Trong lưới điện thông minh với số lượng lớn các dữ
liệu đo lường, giám sát, thì phương pháp xử lý và khai thác
giá trị của các dữ liệu là những vấn đề mà các công ty điện
phải đối mặt. Ứng dụng kĩ thuật dữ liệu lớn không chỉ sử
dụng được dữ liệu riêng của lưới điện mà còn tận dụng toàn
bộ dữ liệu bên ngoài, làm tăng mức độ phát triển, vận hành
lưới điện, nâng cao trình độ các công ty điện lực phục vụ
xã hội, phục vụ người dùng và mở rộng các dịch vụ giá trị
gia tăng. Bài báo đã trình bày những khái niệm và phân tích
cơ bản về dữ liệu lớn, nền tảng kết cấu cơ bản, các kĩ thuật
liên quan trong lưới điện thông minh. Đồng thời ứng dụng
dữ liệu lớn trong lưới điện phân phối như chẩn đoán trạng
thái hoạt động của lưới, dự báo phụ tải và hành vi tiêu thụ
điện năng của khách hàng. Với những kết quả ban đầu, hi
vọng nó có ý nghĩa lớn thu hút các kết quả nghiên cứu trong
và ngoài nước để chia sẻ kiến thức và kinh nghiệm nhằm
thúc đẩy nghiên cứu và ứng dụng lĩnh vực dữ liệu lớn lưới
điện thông minh
5 trang |
Chia sẻ: huongthu9 | Lượt xem: 509 | Lượt tải: 0
Bạn đang xem nội dung tài liệu Phân tích và thảo luận ứng dụng kĩ thuật dữ liệu lớn trong lưới điện thông minh, để tải tài liệu về máy bạn click vào nút DOWNLOAD ở trên
68 Lê Xuân Sanh
PHÂN TÍCH VÀ THẢO LUẬN ỨNG DỤNG KĨ THUẬT DỮ LIỆU LỚN
TRONG LƯỚI ĐIỆN THÔNG MINH
ANALYZING AND DISCUSSING APPLICATION OF BIG DATA TECHNOLOGY
IN SMART GRIDS
Lê Xuân Sanh
Trường Đại học Điện lực; sanhlx@epu.edu.vn
Tóm tắt - Kĩ thuật phân tích dữ liệu theo phương pháp truyền thống
đã không đáp ứng được yêu cầu sự phát triển của lưới điện hiện
đại. Từ năm 2012, đã có một số nghiên cứu về dữ liệu lớn trong
lưới điện thông minh với những kết quả ban đầu thuận lợi. Bài báo
phân tích và ứng dụng dữ liệu lớn trong lưới điện thông minh bao
gồm: khái niệm cơ bản, nguồn sinh ra dữ liệu trong hệ thống điện,
các đặc trưng và đánh giá nghiên cứu về dữ liệu lớn. Bên cạnh đó,
đưa ra kiến trúc tổng thể và các kĩ thuật liên quan của dữ liệu lớn
trong lưới điện thông minh. Cuối cùng đưa ra mô hình ứng dụng kĩ
thuật dữ liệu lớn trong lưới điện phân phối với việc chẩn đoán trạng
thái hoạt động của các thiết bị; đánh giá đường dây cấp điện; phân
tích đặc điểm và hành vi của khách hàng và dự báo phụ tải.
Abstract - The traditional method of data analysis has not met the
requirements of modern grid development. Since 2012, a number
of researches into big data in smart grids have been conducted
with initial advantageous results. This article analyzes and applies
big data in the smart grids including basic concepts, data sources
in the power system, characteristics and assessment of big data
studies. In addition, the overall architecture and related techniques
of big data in the smart grids are demonstrated. The last section of
the article presents a model for applying the big data technology in
a distribution grid with the diagnosis of equipment operation status,
evaluating electricity lines, analyzing customers’ characteristics
and behavior as well as forecasting supplementary load.
Từ khóa - dữ liệu lớn; dữ liệu lớn lưới điện thông minh; lưới điện
phân phối; lưới điện thông minh; kĩ thuật dữ liệu lớn.
Key words - big data; big data in a smart grid; distribution grid;
smart grid; big data technology.
1. Giới thiệu
Thuật ngữ ‘dữ liệu lớn’ (Big Data) năm 2008, được tạp
chí Nature xuất bản năm 2008 với chuyên đề cùng tên. Năm
2012, tổng thống Mỹ công bố sẽ đầu tư 2 tỉ USD để khởi
động "Kế hoạch nghiên cứu và phát triển dữ liệu lớn", tạo ra
sự bùng nổ về nghiên cứu dữ liệu lớn trên toàn thế giới. Hiện
nay, chưa có định nghĩa thống nhất về dữ liệu lớn, mặc dù
đã có một số đồng thuận trong ngành. Trong định nghĩa của
dữ liệu lớn, một định nghĩa tương đối có tính đại diện là định
nghĩa 3V, tức là tính quy mô (Volume), đa dạng (Variety)
và tốc độ cao (Velocity) [1-3]. Ngoài ra, Công ty Dữ liệu
Quốc tế (International Data Corporation, IDC) cho rằng dữ
liệu lớn nên có tính giá trị (Value); phía IBM cho rằng dữ
liệu lớn là tính chân thực (Veracity) [4]. Chính những đặc
điểm này của dữ liệu lớn quyết định bắt buộc phải nâng cấp
có tính cách mạng trong kĩ thuật xử lý dữ liệu hiện đại.
