关系。所见即所得，便于快速生成系统。

4.2  一体化编码

    全景模型通过一致的对象编码实现模型与实时数据、历史数据的关联，为保证对象与编码的一致性和正确性，将对象编码与命名管理与模型管理一体化实现，首先通过CIM（包含扩展模型）实现全景建模，然后为模型中的每个对象生成编码，模型中心对外提供接口或模型文件，将对象及编码提供给各业务系统，业务系统将编码与本系统中的对象关联，业务系统对外提供的模型及数据应包含编码信息，其它业务系统通过对象编码关联设备或测点。

4.3  一体化网络拓扑分析

    配用电模型中心在系统实现输配网络一体化建模基础上，提供主配联动的网络分析应用，主要包括主配联动的拓扑分析、状态估计和潮流计算等功能。传统EMS系统无法获取低电压等级网络拓扑信息，而DMS系统无法获取高电压等级网络拓扑信息。主配获取的网络拓扑分析基于一体化模型，建立输配网边界设备的电气连接关系，形成完整的输配电系统网络拓扑。通过主配一体化建模形成基于一体化模型，可以实现全网拓扑，真实反映输配电网的连接关系，确保全网设备带电、停电、接地等状态的一致性，为基于网络拓扑分析的协同应用奠定基础。考虑到输电网潮流和配电网量测数据来源不同，缺乏主配网之间的数据交换手段，输电网计算时将主配边界等值为负荷，而配电网将输电网等值为发电，导致边界节点必然产生功率和电压的不匹配，因此利用步迭代的方法实现主配网的协调状态估计和潮流协调计算功能，得到主配网一致的潮流断面，并且在技术实现上将主配网不同算法的技术改动降低到最小，在计算收敛性和计算速度方面满足在线应用的要求。

    一体化拓扑分析软件主要完成以下几项工作:

    （1）电气岛分析。电气岛即一个独立的供电、输电、用电系统，当系统发生故障继保动作后，系统经常会解列成多个电气岛，有了对电气岛的分析就可以进行多岛计算。

    （2）生成计算母线，通过对网络结线方式的搜索，将所有通过闭合的开关、刀闸以及联结线所联接的点聚集到一起，从而使每个节点之间都是通过阻抗支路联接的，从而生成了由母线和阻抗支路组成的系统单线图。

4.4  一二次数据状态融合

    配用电模型中心针对电网模型数据进行进一步挖掘分析，着重研究系统中的一二次数据状态融合，研发全新的电网调控运行信息综合智能告警技术。

    在电网调控一体化模式及高中低压电网模型贯通的大背景下，系统将接收到大量的告警信息，监控人员将面临繁重的工作压力，稍有不慎将无所适从且难以抓住事故的重点，不能在第一时间处理问题。在现有功能基础上，需要研究更为智能的告警技术，根据各类电网调控运行信息的重要性对信号进行分类，实现电网调控运行告警信号的分层分类处理与显示，对信息进行智能加工分析、综合应用，挖掘出有价值的分析，提供各类处理方案，辅助运行决策，协助电网调控运行人员及时准确地分析和处理故障，提高电网调控运行的智能化水平。

    电网调控运行信息综合智能告警（以下简称综合智能告警）通过对来自电网的一、二次设备等告警信息在线综合处理，支持汇集和处理分析各类告警信息，对大量告警信息进行分类管理和按重要性分级，对多种告警信息进行综合、筛选、压缩和提炼，根据不同需求形成不同的告警显示方案，利用形象直观的方式提供全面综合的告警提示。

    智能告警具备以下功能：

    （1）对告警信息按重要性进行分类，可自定义告警等级；

    （2）对告警信息进行综合、筛选和压缩。诊断当前状况，分析给出引起告警的可能原因，并通过鉴别故障原因，对其余的告警进行删除或自动确认；

    （3）判别当电网发生扰动或故障时，可能发出告警类型，分类由同一原因引起的告警类型，总结告警信息之间的关联关系；

    （4）总结处理告警的经验，形成告警处理知识库，并易于更新与维护。并能够根据告警知识库给出告警发生的可能原因或处理建议；

    （5）对不同的告警提供实时告警显示、语音、短信、电话等多种告警手段，提醒及时处理告警；

    （6）提供多种告警手段，提醒及时处理告警；可根据不同职责需求及不同故障条件定制告警显示方案，如大故障时显示少量关键信息，普通事故显示详细信息；

    （7）在短时间内能够分析和处理海量实时告警，满足实时性要求。

4.5  自定义查询

    提供基于WEB的综合查询分析系统，系统支持数据源包括：主配调、模型库实时库、历史库。包括公共数据查询服务、专业查询服务、自定义查询数据点、断面导出功能、告警查询功能。数据点查询和告警查询均支持模糊匹配功能。

