面向電網(wǎng)PMU時(shí)序數(shù)據(jù)的云邊協(xié)同技術(shù)①

鄭曉露,張珂珩,陳 鵬,王玉軍

(國(guó)網(wǎng)電力科學(xué)研究院有限公司,南京 211106)

目前PMU/WAMS 系統(tǒng)已經(jīng)在我國(guó)電力系統(tǒng)的實(shí)時(shí)監(jiān)測(cè)、振蕩告警、擾動(dòng)和事故分析等方面發(fā)揮日益重要和顯著的作用[1],通過對(duì)廣域分布的電力系統(tǒng)的電氣量,尤其是相量進(jìn)行實(shí)時(shí)測(cè)量,為解決大型電力系統(tǒng)的安全分析和穩(wěn)定控制等問題提供了重要支撐[2,3]. 目前典型的PMU 數(shù)據(jù)存儲(chǔ)技術(shù)路線是采用時(shí)間序列數(shù)據(jù)庫[4],通過統(tǒng)一支撐平臺(tái)的集成,實(shí)現(xiàn)PMU 采集數(shù)據(jù)的存儲(chǔ)入庫以及WAMS 系統(tǒng)的應(yīng)用[5].

目前電網(wǎng)調(diào)控?cái)?shù)據(jù)由于數(shù)據(jù)源系統(tǒng)較多,各系統(tǒng)數(shù)據(jù)存在缺乏統(tǒng)一規(guī)范標(biāo)準(zhǔn)、數(shù)據(jù)分散、關(guān)聯(lián)程度低等問題,系統(tǒng)間交互能力有限,數(shù)據(jù)共享困難[6]. 云計(jì)算技術(shù)由于在擴(kuò)展性、可靠性方面的優(yōu)勢(shì),成為電網(wǎng)調(diào)控?cái)?shù)據(jù)共享的主要研究方向. 國(guó)家電網(wǎng)公司通過建設(shè)調(diào)控云,將云計(jì)算的特征和電網(wǎng)調(diào)度業(yè)務(wù)的實(shí)際需求相結(jié)合,運(yùn)用虛擬化平臺(tái)、多層次存儲(chǔ)體系、智能化運(yùn)維等技術(shù),提供基礎(chǔ)設(shè)施服務(wù)、運(yùn)行環(huán)境支撐、模型數(shù)據(jù)服務(wù)等,提升了調(diào)控系統(tǒng)應(yīng)用平臺(tái)的支撐能力以及電網(wǎng)運(yùn)行的智能化水平和全局監(jiān)控能力[6,7],滿足各級(jí)調(diào)控中心數(shù)據(jù)共享的需求. 南方電網(wǎng)公司也與阿里云簽署合作備忘錄,合作建設(shè)南網(wǎng)調(diào)度云平臺(tái),整合全網(wǎng)的運(yùn)行基礎(chǔ)數(shù)據(jù),實(shí)現(xiàn)了各級(jí)調(diào)度資源和數(shù)據(jù)的共享. 為實(shí)現(xiàn)云端數(shù)據(jù)共享,文獻(xiàn)[7]提出了主導(dǎo)節(jié)點(diǎn)、協(xié)同節(jié)點(diǎn)的概念,按照源端產(chǎn)生、全局共享方式進(jìn)行數(shù)據(jù)流的規(guī)劃. 對(duì)于全局統(tǒng)一的元數(shù)據(jù)、字典數(shù)據(jù),全部由主導(dǎo)節(jié)點(diǎn)產(chǎn)生,各協(xié)同節(jié)點(diǎn)和業(yè)務(wù)系統(tǒng)只可以使用. 對(duì)于運(yùn)行數(shù)據(jù),全部由業(yè)務(wù)系統(tǒng)產(chǎn)生,匯集到協(xié)同節(jié)點(diǎn)和主導(dǎo)節(jié)點(diǎn). 針對(duì)調(diào)控云端和調(diào)控系統(tǒng)的云邊協(xié)同,文獻(xiàn)[8]提出了一種基于邊緣計(jì)算的云邊協(xié)同控制方式,通過關(guān)聯(lián)矩陣建立云邊協(xié)同的電力物聯(lián)網(wǎng)計(jì)算模型. 文獻(xiàn)[9]從邊緣計(jì)算的角度研究了適用于電力系統(tǒng)的應(yīng)用范式和服務(wù)框架,并提出了邊緣計(jì)算在廣域發(fā)電控制、站域保護(hù)控制與符合建模評(píng)估三大場(chǎng)景的技術(shù)分析和應(yīng)用方案. 文獻(xiàn)[10]提出了層次化的云邊協(xié)同模式,低層支持?jǐn)?shù)據(jù)的臨時(shí)存儲(chǔ),高層支持?jǐn)?shù)據(jù)半永久存儲(chǔ). 由于PMU 數(shù)據(jù)采集密度高、數(shù)據(jù)量大[6],一直未有一套完整的云邊協(xié)同方法,支撐PMU 數(shù)據(jù)的云端共享.