Đặc điểm chung của hệ thống điện là sự phân bố vị trí
địa lí rộng lớn, phát và tiêu dùng cân bằng với thời gian
thực, tốc độ truyền dẫn nhanh, vận hành thời gian thực, tốc
độ lan rộng sự cố tức thời, v.v. Những đặc điểm trên dẫn
đến, khi vận hành hệ thống điện sẽ sản sinh ra số lượng dữ
liệu cực lớn, tốc độ tăng cực nhanh, chủng loại phong phú,
hoàn toàn phù hợp với tất cả các đặc trưng của dữ liệu lớn
và là một dữ liệu lớn điển hình.
Trong tiến trình xây dựng lưới điện thông minh, là quá
trình số hóa hệ thống điện, thông tin hóa và thông minh
hóa, v.v. sẽ mang lại nhiều hơn nguồn dữ liệu. Ví dụ như,
đồng hồ thông minh thu thập dữ liệu từ hàng trăm triệu ngôi
nhà và doanh nghiệp; hệ thống giám sát trạng thái thiết bị
điện thu được số liệu giám sát từ trăm nghìn các thiết bị.
Trong phát triển và vận hành các nguồn năng lượng tái tạo
cần lượng lớn số liệu lịch sử vận hành, số liệu quan trắc khí
tượng, v.v. Vì vậy, trong xu thế mới tăng trưởng một cách
bùng nổ dữ liệu hệ thống điện, thì kĩ thuật xử lý dữ liệu
truyền thống gặp phải ‘tắc nghẽn’, không thể đáp ứng được
yêu cầu, cần phải ứng dụng kĩ thuật xử lý dữ liệu lớn trong
ngành điện.
2. Dữ liệu lớn trong lưới điện thông minh
2.1. Nguồn gốc và đặc điểm dữ liệu lớn trong lưới điện
thông minh
Nguồn dữ liệu trong hệ thống điện gồm 2 loại: từ nội bộ
lưới điện và dữ liệu ngoài. Dữ liệu nội bộ lưới điện là: hệ
thống thu thập thông tin khách hàng (collection system
information, CIS); hệ thống tiếp thị; hệ thống giám sát diện
rộng (wide area measurement system, WAMS); hệ thống
quản lý lưới điện phân phối; hệ thống quản lý sản xuất
(production management system, PMS); hệ thống quản lý
năng lượng (energy management system, EMS); hệ thống
kiểm tra và giám sát thiết bị; hệ thống phục vụ khách hàng;
hệ thống quản lý tài chính, v.v. Dữ liệu đến từ ngoài lưới
điện là hệ thống quản lý xạc điện xe hơi; hệ thống thông tin
khí tượng; hệ thống thông tin địa lí (geographic information
system, GIS); dịch vụ công cộng, internet, v.v. Những dữ
liệu này có đặc điểm nằm rải rác phân tán ở những nơi khác
nhau và được quản lý bởi các đơn vị khác nhau.
Quan hệ giữa các dữ liệu trên là mối quan hệ phức tạp,
không hoàn toàn độc lập mà tương hỗ lẫn nhau, ảnh hưởng
nhau. Kết cấu của dữ liệu phức tạp gồm nhiều loại khác
nhau. Ngoài cấu trúc truyền thống còn có lượng lớn dạng
bán cấu trúc, không cấu trúc, như dữ liệu thoại về hệ thống
dịch vụ, dạng sóng của các dữ liệu đo lường kiểm tra, v.v.
Tần suất lấy mẫu và vòng đời của dữ liệu cũng khác nhau,
có thể từ ms đến phút, thậm chí đến năm [5].
