基于Spark的電網(wǎng)擾動影響域識別研究.pdf

1、隨著電網(wǎng)互聯(lián)規(guī)模及耦合強(qiáng)度的日益擴(kuò)大，電網(wǎng)運(yùn)行環(huán)境日益復(fù)雜，亟需依托大數(shù)據(jù)技術(shù)，提升電網(wǎng)多源大數(shù)據(jù)的挖掘深度及應(yīng)用效率。與此同時，局部擾動更易波及較大的區(qū)域，有效識別擾動影響域?qū)τ谝种茢_動傳播具有一定的工程應(yīng)用價(jià)值。
　　本研究針對大電網(wǎng)廣域時空序列數(shù)據(jù)的海量存儲、高效處理，提出以Spark為核心的電力大數(shù)據(jù)平臺設(shè)計(jì)框架。論文中指出了Spark在分布式計(jì)算中的優(yōu)勢及電力大數(shù)據(jù)平臺建設(shè)目標(biāo)，并對平臺各個層次進(jìn)行詳細(xì)的論述，闡述了電網(wǎng)

2、時空序列數(shù)據(jù)處理過程。在搭建的Spark和Hadoop實(shí)驗(yàn)環(huán)境基礎(chǔ)上，對典型聚類算法進(jìn)行性能對比測試，驗(yàn)證了Spark相對于Hadoop的MapReduce計(jì)算模型數(shù)據(jù)處理的優(yōu)勢。從電網(wǎng)結(jié)構(gòu)脆弱性和運(yùn)行狀態(tài)脆弱性角度，提出勢能強(qiáng)度指標(biāo)衡量電網(wǎng)發(fā)生擾動后各個節(jié)點(diǎn)受影響程度的強(qiáng)弱。通過變量相關(guān)性論述了單一變量識別擾動影響域的約束性，并引入常用結(jié)構(gòu)脆弱性指標(biāo)電氣介數(shù)?；谀芰亢瘮?shù)構(gòu)造方法，構(gòu)建節(jié)點(diǎn)勢能函數(shù)方程，將電氣介數(shù)作為節(jié)點(diǎn)勢能（運(yùn)行狀態(tài)

3、脆弱性）權(quán)重提出勢能強(qiáng)度指標(biāo)。通過對IEEE39節(jié)點(diǎn)系統(tǒng)不同故障對比仿真分析，得出高電氣介數(shù)節(jié)點(diǎn)更易成為勢能傳播路徑，驗(yàn)證了所提勢能強(qiáng)度指標(biāo)的正確性。以IEEE39節(jié)點(diǎn)系統(tǒng)仿真數(shù)據(jù)為數(shù)據(jù)源模擬流式數(shù)據(jù)，基于Spark Streaming組件進(jìn)行在線擾動影響域計(jì)算分析。根據(jù)基尼系數(shù)理論，提出勢能強(qiáng)度基尼系數(shù)方法，評估電網(wǎng)故障后網(wǎng)絡(luò)整體受擾動情況。在線計(jì)算勢能強(qiáng)度值以及勢能強(qiáng)度基尼系數(shù)值，以勢能強(qiáng)度值作為聚類對象，采用流式K-Means聚類