云邊協(xié)同一般包括資源協(xié)同、應(yīng)用協(xié)同、數(shù)據(jù)協(xié)同、智能協(xié)同等多種協(xié)同[11]. 本文闡述的PMU 數(shù)據(jù)云邊協(xié)同方法,主要從數(shù)據(jù)協(xié)同角度介紹了從調(diào)控系統(tǒng)內(nèi)部PMU 數(shù)據(jù)的采集存儲(chǔ),到云端PMU 數(shù)據(jù)的匯集和共享的整體技術(shù)路線. 針對(duì)PMU 數(shù)據(jù)采集密度高、數(shù)據(jù)量大的問題,采用了多通道收發(fā)、自動(dòng)補(bǔ)錄等方法,保證了云端PMU 數(shù)據(jù)的匯集的實(shí)時(shí)性和可靠性.針對(duì)PMU 數(shù)據(jù)的訪問,提出了云端PMU 數(shù)據(jù)的關(guān)聯(lián)存儲(chǔ)模型和訪問服務(wù),便于上層應(yīng)用獲取PMU 數(shù)據(jù).

1 數(shù)據(jù)協(xié)同模型

目前WAMS 系統(tǒng)一般通過部署在生產(chǎn)控制大區(qū)(Ⅰ區(qū))調(diào)控系統(tǒng)支撐平臺(tái)的消息總線接收前置發(fā)送的實(shí)時(shí)PMU 數(shù)據(jù),存儲(chǔ)在時(shí)序數(shù)據(jù)庫中. 根據(jù)數(shù)據(jù)使用場(chǎng)景將PMU 數(shù)據(jù)分為3 類,實(shí)時(shí)數(shù)據(jù)、歷史數(shù)據(jù)、案例數(shù)據(jù). 實(shí)時(shí)數(shù)據(jù)表示PMU 當(dāng)前時(shí)刻的最新數(shù)據(jù),歷史數(shù)據(jù)表示一段時(shí)間累計(jì)的數(shù)據(jù),案例數(shù)據(jù)表示發(fā)生電網(wǎng)擾動(dòng)等事件前后幾分鐘的數(shù)據(jù). 根據(jù)調(diào)控云平臺(tái)國(guó)(分)主導(dǎo)節(jié)點(diǎn)+省(地)協(xié)同節(jié)點(diǎn)的二級(jí)部署體系[12,13],基于某一個(gè)省(地)云環(huán)境下,整體數(shù)據(jù)協(xié)同模型如圖1所示,主要包括數(shù)據(jù)跨區(qū)同步、數(shù)據(jù)匯集、數(shù)據(jù)存儲(chǔ)和共享3 部分.

數(shù)據(jù)跨區(qū)同步是指將PMU 時(shí)序數(shù)據(jù)從調(diào)控系統(tǒng)Ⅰ區(qū),同步到Ⅲ區(qū),主要包括實(shí)時(shí)數(shù)據(jù)的同步、異?；謴?fù)數(shù)據(jù)補(bǔ)錄、重要事件案例數(shù)據(jù)同步.

數(shù)據(jù)匯集是指多個(gè)調(diào)控系統(tǒng)將各自的PMU 時(shí)序數(shù)據(jù)按照云端的要求發(fā)送到云端,云端統(tǒng)一接收.