Tổng hợp miêu tả về dữ liệu lớn, có thể đưa ra các đặc
điểm dữ liệu lớn lưới điện thông minh: 1) Nguồn gốc từ các
nguồn quản lý phân tán; 2) Lượng dữ liệu lớn, nhiều thứ
nguyên, nhiều loại hình; 3) Có giá trị lớn cho kinh tế xã hội
ISSN 1859-1531 - TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ ĐẠI HỌC ĐÀ NẴNG, SỐ 11(132).2018, QUYỂN 1 69
nói chung và công ty điện lực, khách hàng; 4) Tồn tại quan
hệ phức tạp giữa các dữ liệu mà cần phải phân tích, một lượng
lớn dữ liệu yêu cầu với thời gian thực. Ví dụ, Công ty Điện
lực Thái Bình Dương (Mỹ) mỗi tháng dữ liệu từ 9 triệu đồng
hồ điện của khách hàng đạt tới 3TB; Hệ thống SCADA từ
một lưới điện có 100000 điểm, với chu kì 4s thì mỗi năm sản
sinh là 1,03TB; Với PMU, tần suất lấy mẫu 0,01s (số lượng
100000 điểm) thì mỗi năm lượng dữ liệu là 495TB [5], vì vậy
trong hệ thống điện với nhiều hệ thống cần thu thập và xử lý
thì lượng dữ liệu có thể lên đến cấp PB và EB.
2.2. Tình hình nghiên cứu trong và ngoài nước
Từ năm 2012, các viện nghiên cứu, trường đại học,
doanh nghiệp IT, công ty điện lực đã bắt đầu nghiên cứu và
ứng dụng dữ liệu lớn lưới điện thông minh. Công ty IBM,
Oracle phát hành sách trắng dữ liệu lớn, IBM và C3-Energy
phát triển một hệ thống phân tích dữ liệu lớn cho lưới điện
thông minh [6]. Các viện nghiên cứu của Mỹ đưa ra các dự
án nghiên cứu dữ liệu lớn, các công ty điện lực như Pacific
Gas Power tại Mỹ và BC Hydro ở Canada tiến hành nghiên
cứu về ứng dụng kĩ thuật dữ liệu lớn dựa trên dữ liệu người
dùng. Tại Trung Quốc, Hội nghị Công trình Cơ điện đã công
bố sách trắng về dữ liệu lớn, Tập đoàn Điện lực Trung Quốc
và Bộ Khoa học Công nghệ đã ban hành nhiều dự án nghiên
cứu về dữ liệu lớn lưới điện thông minh từ năm 2012 [7]. Tại
Việt Nam, cũng đã có nhiều hội thảo, báo cáo đề cập đến dữ
liệu lớn trong cuộc cách mạng công nghiệp 4.0, trên các tạp
chí chuyên ngành nhưng chưa thấy các bài viết chuyên sâu
về dữ liệu lớn trong lưới điện thông minh. Nghiên cứu và
ứng dụng dữ liệu lớn lưới điện thông minh cũng đã đạt được
nhiều thành quả, tuy nhiên nhìn chung kết quả nghiên cứu
còn tương đối thô và chưa có hệ thống, nghiên cứu và ứng
dụng vẫn còn ở giai đoạn đầu và thăm dò.
2.3 Kiến trúc tổng thể nền tảng dữ liệu lớn lưới điện
thông minh
Kiến trúc tổng thể nền tảng dữ liệu lớn trong ngành điện
được thể hiện như Hình 1.
Kho dữ liệu
Ứng dụng kinh doanh công ty
điện lực (Quety, Analytics,
Reportion, Statistics)
Dữ liệu lớn
(Connectors)
Tầng điều hành dữ liệu lớn
Hỏi
&
trả
lời
Tính
an
toàn
Quản
lý
dữ
liệu
Tầng truy cập dữ liệu lớn
Lớp mạng
Tầng lưu trữ dữ liệu
(HDFS)
Tầng xử lý dữ liệu
(MapReduce)
Hệ điều hành
(Hypervisor/ VMs)
Máy chủ
Hình 1. Kiến trúc tổng thể nền tảng dữ liệu lớn
trong hệ thống điện
Kiến trúc có tính phổ quát và phù hợp với quy hoạch dữ
liệu lớn của công ty điện lực, sử dụng hệ thống xử lý tệp
phân tán (Hadoop distributed file system, HDFS) làm khung
lưu trữ dữ liệu lớn, kĩ thuật tính toán MapReduce làm khung
xử lý dữ liệu lớn, với phương pháp như vậy việc lưu trữ và
tìm kiếm dữ liệu PB và EB trở nên khả thi [8]. Ngoài ra,
trong khung này còn bao gồm các ứng dụng thông minh
thương mại, kho dữ liệu truyền thống, khung truy cập, khung
điều phối dữ liệu lớn, lớp mạng, hệ điều hành, máy chủ, sao
lưu và phục hồi, mô-đun quản lý dữ liệu.
Khung lưu trữ và khung xử lý dữ liệu lớn thường được
xây dựng trên một máy chủ, hệ điều hành hoặc máy ảo, để
phần cứng cần thiết của cấu trúc này có đặc điểm chi phí
thấp và khả năng mở rộng cao. Trên khung lưu trữ và khung
xử lý là khung truy cập dữ liệu được kết nối thông qua lớp
mạng, khung truy cập bao gồm ngôn ngữ lập trình song
song Pig, công cụ lưu trữ dữ liệu Hive và mô-đun công cụ
phân phối dữ liệu nguồn như Sqoop.