4.6  数据版本管理

    模型中心具备模型多版本管理功能，实现对历史、实时和未来模型的统一维护和管理。其功能包含：

    版本生成：按照应用需求从模型中心获取定制的模型信息，形成版本，并将版本文件名、创建者、生成时间、注释信息记录到版本管理信息表。

    版本查询：从应用、时间、区域、创建者、注释信息等维度查询模型文件版本。

    版本导出：将查询到的版本文件导出到本地。

    版本提交：应用根据需要对导出的版本进行修改维护后，提交形成新的版本。

    版本差异比较：比较同类应用不同版本间的模型差异。

5  结论

    目前，广东电网有限责任公司东莞供电局已完成反映10 kV线路开关或者线路的实际运行情况的终端采集数据、反映变电站实际运行情况的主网调度自动化系统运行数据、反映配变实际运行情况的配网自动化系统的配变数据等业务数据的接入，配网自动化系统包含8万台配变采集数据。这些数据存储到配网自动化系统中，已经大量占用系统资源，严重影响系统效率。

    结合东莞供电局实际需求，模型中心需实现与调度自动化、计量自动化、GIS系统等跨部门跨系统数据交互，抽取并存储实时数据、结构化数据、非结构化数据。并构建面向多业务的数据处理、挖掘分析引擎，能够快速将数据挖掘技术和业务系统紧密链接，实现数据价值的挖掘。

    本文论述的配用电模型将应用于东莞供电局调度。平台接入汇集的实时数据、模型数据和非结构化数据等，实现数据分布式存储，支持实时/流计算、批量计算等功能，并且可以通过节点动态扩展的方式来满足数据日益增长的需求。模型中心建成后首先满足电力公司一体化模型管理需求，实现一体化模型拼接、一体化编码、一体化网络拓扑分析等功能应用，达到支撑调度数据存储、数据挖掘、数据分析的目的，为电网运行管理提供综合可视化与智能辅助决策。

参考文献

[1] 何剑辉，麦楚良．基于GIS营配一体化中信息共享的研究[J]. 科技资讯, 2013（5）.

[2] 刘海涛，吕广宪，赵江河．面向智能配用电的信息交互平台研究[C]. 2010年中国电机工程学会年会,2010.

[3] 刘海涛，赵江河，苏剑．基于ESB的配用电自动化及管理系统信息集成[J] ．电力系统自动化，2008，32(16):47-51.

[4] 毕睿华，杨志超，王玉忠． 基于多智能体SOA模型的电力系统信息集成的应用研究[J]．电力系统保护与控制.2010，38（7）：63-68.

[5] 畅广辉，镐俊杰，刘涤尘.基于多代理技术的电力控制中心综合数据平台设计[J].电力系统自动化，2008，32(1):85-89.

[6] 王继业. 电力企业数据中心的建立及其对策[J].中国电力，2007，40(4):69-73.

[7] 赵俊华，文福栓，薛禹胜，等. 云计算：构建未来电力系统的核心计算平台[J]. 电力系统自动化，2010，34(15)：1-8.

[8] 刘军，吕俊峰. 大数据时代及数据挖掘的应用[N]. 国家电网报，2015，5(10).

[9] 孟小峰，慈祥.大数据管理：概念、技术与挑战[J].计算机研究与发展，2013，50(1):146-149.

[10] 宋亚奇，周国亮，朱永利. 智能电网大数据处理技术现状与挑战[J]. 电网技术，2013，37(4):928-935.

[11] 李皎.大数据时代到来对电力行业发展提出新要求[J].华北电力,2012,（4）.

[12] 冯伟.大数据时代面临的信息安全机遇和挑战[J].中国科技投资，2012，（34）.

[13] 曹孝元，胡威，陈亮.建设大数据时代的透明电力通信网[J].电力信息化，2012，（10）.

[14] 陈树勇，宋书芳，李兰欣.智能电网技术综述[J].电网技术，2009,33（8）：1-7.

[15] 杨方，王文迪，葛旭波.我国智能电网发展格局及综合评价[J].中国电力，2012,45(12):81-85.

[16] 郑亚楠，单葆国，顾宇贵.中长期电量灰色预测中数据预处理方法研究[J].中国电力，2013,46（10）：111-114.

[17] 中国电机工程学会信息化专委会.中国电力大数据发展白皮书[R].2013.

[18] 罗军舟，金嘉晖，宋爱波.云计算-体系架构与关键技术[J].通信学报，2011,32（7）：3-21.

[19] 曹阳，高志远，杨胜春.云计算模式在电力调度系统中的应用[J].中国电力，2012,45（6）：14-17.

[20] WHITE T，曾大聘，周傲英.Hadoop权威指南[M].北京：清华大学出版社，2010.

作者信息:

吴钟飞1，陈凤超1，崔  亮2,3，李  鹏2,3

（1. 广东电网有限责任公司东莞供电局，广东 东莞 532000；

2. 南京南瑞集团公司，江苏 南京 211000;

3. 国电南瑞科技股份有限公司，江苏 南京 211000）