數(shù)據(jù)存儲(chǔ)和共享是指云端進(jìn)行PMU 時(shí)序數(shù)據(jù)統(tǒng)一存儲(chǔ),并提供基于模型的數(shù)據(jù)訪問服務(wù).

2 技術(shù)原理

2.1 跨區(qū)數(shù)據(jù)同步

由于PMU 采集頻率一般為25–100 fps,按照10000 個(gè)測(cè)點(diǎn)量計(jì)算,存儲(chǔ)一個(gè)月的數(shù)據(jù)需要近4 TB的存儲(chǔ)空間[6],所以時(shí)序數(shù)據(jù)庫存儲(chǔ)PMU 數(shù)據(jù)時(shí)采用循環(huán)刪除的機(jī)制,一般只循環(huán)保存1–3 個(gè)月的歷史數(shù)據(jù). 針對(duì)PMU 數(shù)據(jù)采集頻率高、數(shù)據(jù)循環(huán)刪除的特性,跨區(qū)數(shù)據(jù)同步采用數(shù)據(jù)報(bào)文傳輸形式進(jìn)行,需要實(shí)現(xiàn)以下3 個(gè)數(shù)據(jù)流.

(1)實(shí)時(shí)數(shù)據(jù)同步: 如圖1 的②–⑤,從Ⅰ區(qū)消息總線接收PMU 消息報(bào)文,格式轉(zhuǎn)化后發(fā)送到Ⅲ區(qū). 實(shí)時(shí)數(shù)據(jù)同步通道于現(xiàn)有時(shí)序數(shù)據(jù)庫寫入通道獨(dú)立,避免影響現(xiàn)有時(shí)序數(shù)據(jù)庫的正常寫入,且通過消息總線保證實(shí)時(shí)同步的數(shù)據(jù)和時(shí)序數(shù)據(jù)庫中的數(shù)據(jù)一致性.

(2)歷史數(shù)據(jù)補(bǔ)錄: 如圖1 的③–⑥、?–?,云端發(fā)送數(shù)據(jù)歷史數(shù)據(jù)補(bǔ)錄的協(xié)同命令,從Ⅰ區(qū)時(shí)序數(shù)據(jù)庫獲取歷史數(shù)據(jù),格式轉(zhuǎn)化后發(fā)送到Ⅲ區(qū). 歷史數(shù)據(jù)補(bǔ)錄主要應(yīng)對(duì)的場(chǎng)景Ⅰ區(qū)和Ⅲ區(qū)之間的網(wǎng)絡(luò)通道故障等異常導(dǎo)致數(shù)據(jù)不能實(shí)時(shí)同步,在故障恢復(fù)之后進(jìn)行自動(dòng)的歷史數(shù)據(jù)補(bǔ)錄.

(3)案例數(shù)據(jù)同步: 如圖1 的④–⑦、?–?,云端發(fā)送數(shù)據(jù)案例數(shù)據(jù)同步的協(xié)同命令,從Ⅰ區(qū)時(shí)序數(shù)據(jù)庫獲取電網(wǎng)重要事件前后5 分鐘的歷史數(shù)據(jù),格式轉(zhuǎn)化后發(fā)送到Ⅲ區(qū).

圖1 PMU 數(shù)據(jù)協(xié)同模型

數(shù)據(jù)同步的數(shù)據(jù)報(bào)文格式如圖2 所示: 主要包括設(shè)備ID、量測(cè)類型、數(shù)據(jù)類型、數(shù)據(jù)時(shí)間、值、質(zhì)量碼6 部分. 設(shè)備ID 和量測(cè)類型用于唯一確定一個(gè)PMU 設(shè)備的特定監(jiān)測(cè)指標(biāo),數(shù)據(jù)類型用于表示是實(shí)時(shí)數(shù)據(jù)、歷史數(shù)據(jù)還是案例數(shù)據(jù). 因PMU 采集的數(shù)據(jù)是等周期的,所以使用一個(gè)秒級(jí)時(shí)間精確指示該報(bào)文中的數(shù)據(jù)采集時(shí)間,值和質(zhì)量碼分別通過連續(xù)的50/100個(gè)數(shù)表示該秒采集的50/100 幀數(shù)據(jù)值和質(zhì)量碼.