Khung điều phối bao gồm các mô-đun như: kho dữ liệu
dạng Hbase, định dạng trình tự dữ liệu và công cụ truyền
dẫn Avro, hệ thống thu thập nhật ký Flume, cài đặt khóa
dạng phân phối ZooKeeper, v.v. Khung điều phối thực hiện
việc tổ chức, điều phối và cung cấp các điều kiện cần thiết
cho việc phân tích dữ liệu. Phía trên khung điều phối dữ
liệu lớn là một hệ thống ứng dụng thương mại thông minh
cấp doanh nghiệp có thể thực hiện các ứng dụng nâng cao
như tìm kiếm, phân tích, thống kê và báo cáo [8].
Hình 2. Mô tả sự kết nối của kiến trúc dữ liệu lớn
và luồng dữ liệu của hệ thống điện
Hệ thống điện là một hệ thống phức tạp, mức phi tuyến
tính cao, dữ liệu nội bộ của nó bao gồm các nguồn dữ liệu
khác nhau như: dòng công suất, thông tin, dịch vụ, sự cố
và khí tượng. Hình 2, mô tả các điểm có thể kết hợp giữa
ứng dụng thương mại của doanh nghiệp điện và dữ liệu nội
bộ của hệ thống điện trên nền tảng tổng thể của hệ thống
điện, bao gồm: phát, truyền tải, biến đổi, phân phối, người
dùng và điều độ vận hành, trong hệ thống điều khiển phụ
tải, quản lý thông tin (management information system,
MIS), hệ thống thu thập dữ liệu và điều khiển giám sát
(supervisory control and data acquisition, SCADA), hệ
thống đo đếm, hệ thống dự báo công suất năng lượng gió,
mặt trời, hệ thống giám sát trực tuyến thiết bị điện, v.v.
3. Các kĩ thuật dữ liệu lớn trong lưới điện thông minh
3.1. Kĩ thuật tập hợp quản lý dữ liệu lớn
Kĩ thuật tập hợp và quản lý dữ liệu ngành điện là quá
trình kết hợp từ hai hoặc nhiều hệ thống dữ liệu ứng dụng
để tạo ra một ứng dụng với nhiều chức năng hơn. Bao gồm
kĩ thuật kho dữ liệu dạng quan hệ và phi quan hệ, kĩ thuật
Truyền số liệu trong HTĐ: phát, truyền tải, phân phối, tiêu
dùng và vận hành
Hệ thống điều
khiển phụ tải
Hệ thống
MIS
Hệ thống dự báo
công suất của
phát NL tái tạo
Hệ thống
SCADA
Hệ thống đo
đếm điện năng
(TMRS)
Hệ thống giám
sát thiết bị
Ứng dụng kinh doanh của công ty điện lực
Hệ thống xử lí
dữ liệu lớn
Hệ thống lưu
trữ dữ liệu lớn
Hệ thống thực
thi và phục vụ
Hệ thống điều phối
dữ liệu lớn
Kiến trúc tổng thể
nền tảng kết nối hệ
thống dữ liệu lớn
Kho dữ
liệu lịch sử
Hbase Avro Flume
Zoo
Keeper
L
Pig Hive Sqoop
70 Lê Xuân Sanh
tích hợp dữ liệu và dung hòa, kĩ thuật tách dữ liệu, kĩ thuật
lọc và làm sạch dữ liệu, v.v [7]. Để xử lý dữ liệu lớn, trước
tiên phải trích xuất và tích hợp dữ liệu từ nguồn dữ liệu, từ
đó khai thác các thực thể và các quan hệ, đến công đoạn
kết hợp, một cấu trúc thống nhất được sử dụng để lưu trữ
các dữ liệu này, và tiến hành làm sạch dữ liệu trong quá
trình tích hợp, trích xuất dữ liệu để đảm bảo chất lượng và
độ tin cậy của dữ liệu [4].
Một công nghệ quan trọng trong quản lý lưu trữ dữ liệu
là kĩ thuật kho dữ liệu NoSQL, nó sử dụng phương thức
lưu trữ dữ liệu dạng phân tán. Lưu trữ dữ liệu được đơn
giản hóa và linh hoạt hơn, có khả năng mở rộng tốt và giải
quyết vấn đề khó của lưu trữ dữ liệu lớn, ví dụ như
BigTable của Google, Dynamo của Amazon, v.v.
3.2. Kĩ thuật phân tích dữ liệu lớn trong lưới điện thông minh
Các kĩ thuật chủ chốt được sử dụng để phân tích dữ liệu
lớn như thống kê và khoa học máy tính, bao gồm phân tích
tương quan, học máy, mạng nơron, thuật toán di truyền và
nhiều phương pháp khác [9]. Phương pháp phân tích tương
quan là cốt lõi của dữ liệu lớn, phân tích tất cả dữ liệu, thông
qua việc tìm mối tương quan của hiện tượng tốt, có thể nắm
bắt hiện tại và dự đoán tương lai. Phương pháp tính toán đơn
giản, hiệu quả, kết quả nhanh, chính xác và ít bị ảnh hưởng.