圖2 同步數(shù)據(jù)格式設(shè)計(jì)

2.2 數(shù)據(jù)匯集

Ⅰ區(qū)數(shù)據(jù)同步模塊通過隔離網(wǎng)閘將PMU 數(shù)據(jù)發(fā)往Ⅲ區(qū)之后,由Ⅲ區(qū)數(shù)據(jù)轉(zhuǎn)發(fā)模塊轉(zhuǎn)發(fā)至云端. 目前主要的數(shù)據(jù)轉(zhuǎn)發(fā)手段有: 基于E 文件和ftp 傳輸[14]、基于數(shù)據(jù)同步組件[15]、基于消息組件[16]等. 基于E 文件和ftp 傳輸適合非數(shù)據(jù)庫之間直接的轉(zhuǎn)發(fā),基于同步工具的轉(zhuǎn)發(fā)適合關(guān)系型數(shù)據(jù)庫之間的數(shù)據(jù)同步復(fù)制,基于消息組件的轉(zhuǎn)發(fā)適合對(duì)數(shù)據(jù)實(shí)時(shí)性要求比較高的場(chǎng)景.PMU 數(shù)據(jù)協(xié)同采用消息隊(duì)列進(jìn)行數(shù)據(jù)匯集,并在數(shù)據(jù)壓縮和并行匯集方面進(jìn)行優(yōu)化提升.

2.2.1 面向PMU 時(shí)序數(shù)據(jù)的擬合壓縮技術(shù)

通過將PMU 時(shí)序數(shù)據(jù)壓縮,可有效減少網(wǎng)絡(luò)傳輸?shù)臄?shù)據(jù)量,提升數(shù)據(jù)匯集的效率. 常用的壓縮方式有無損壓縮和有損壓縮,文獻(xiàn)[17]提出的混合熵編碼并行壓縮算法和文獻(xiàn)[18]提出的有損壓縮比的動(dòng)態(tài)控制方法,分別在無損壓縮和有損壓縮進(jìn)行了優(yōu)化研究. 本文針對(duì)PMU 數(shù)據(jù)量大、匯集實(shí)時(shí)性要求高,且注重?cái)?shù)據(jù)趨勢(shì)的特性,擬采用一種分段擬合方式的進(jìn)行有損壓縮,既有較高的壓縮率,也便于實(shí)時(shí)數(shù)據(jù)同步發(fā)送.

分段擬合算法的關(guān)鍵思路是: (1)每秒內(nèi)的最大和最小值預(yù)先保留,確保數(shù)據(jù)曲線的波峰和波谷不丟失,減少壓縮對(duì)數(shù)據(jù)趨勢(shì)的影響; (2)通過擬合算法,將符合擬合標(biāo)準(zhǔn)的數(shù)據(jù)去除,只保留超過擬合偏差的數(shù)據(jù),減少需要存儲(chǔ)的數(shù)據(jù)量,達(dá)到壓縮的目的.

設(shè)置當(dāng)前已有N個(gè)測(cè)點(diǎn)Tall秒的數(shù)據(jù),分段的時(shí)間跨度為S秒,將原歷史數(shù)據(jù)按時(shí)間跨度拆分成M段,M=Tall/S,各時(shí)間段組成集合T={T1,T2,…,TM}; 設(shè)置擬合壓縮的誤差為delta. 算法針對(duì)N個(gè)測(cè)點(diǎn)的M個(gè)時(shí)間段分別進(jìn)行壓縮處理,然后進(jìn)行結(jié)果合并. 每個(gè)時(shí)間段的處理流程如下.

(1)針對(duì)每個(gè)Ti∈T,獲取Ti時(shí)間段內(nèi)的所有數(shù)據(jù)V={V1,V2,…,Vcount},計(jì)算這段時(shí)間的最大和最小值Vimax和Vimin;

(2)設(shè)置壓縮的中間節(jié)點(diǎn)為node1 和node2,將集合V拆成3 段,[V1,Vnode1),[Vnode1,Vnode2),[Vnode2,Vcount];

(3)比較Vimax和Vimin的時(shí)間Timax和Timin,如果Timax

(4)進(jìn)行[V1,Vnode1)段的擬合壓縮,設(shè)置起始Vstart=V1,結(jié)束Vend=Vnode1;