Các thuật toán khai thác dữ liệu và học máy trong môi
trường dữ liệu lớn có thể được bắt đầu từ ba phương diện:
1) Từ quản trị, lấy mẫu và lựa chọn đặc trưng của dữ liệu
lớn [10]; 2) Phát triển nghiên cứu các thuật toán phân cụm
và phân loại cho các dữ liệu lớn. v.v. [11]; 3) Phát triển các
thuật toán song song, ứng dụng khai thác kiến thức của dữ
liệu lớn, như học máy và khai thác kiến thức dựa trên
MapReduce [12].
3.3. Kĩ thuật xử lý dữ liệu trong lưới điện thông minh
Các kĩ thuật xử lý dữ liệu của dữ liệu lớn ngành điện
bao gồm kĩ thuật tính toán dạng phân tán, kĩ thuật tính toán
trong bộ nhớ và kĩ thuật xử lý luồng. Tính toán dạng phân
tán là một phương thức tính toán mới, đòi hỏi sức mạnh
tính toán vào nhiều phần nhỏ, phân phối cho nhiều máy
tính và tổng hợp thành kết quả cuối cùng. Một đại diện điển
hình của tính toán dạng phân tán là mô hình lập trình
MapReduce được Google đề xuất.
Kĩ thuật tính toán trong bộ nhớ là giải quyết vấn đề đọc
dữ liệu hiệu quả và xử lý các phép tính trực tuyến, đưa tất
cả dữ liệu vào lớp bên trong. Kĩ thuật này khắc phục được
hao tổn số lượng lớn thời gian đọc và ghi vào đĩa, tốc độ
tính toán đã tăng lên đáng kể đến vài cấp số lượng. EMC,
Oracle và SAT đều đã giới thiệu các giải pháp cho tính toán
trong bộ nhớ, giảm đơn vị tính thời gian, giải quyết các vấn
đề về phân tích thời gian thực.
Mô hình xử lý luồng là tổ hợp dữ liệu liên tục thành luồng,
khi dữ liệu mới đến thì lập tức xử lý và phản hồi kết quả. Phân
tích dữ liệu mới nhất nhanh nhất có thể và đưa ra kết quả, từ
đó cung cấp căn cứ ngay lập tức cho người ra quyết định và
đáp ứng yêu cầu phân tích với thời gian thực [13].
3.4. Kĩ thuật hiển thị dữ liệu lớn ngành điện
Kĩ thuật hiển thị dữ liệu lớn ngành điện bao gồm trực
quan hóa, hiển thị luồng thông tin không gian, luồng lịch
sử, v.v [7]. Hiển thị dữ liệu có thể giúp người quản lý trực
quan hơn, hiểu chính xác hơn ý nghĩa của biểu hiện dữ liệu,
trạng thái vận hành của hệ thống điện.
Kĩ thuật trực quan hóa được sử dụng rộng rãi trong việc
giám sát thời gian thực trạng thái lưới điện, nâng cao mức độ
tự động hóa hệ thống điện. Kĩ thuật hiển thị luồng thông tin
không gian được thể hiện trong sự kết hợp các tham số lưới
điện và hệ thống thông tin địa lí đã có, bao gồm hiển thị ba
chiều trạm biến áp, thực tế ảo và các công nghệ khác. Kết
hợp chặt chẽ giữa quản lý thiết bị phân phối điện và hệ thống
thông tin địa lí tạo điều kiện cho người quản lý lưới điện hiểu
được tình hình thiết bị một cách trực quan, từ đó cung cấp
thông tin địa lí mới nhất cho các quyết định của họ.
Kĩ thuật hiển thị lưu lượng lịch sử được thể hiện trong
việc quản lý và hiển thị dữ liệu lịch sử của lưới điện. Trong
các hệ thống điện, phân tích ứng dụng chuyên sâu thường
dựa trên cơ sở dữ liệu lịch sử. Từ đó, có thể vẽ ra xu hướng
phát triển và dự đoán tương lai; mô phỏng sự phát sinh, diễn
biến và khai thác kiến thức, luật tiềm ẩn của các sự kiện.
4. Ứng dụng kĩ thuật dữ liệu lớn trong lưới điện phân
phối thông minh
Tác giả dựa vào các đặc trưng và mục tiêu chung khi
xây dựng lưới điện phân phối thông minh, kết hợp tham
khảo kết quả nghiên cứu của các học giả và chuyên gia,
trong phần này tiến hành nghiên cứu các mô hình dữ liệu
lớn ứng dụng trong lưới điện phân phối thông minh.
4.1. Chẩn đoán trạng thái hoạt động trong lưới điện phân
phối
Để đánh giá mức độ hoạt động của lưới điện phân phối
đưa ra 5 chỉ tiêu lớn cần chẩn đoán và đánh giá mức độ
mạnh mẽ trong hệ thống, như Bảng 1.
Bảng 1. Sơ đồ cấu trúc chẩn đoán trạng thái hoạt động của
lưới điện phân phối
Đánh
giá
dữ
liệu
lớn
trạng
thái
vận
hành
lưới
điện
phân
phối
Mức
độ kết
cấu
của
lưới
Mức độ
kết cấu
của lưới
Tỉ lệ liên lạc giữa các đường dây
Tỉ lệ liên lạc giữa các phân đoạn
Hệ số phân đoạn bình quân
Mức dự
phòng
Tỉ lệ các TBA chỉ một dây cấp
Tỉ lệ các TBA chỉ có 1 MBA
Độ tin
cậy
cấp
điện
Mức độ
cung cấp
điện phụ
tải
Tỉ lệ thông qua TBA chính “N-1”
Tỉ lệ thông qua đường dây “N-1”
Tỉ lệ thông qua TBA chính “N-2”
Tỉ lệ thông qua đường dây “N-2”
Năng lực
tự hồi
phục khi
sự cố
Tỉ lệ lắp đặt thiết bị tự đóng lại
Tỉ lệ lắp đặt nguồn cấp điện liên tục
Tỉ lệ trang bị nguồn dự phòng (nguồn
phân tán) cho khách hàng
Tính
tối ưu
chất
lượng
điện
năng
Chất
lượng ổn
định
động
Tỉ lệ lắp đặt thiết bị tự động điều chỉnh
điện áp VQC
Tỉ lệ lắp đặt thiết bị bù công suất phản
kháng SVC
Chất
lượng ổn
định tĩnh
Tỉ lệ lắp đặt thiết bị hồi phục ổn định
điện áp động
Tỉ lệ lắp đặt thiết bị hạn chế dòng sự cố
các tuyến dây
ISSN 1859-1531 - TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ ĐẠI HỌC ĐÀ NẴNG, SỐ 11(132).2018, QUYỂN 1 71
Tính
hiệu
quả
kinh
doanh
Dung
lượng
Tỉ lệ mang tải của TBA
Tỉ lệ mang tải của đường dây
Mức độ
quản lý
vận hành
Tỉ lệ tự động hóa TBA
Tỉ lệ các tuyến dây hoàn chỉnh (tốt)
Tỉ lệ các thiết bị chính tốt
Tính
tương
tác của
lưới
điện
Năng lực
‘giao
tiếp’ với
khách
hàng
Tỉ lệ lắp đặt đồng hồ thông minh
Tỉ lệ lắp đặt hệ thống thu thập thông tin
khách hàng
Tỉ lệ lắp đặt hệ thống phục vụ khách hàng
Đáp ứng
nhu cầu
Tỉ lệ điều khiển phụ tải
Tỉ lệ áp giá theo thời gian thực
Một trong những ưu điểm của dữ liệu lớn là thống kê
thông tin toàn diện, đánh giá từ nhiều quan điểm [14]. Ví
dụ, độ tin cậy cấp điện có thể đánh giá gồm: các chỉ tiêu
được lấy ra từ sơ đồ cấu trúc, từ xác suất sự cố, hay các chỉ
tiêu về chất lượng điện áp để đánh giá.
4.2. Đánh giá các đường dây cấp điện
Hình 3. Đánh giá đa chiều trạng thái đường dây cấp điện
Một phương pháp đánh giá đa chiều đường dây truyền
tải trong lưới trung áp như Hình 3. Trước tiên thiết lập một
mô hình nhiều lớp để đánh giá các thiết bị, các phân đoạn
đặc biệt trong một giai đoạn. Phương pháp khấu trừ tích
lũy được sử dụng để đánh giá các tham số cơ bản, điểm số
của mỗi thông số thu được bằng cách kết hợp thời gian
đánh giá và phần đánh giá. Cuối cùng, theo điểm số của
mỗi thông số, các phân cụm thiết bị, các cột và các giá trị
điểm tổng thể được tính tuần tự. Phương pháp đánh giá này
kết hợp thời gian và không gian ba chiều, phù hợp với tính
đa chiều của dữ liệu lớn và kết quả đánh giá gần với trạng
thái thực của đường dây truyền tải [15].
4.3. Dự báo phụ tải
Dự báo phụ tải là điều kiện tiên quyết cho việc vận hành
hệ thống điện, giám sát điều khiển dưới thời gian thực, lập
kế hoạch hoạt động và phát triển, đó là một thông tin cơ
bản mà bộ phận vận hành và lập quy hoạch lưới điện phải
có. Mô hình dữ liệu lớn cho dự báo phụ tải như Hình 4.