(5)計(jì)算從start 至end 的每個(gè)值的擬合偏差Di:

(6)比較Di和delta 大小,如果Di

(7)重復(fù)執(zhí)行步驟(3)–步驟(4),從start 執(zhí)行到end,保留的數(shù)據(jù)集合為Vresult;

(8)進(jìn)行[Vnode1,Vnode2)段的擬合壓縮,設(shè)置起始Vstart=Vnode1,結(jié)束Vend=Vnode2,執(zhí)行步驟(5)–步驟(7);

(9)進(jìn)行[Vnode2,Vcount]段的擬合壓縮,設(shè)置起始Vstart=Vnode2,結(jié)束Vend=Vcount,執(zhí)行步驟(5)–步驟(7);

(10)合并步驟(4)、步驟(8)和步驟(9)3 個(gè)步驟的結(jié)果數(shù)據(jù)集合Vresult,Vresult即為最終壓縮后的結(jié)果.

算法示意圖如圖3 所示,圖中V2、V4、V5、V6符合擬合壓縮條件,被壓縮,V8不滿足擬合壓縮條件,被保留.

圖3 擬合壓縮算法示意圖

2.2.2 面向量測(cè)類型的消息并行處理技術(shù)

PMU 接入的數(shù)據(jù)類型主要有相量(電壓、電流、內(nèi)電勢(shì)相量、內(nèi)電勢(shì)功角、母線電壓相量等)、模擬量(勵(lì)磁電壓、勵(lì)磁電流、頻率偏移量、頻率變化率、機(jī)組轉(zhuǎn)速量、機(jī)組AGC 模擬量、機(jī)組AGC 升脈沖增量、機(jī)組ACGC 降脈沖增量等)、開關(guān)量(機(jī)組開關(guān)、機(jī)組AGC 投入等)3 種[19]. 為提升消息轉(zhuǎn)發(fā)的并行性和效率,通過數(shù)據(jù)類型將消息隊(duì)列的消息設(shè)置成不同的消息主題. 如圖4 所示,云端部署消息隊(duì)列組件和多個(gè)接收程序,Ⅲ區(qū)的數(shù)據(jù)轉(zhuǎn)發(fā)模塊將PMU 數(shù)據(jù)按照電流、電壓、頻率等分為不同的主題發(fā)到消息隊(duì)列中,不同的接收程序解析不同主題的消息后,寫入云端時(shí)序數(shù)據(jù)庫.

圖4 數(shù)據(jù)匯集方法

數(shù)據(jù)轉(zhuǎn)發(fā)模塊,采用定時(shí)任務(wù)觸發(fā)方式. 使用算法1所示算法,通過時(shí)間輪算法將任務(wù)平均分配到多個(gè)時(shí)間點(diǎn),并通過一致性Hash 算法將任務(wù)發(fā)布到指定的節(jié)點(diǎn)上執(zhí)行. 該算法能夠避免所有任務(wù)同時(shí)觸發(fā)造成消息擁塞,也能保證任務(wù)的可靠執(zhí)行. 主要算法如圖5所示.

圖5 數(shù)據(jù)匯集任務(wù)調(diào)度算法

算法1. 基于時(shí)間輪和一致性Hash 的任務(wù)發(fā)布算法/* 初始化每個(gè)任務(wù)的位置,和觸發(fā)時(shí)間 *//* VT 為所有任務(wù)的集合,每個(gè)周期的任務(wù)鏈為chain */for each tast∈VT do cacluate task.position = e.Time % 12 cacluate task.round = e.Time / 12 set chain[posion] = chain[posion] + task end/* 任務(wù)觸發(fā)和發(fā)布執(zhí)行 */while(true)do get current position pos for each task tast∈chain[pos] do if task.round = 0 then cacluate task.hash and IP position IPN.hash < task.hash < IPN+1.hash dispath tast to node on IPN+1 end end end if pos = 12 then for each tast tast∈VT do set task.round = task.round–1 end end end

2.3 云端數(shù)據(jù)存儲(chǔ)