Hình 4. Mô hình dữ liệu lớn cho dự báo phụ tải
4.4. Phân tích đặc điểm và hành vi của khách hàng
Thực hiện hợp nhất và lưu trữ dữ liệu đa nguồn như dữ
liệu tiêu thụ điện, dịch vụ khách hàng, dân số, v.v. (Hình 5).
Các mô hình thu được dùng cho việc dự báo xu hướng phát
triển kinh tế, phân tích tỉ lệ cư trú, hỗ trợ quyết định giá điện
và đánh giá nhu cầu người dùng. Những dữ liệu này có khối
lượng lớn, từ nhiều nguồn và nhiều định dạng khác nhau.
Việc tích hợp và phân tích các dữ liệu này cần phải sử dụng
các kĩ thuật dữ liệu lớn [16,17].
Đánh giá vị trí cột
Cột 1 Cột 2 Cột N
Đánh giá hệ thống đường dây truyền tải
Vật
liệu
dẫn
điện
Thiết
bị nối
đất
Thiết
bị phụ
trợ
Môi
trường
kênh
Móng
cột
Thân
cột
Dây
nối
đất
Cách
điện
Thời gian đánh
giá thiết bị
Đánh giá các
thông số
Vị trí không gian
thiết bị
Tầng
ứng
dụng
Kế
hoạch
vận
hành
Quy
hoạch
lưới
điện
Kế hoạch
tiết kiệm
năng
lượng
Kế
hoạch
đại tu
Kết quả dự báo
Tầng
phân
tích
dự
báo
Xử lí tính toán
Mô hình dự báo
dài/trung/ngắn/rất ngắn
Phân tích các yếu tố nhay
cảm
Ghép và tích hợp dữ liệu
Tầng
tích
hợp
dữ
liệu
Dữ
liệu
vận
hành
Dữ
liệu
khách
hàng
Dữ
liệu
khí
tượng
địa lí
Dữ liệu
nhân
khẩu và
kinh tế
ứng dụng kết quả dự
báo phụ tải vào điều
độ và quy hoạch lưới
điện phân phối
phân tích các mối
quan hệ và yếu tố
nhạy cảm ảnh hưởng
đến phụ tải, thông
qua mô hình dự báo
và xử lí số liệu tiến
hành dự báo các loại
phụ tải.
tích hợp dữ liệu tiêu
thụ điện năng, kinh
tế xã hội và các dữ
liệu nội bộ lưới điện
đưa ra dữ liệu cơ bản
về dự báo phụ tải
Dữ
liệu
ngày
nghỉ
Dự báo phát
triển kinh tế
Phân tích tỉ lệ trống
các khu dân cư
Hỗ trợ quyết
định giá điện
Đánh giá tín dụng
của khách hàng
Hình 5. Phân tích tiêu thụ điện năng khách hàng dựa trên khai thác dữ liệu lớn
phân tích nhân tố ảnh hưởng
hành vi của khách hàng
phân tích cường độ ảnh hưởng
hành vi của khách hàng
Xây dựng mô hình tương
quan hành vi khách hàng
Phụ
tải
điện
Thông
tin thời
tiết
Mô hình
hành vi của
khách hàng
Phân tích đặc điểm, hành vi
tiêu thụ điện của khách hàng
dân sinh
Phân tích đặc điểm sử dụng
điện của khách hàng thương
mại
Phân tích đặc điểm sử dụng
điện của khách hàng công
nghiệp
Thu thập dữ
liệu người
dùng
Dữ liệu
ngành tiếp
thị
Dữ liệu dịch
vụ khách
hàng
Dữ liệu
thông tin
địa lý
Dữ
liệu dân
số
Dữ
liệu thời
tiết
dung lượng lớn, đa nguồn, cấu trúc dữ liệu không đồng nhất, quản lý và tài chính.
Ứng dụng
tổng hợp
Hiểu hành
vi sử dụng
điện
Nhận biết
các mô
hình dùng
điện
Phân tích
đặc trưng
hành vi
dùng điện
Tập hợp
dữ liệu
.
Hóa
đơn
điện
Thông
tin
phí
Thông
tin khách
hàng
Cấu
trúc
lưới
Chính
sách giá
điện
.