電力調(diào)度通用數(shù)據(jù)對(duì)象結(jié)構(gòu)化設(shè)計(jì)規(guī)范[20]中對(duì)電網(wǎng)運(yùn)行數(shù)據(jù)的存儲(chǔ)結(jié)構(gòu)定義中,量測(cè)類數(shù)據(jù)主要存儲(chǔ)的信息有時(shí)間、對(duì)象ID、量測(cè)類型、數(shù)據(jù)源標(biāo)識(shí)等.PMU 數(shù)據(jù)在云端的存儲(chǔ)參考該規(guī)范定義,結(jié)合PMU數(shù)據(jù)量大、無事務(wù)要求的特性,采用具備高可擴(kuò)展能力和良好的容錯(cuò)能力[21]的Key-Value 型數(shù)據(jù)庫進(jìn)行存儲(chǔ). 根據(jù)匯集上云的數(shù)據(jù)類型,設(shè)計(jì)將數(shù)據(jù)分別保存到歷史數(shù)據(jù)存儲(chǔ)實(shí)例或案例數(shù)據(jù)存儲(chǔ)實(shí)例,分別用于周期保存一定時(shí)間的歷史數(shù)據(jù)以及永久保存案例數(shù)據(jù).歷史數(shù)據(jù)存儲(chǔ)實(shí)例或案例數(shù)據(jù)存儲(chǔ)實(shí)例存儲(chǔ)結(jié)構(gòu)一致,如表1 所示.

表1 Key-Value 數(shù)據(jù)庫存儲(chǔ)結(jié)構(gòu)示意圖

Key 值為數(shù)據(jù)源標(biāo)識(shí)、量測(cè)類型、設(shè)備ID、時(shí)間的順序組合,Value 存儲(chǔ)Key 值對(duì)應(yīng)的PMU 監(jiān)測(cè)指標(biāo)在該秒的所有幀的值和質(zhì)量碼,通過“#”分割成一串字符串存儲(chǔ). 設(shè)計(jì)該存儲(chǔ)結(jié)構(gòu)的優(yōu)點(diǎn)如下.

(1)Key 值的高位為數(shù)據(jù)源標(biāo)識(shí)和量測(cè)類型,對(duì)于云端匯集的各地PMU 數(shù)據(jù)可以充分利用Key-Value數(shù)據(jù)庫分布式存儲(chǔ)的特性,將數(shù)據(jù)分布到各數(shù)據(jù)庫節(jié)點(diǎn),寫入和查詢并行度高,且數(shù)據(jù)分布范圍大,不容易產(chǎn)生寫入熱點(diǎn)問題.

(2)通過將一個(gè)PMU 監(jiān)測(cè)指標(biāo)1 秒鐘所有幀的數(shù)據(jù)和質(zhì)量碼合并成一個(gè)字符串,作為一條Value 存儲(chǔ),減少了數(shù)據(jù)庫讀寫的次數(shù),提升了數(shù)據(jù)寫入和查詢的效率.

為提升數(shù)據(jù)存儲(chǔ)的效率以及可靠性,采用多個(gè)存儲(chǔ)執(zhí)行器并行處理的架構(gòu),并采用算法2 所示負(fù)載均衡算法,根據(jù)活躍執(zhí)行器的個(gè)數(shù)進(jìn)行動(dòng)態(tài)的負(fù)載均衡.

算法2. 多節(jié)點(diǎn)任務(wù)負(fù)載均衡算法/* VE 為所有執(zhí)行器executor 的集合,所有寫入的key 的總數(shù)為N */begin set alive_executor_count = 0 set executor _seqence = 0 for each e∈VE do if e is alive then set alive_executor_count + 1 set e.seqence = executor _seqence + 1 else VE = VE–e end calculate avg_key = N/executor _seqence for each e∈VE do if e is last Executor then set e.start = avg_key * e. seqence set e.end = N else set e.start = avg_key * e. seqence set e.end = avg_key * (e. seqence + 1)end end

2.4 云端數(shù)據(jù)共享

為提升數(shù)據(jù)共享的易用性,云端提供兩種數(shù)據(jù)共享模式: 主動(dòng)數(shù)據(jù)訪問模式和消息訂閱模式,同時(shí)通過使用關(guān)系型數(shù)據(jù)庫存儲(chǔ)電網(wǎng)模型,提供基于模型的數(shù)據(jù)訪問服務(wù),如圖6 所示.

圖6 云端數(shù)據(jù)共享方法

存儲(chǔ)層通過Key-Value 型數(shù)據(jù)庫存儲(chǔ)PMU 的歷史數(shù)據(jù)和案例數(shù)據(jù),同時(shí)利用關(guān)系型數(shù)據(jù)庫存儲(chǔ)3 類關(guān)系表: 電網(wǎng)模型表、量測(cè)信息表、案例信息表. 電網(wǎng)模型表和量測(cè)信息表用于提供基于電網(wǎng)模型的數(shù)據(jù)共享. 電網(wǎng)模型表主要包括廠站表、發(fā)電機(jī)表、變壓器繞組表等表示電網(wǎng)設(shè)備的表,量測(cè)信息表主要結(jié)構(gòu)如表2 所示,存儲(chǔ)時(shí)序庫中存儲(chǔ)的測(cè)點(diǎn)與所屬?gòu)S站、設(shè)備的關(guān)聯(lián)關(guān)系,以及和和云端匯集后統(tǒng)一設(shè)備ID[20]之間的映射關(guān)系. 案例信息表主要表結(jié)構(gòu)如表3 所示,保存WAMS 系統(tǒng)中事件發(fā)生的時(shí)間以及相關(guān)的設(shè)備信息.

表2 量測(cè)信息表結(jié)構(gòu)

表3 案例信息表結(jié)構(gòu)

訪問層以服務(wù)化方式將云端設(shè)備ID、廠站ID 等設(shè)備統(tǒng)一編碼轉(zhuǎn)換為時(shí)序庫數(shù)據(jù)存儲(chǔ)ID,進(jìn)行時(shí)序數(shù)據(jù)庫中PMU 數(shù)據(jù)定位與查詢. 數(shù)據(jù)訪問方式如下.

(1)提供數(shù)據(jù)訪問接口,支持基于接口的數(shù)據(jù)訪問,供高級(jí)應(yīng)用調(diào)用.

(2)通過“區(qū)域-廠站-設(shè)備-量測(cè)”樹狀結(jié)構(gòu)的展示界面,顯示PMU 數(shù)據(jù).

(3)通過云端內(nèi)部消息隊(duì)列,將應(yīng)用訂閱的PMU數(shù)據(jù)推送至應(yīng)用.

3 測(cè)試驗(yàn)證

通過本地服務(wù)器和阿里云環(huán)境,搭建測(cè)試環(huán)境進(jìn)行PMU 數(shù)據(jù)云邊協(xié)同可行性驗(yàn)證,模擬PMU 測(cè)點(diǎn)1 萬個(gè),采集頻率為50 fps. 物理環(huán)境如圖7 所示.

圖7 驗(yàn)證環(huán)境物理部署圖

所需使用資源具體如表4 所示.

表4 驗(yàn)證環(huán)境部署配置

驗(yàn)證環(huán)境部署步驟如下.

(1)在PMU 數(shù)據(jù)接收服務(wù)器上部署PMU 系統(tǒng)數(shù)據(jù)發(fā)送程序,從平臺(tái)的消息總線中實(shí)時(shí)接收PMU 數(shù)據(jù),并發(fā)往Ⅲ區(qū).

(2)Ⅲ區(qū)PMU 轉(zhuǎn)發(fā)服務(wù)器上部署轉(zhuǎn)發(fā)上云模塊,調(diào)用消息隊(duì)列MQ 的接口通過消息方式推送數(shù)據(jù).

(3)在云平臺(tái)中消息接收服務(wù)器1 和2 上部署接入程序,將消息中的設(shè)備ID、量測(cè)類型、數(shù)據(jù)時(shí)標(biāo)等轉(zhuǎn)為TDSB 數(shù)據(jù)庫的Key 值,并寫入PMU 數(shù)據(jù).

(4)在云平臺(tái)MySQL 數(shù)據(jù)庫中建立設(shè)備表、廠站表、量測(cè)信息表、案例信息表,錄入WAMS 系統(tǒng)對(duì)應(yīng)的設(shè)備ID 及相關(guān)信息,以及TSDB 對(duì)應(yīng)的Key 值信息.