72 Lê Xuân Sanh
5. Kết luận
Trong lưới điện thông minh với số lượng lớn các dữ
liệu đo lường, giám sát, thì phương pháp xử lý và khai thác
giá trị của các dữ liệu là những vấn đề mà các công ty điện
phải đối mặt. Ứng dụng kĩ thuật dữ liệu lớn không chỉ sử
dụng được dữ liệu riêng của lưới điện mà còn tận dụng toàn
bộ dữ liệu bên ngoài, làm tăng mức độ phát triển, vận hành
lưới điện, nâng cao trình độ các công ty điện lực phục vụ
xã hội, phục vụ người dùng và mở rộng các dịch vụ giá trị
gia tăng. Bài báo đã trình bày những khái niệm và phân tích
cơ bản về dữ liệu lớn, nền tảng kết cấu cơ bản, các kĩ thuật
liên quan trong lưới điện thông minh. Đồng thời ứng dụng
dữ liệu lớn trong lưới điện phân phối như chẩn đoán trạng
thái hoạt động của lưới, dự báo phụ tải và hành vi tiêu thụ
điện năng của khách hàng. Với những kết quả ban đầu, hi
vọng nó có ý nghĩa lớn thu hút các kết quả nghiên cứu trong
và ngoài nước để chia sẻ kiến thức và kinh nghiệm nhằm
thúc đẩy nghiên cứu và ứng dụng lĩnh vực dữ liệu lớn lưới
điện thông minh.
Nghiên cứu và ứng dụng kĩ thuật dữ liệu lớn trong lưới
điện thông minh là một lĩnh vực phức tạp đòi hỏi một quá
trình phát triển lâu dài. Cần sự quan tâm của Chính phủ,
tăng cường nguồn nhân lực và tài nguyên vật chất, thúc đẩy
cải tiến công nghệ then chốt cho dữ liệu lớn. Cần xây dựng
hệ thống tiêu chuẩn quốc tế thống nhất, mô hình và các kĩ
thuật về dữ liệu lớn trong lưới điện thông minh. Khuyến
khích các công ty điện lực xây dựng một kiến trúc dữ liệu
lớn phù hợp với sự phát triển của công ty, sử dụng kĩ thuật
dữ liệu lớn để tạo ra doanh thu cho công ty. Từng bước
thâm nhập các kĩ thuật dữ liệu lớn vào mọi khía cạnh của
lưới điện thông minh.
TÀI LIỆU THAM KHẢO
[1] Birney E. The making of Encode: lessons for big-data projects.
Nature, 2012(489): 49-51Irving M R, Luan W P, Danial J S. Supply
restoration in distribution networks using a genetic algorithm.
Electrical Power and Energy Systems 2002, 10: 447-457.
[2] UN Global Pulse. Big data for development: challenges & opportunities.(05-
11-2012) Development
[3] Agrawal D, Bernstein P, Bertino E, et al. Challenges and opportunities
with big data.
[4] Meng Xiaofeng, Ci Xiang. Big data management: concepts,
techniques and challenges. Journal of Computer Research and
Development, 2013, 50(1): 146-169.
[5] EPRI. The whys, whats and hows of managing data as an asset.
USA: EPRI, 2014.
[6] IBM. Managing big data for smart grids and smart meters. IBM
Software White Paper.
publish/Business_Strategy/Managing-big-data-for-smart-grids-and-
smart-meters-5248.html.
[7] Informatization Committee of the CSEE. White paper of electric
power big data of China. Beijing: China Electric Power Press, 2013.
[8] Zhao Gang. Big data technology and application practice. Beijing:
Publishing House of Electronics Industry, 2013: 56-58.
[9] McKinsey& Company. Big data: the next frontier for innovation,
competition, and productivity. New York: McKinsey Global
Institute, 2011: 1-28.
[10] Wu Xindong, Zhu Xingquan, Wu Gongqing, et al. Data mining with
big data. IEEE Transactions on Knowledge and Data Engineering,
2014, 26(1): 97-107.
[11] Havens T C. Fuzzy c-means algorithms for very large data. IEEE
Transactions on Fuzzy System, 2012, 20(6): 1130-1146.
[12] Shim K. Algorithms for big data analysis. Proceedings of the VLDB
Endowment, 2012, 5(12): 2016-2017.
[13] Kong Yinghui. Study on data stream techniques and its application
in electric power information processing. Heibei: North China
Electric Power University, 2009.
[14] Wang jiye, Ji Zhixiang, Shi Mengjie, et al. Intelligent equipped with
TVU data demand analysis and application. Proceeding of the
CSEE, 2015, 35(8): 1829⁃1836.
[15] Hung Ronghui, Li Xun, LYU Qishen, et al. Research on the defect
analysis of power equipment based on data mining. Electrical
Application, 2015, 34(2): 46⁃50.
[16] Hu Changhua. Based on user behavior analysis of peak load shifting
management system research and design. Modern Computer
(professional edition), 2014(21): 42⁃47.
[17] Quilumba F L, Lee W J, Huang H, et al. Using smart meter data to
improve the accuracy of intraday load forecasting considering
customer behavior similarities. IEEE Transactions on Smart Grid,
2015, 6(2): 911⁃918.
(BBT nhận bài: 20/8/2018, hoàn tất thủ tục phản biện: 05/9/2018)
Các file đính kèm theo tài liệu này:
- phan_tich_va_thao_luan_ung_dung_ki_thuat_du_lieu_lon_trong_l.pdf