(5)在云平臺(tái)服務(wù)器上部署查詢服務(wù)和訂閱通知服務(wù),查詢服務(wù)將輸入的云端統(tǒng)一設(shè)備ID 等查詢條件,通過查詢MySQL 的映射表轉(zhuǎn)化為TSDB 對(duì)應(yīng)的Key 值,調(diào)用TSDB 查詢接口查詢數(shù)據(jù).

同時(shí),針對(duì)云邊協(xié)同中數(shù)據(jù)匯集、存儲(chǔ)等關(guān)鍵場(chǎng)景,進(jìn)行效率和參數(shù)的測(cè)試驗(yàn)證,主要驗(yàn)證以下場(chǎng)景.

(1)跨區(qū)數(shù)據(jù)同步效率測(cè)試

測(cè)試不同大小的文件跨區(qū)同步的效率,測(cè)試參數(shù)和測(cè)試結(jié)果分別如表5 和圖8 所示.

圖8 跨區(qū)同步測(cè)試結(jié)果

表5 跨區(qū)同步測(cè)試參數(shù)

通過對(duì)比發(fā)現(xiàn),大文件跨區(qū)傳輸效率遠(yuǎn)高于小文件的傳輸效率. 大文件傳輸效率約為10 MB/s,滿足1 萬個(gè)PMU 測(cè)點(diǎn)每秒50 幀的數(shù)據(jù)跨區(qū)同步.

(2)擬合參數(shù)對(duì)比測(cè)試

測(cè)試設(shè)置不同的擬合參數(shù),對(duì)壓縮率和擬合結(jié)果的影響. 測(cè)試參數(shù)和測(cè)試結(jié)果分別如表6 和圖9 所示.

圖9 擬合參數(shù)測(cè)試結(jié)果

表6 擬合參數(shù)設(shè)置

對(duì)比實(shí)驗(yàn)結(jié)果發(fā)現(xiàn),擬合誤差較少時(shí),能夠較好地?cái)M合原有曲線,壓縮掉的點(diǎn)也少; 壓縮單元跨度不宜設(shè)置過大,否則可能將曲線的波峰和波谷壓縮掉.

(3)時(shí)序數(shù)據(jù)庫寫入和查詢能力測(cè)試

測(cè)試不同并發(fā)場(chǎng)景下時(shí)序數(shù)據(jù)庫的寫入和查詢能力. 測(cè)試參數(shù)和測(cè)試結(jié)果分別如表7 和圖10 所示.

圖10 時(shí)序庫寫入和查詢測(cè)試結(jié)果

表7 時(shí)序庫讀寫測(cè)試參數(shù)設(shè)置

數(shù)據(jù)寫入效率: 單連接和多連接分別為20315 和39760 條/秒; 數(shù)據(jù)查詢效率: 單連接和多連接分別為193498 和675858 條/秒. 滿足1 萬個(gè)PMU 測(cè)點(diǎn)的數(shù)據(jù)存儲(chǔ)和查詢需求.

4 總結(jié)與展望

本文針對(duì)PMU 時(shí)序數(shù)據(jù)的共享需求,提出一種PMU 時(shí)序數(shù)據(jù)的云邊協(xié)同方法,介紹了該方法的數(shù)據(jù)協(xié)同模型、數(shù)據(jù)匯集架構(gòu)與擬合算法、數(shù)據(jù)訪問服務(wù)等關(guān)鍵技術(shù),并通過阿里云的實(shí)際環(huán)境驗(yàn)證測(cè)試該方法的可行性. 目前該方法還有兩處待改進(jìn): (1)數(shù)據(jù)在云端匯集后,對(duì)于缺失或者需要重傳的數(shù)據(jù),需要在云端提供歷史數(shù)據(jù)補(bǔ)招功能; (2)云端PMU 數(shù)據(jù)匯集后,針對(duì)電網(wǎng)事件對(duì)PMU 案例數(shù)據(jù)分析時(shí),缺乏事件發(fā)生時(shí)刻對(duì)應(yīng)的模型. 針對(duì)這兩個(gè)問題,本文下階段的目標(biāo)是研究歷史補(bǔ)招命令的下發(fā)執(zhí)行,以及歷史模型動(dòng)態(tài)匹配方法.