一种电网时空动态特性智能认知算法库引擎的构建方法与流程

本发明涉及电网智能分析与计算，并且更具体地，涉及一种电网时空动态特性智能认知算法库引擎的构建方法。

背景技术：

1、随着我国交直流混联电网规模的不断扩大，电力电子设备和新能源大量接入，导致电网动态特性日趋复杂、安全稳定运行风险日益增加，客观上要求更具时效性的大电网在线安全分析。近年来，大数据、人工智能等先进技术高速发展以及广域测量系统(wi dearea measurement system，wams)在电网信息采集与监控的广泛应用，为大电网实时分析提供了技术与数据支撑。

2、电网时空动态特性智能认知算法是实现电网在线安全分析的核心。随着大电网在线安全分析对时效性的要求日益增大以及数据量的激增，亟需海量信息驱动的电网时空动态特性智能认知算法库引擎以支持面向电网实时在线分析的智能认知算法的灵活构建与高效运行。然而，目前静态评估与决策、暂态评估与决策等电网时空动态特性智能认知算法还是基于通用的流式计算框架从零开始构建计算模型。由于通用计算引擎，如spark和f li nk等，在存储与计算流程上没有针对电网智能认知算法特点进行优化，因此算法的计算性能难以得到保证。此外，目前也尚缺乏针对电网智能认知算法的组态化编程环境，从而加大了算法的研发成本。

技术实现思路

1、针对现有技术存在的问题，本发明提供一种电网时空动态特性智能认知算法库引擎的构建方法，用于统一管理电网静态评估与决策算法、暂态评估与决策算法以及基础通用算法等电网时空动态特性智能认知算法的高效运行，并为算法构建提供便捷的开发环境，以提升电网实时在线分析的时效性，并降低相关算法的研发成本。

2、根据本发明，提供了一种电网时空动态特性智能认知算法库引擎的构建方法，包括：

3、构建电网智能认知算法库的存储层，其中存储层包括数据存储模块，数据存储模块用于利用分布式存储组件实现pmu数据、scada数据、状态估计结果数据和仿真数据的存储；

4、构建电网智能认知算法库的计算层，其中计算层包括全量数据接口模块、稀疏矩阵存储模块、流式计算模块、算法调度模块以及组态化构件模块；全量数据接口模块用于从电网全设备对象及全信息量角度出发，制定数据接口规范；稀疏矩阵存储模块用于以三元组的形式在内存中存储电网导纳矩阵，供电网智能认知算法运行使用；流式计算模块用于对每个电网智能认知算法采用流式计算的模式进行在线运行，每当新数据到达时，执行预设的处理步骤；算法调度模块用于按照电网智能认知算法的重要程度以及所耗计算资源情况设计运行优先级，实现多重作业优化调度；组态化构件模块用于为电网智能认知算法提供组态化开发环境，实现参数自定义，从而满足不同应用场景的需求；

5、构建电网智能认知算法库的算法层，其中算法层包括静态评估与决策算法、暂态评估与决策算法以及基础通用算法。

6、优选地，所述利用分布式存储组件实现pmu数据、scada数据、状态估计结果数据和仿真数据的存储，包括：

7、根据pmu数据的使用场景，将当前时刻前五分钟的pmu数据作为在线数据存储到分布式内存数据库中，将其余时刻的pmu数据作为历史数据存储到分布式列式数据库中；

8、根据scada数据的特性，将scada数据分为第一模型数据与第一运行数据，其中第一模型数据存储在关系型数据库中，第一运行数据存储到分布式列式数据库中；

9、根据状态估计结果数据的特性，将状态估计结果数据分为第二模型数据与第二运行数据，其中第二模型数据存储到关系型数据库中，第二运行数据存储到分布式列式数据库中；

10、根据仿真数据的特性，将仿真数据存储到分布式文件系统中。

11、优选地，所述从电网全设备对象及全信息量角度出发，制定数据接口规范，包括：

12、将电网的母线、发电机、线路、负荷的属性分为静态属性与动态属性，其中静态属性通过字符串进行描述，动态属性以动态数组的形式描述，并根据时间进行动态拓展；

13、将静态属性与动态属性以json的格式形成全量数据接口，全量数据接口的通信方式为http。

14、优选地，所述静态属性包括设备名称，设备静态模型参数及厂站名称。

15、优选地，所述动态属性包括电压幅值、相角、有功功率及无功功率。

16、优选地，所述以三元组的形式在内存中存储电网导纳矩阵，包括：

17、从全量数据接口中读取电网支路与节点参数信息；

18、读取电网所有支路信息，将支路信息中的首端节点号作为行信息、末端节点号作为列信息，形成节点稀疏关联矩阵；

19、在节点稀疏关联矩阵上叠加支路电阻与电抗信息，形成电网导纳矩阵；

20、以三元组的形式在内存中存储电网导纳矩阵。

21、优选地，所述对每个电网智能认知算法采用流式计算的模式进行在线运行，每当新数据到达时，执行预设的处理步骤，包括：

22、比较当前时刻新到达数据与上一时刻数据；

23、若数值未发生变化，则输出上一时刻数据的计算结果；

24、若数值发生变化，则将系统中的每个计算任务抽象成一个有向无环图，有向无环图中的节点对应计算任务中的算子；有向边表示算子间的时序关系，有向边尾节点的算子需要等待头节点算子的计算结果，并在头节点算子之后运行；

25、当某一计算任务无需依赖其他任务的计算结果时，则将该任务与其它任务并行执行；

26、当某一计算任务依赖其他任务的计算结果时，则该任务需等待其他任务执行完成后再执行；

27、在执行每一个计算任务时，如果在有向无环图中，算子间没有时序关系，则可并行执行；否则，根据有向边所描述的时序关系，顺序执行各算子。

28、优选地，所述按照电网智能认知算法的重要程度以及所耗计算资源情况设计运行优先级，包括：

29、根据电网智能认知算法的重要程度设计初始优先级，依据优先级确定任务分发和运行的顺序；

30、根据电网智能认知算法的计算资源大小进行优先级的动态调整，消耗计算资源较少的电网智能认知算法拥有较高的优先级，对应的任务将优先被分发和运行；

31、将优先级高的电网智能认知算法进行特殊标记，当优先级高的电网智能认知算法执行完毕，则释放其所占有的计算资源给其它低优先级任务；当优先级高的电网智能认知算法有新的任务提交时，资源管理器默认等待一段时间后，抢占其它低优先级任务的计算资源，从而保障优先级高的算法稳定运行。

32、优选地，所述为电网智能认知算法提供组态化开发环境，实现参数自定义，包括：

33、制定每个电网智能认知算法的模板，模板中包括数据获取组件、核心处理组件以及计算结果存储组件，包括参数自定义、公式编辑、算法核心公式计算和计算结果存储；

34、数据获取组件通过全量数据接口读取电网支路、负荷、发电机与节点参数信息，为静态评估与决策算法、动态评估与决策算法以及基础通用算法在线运行提供数据输入；

35、核心处理组件支持电网智能认知算法参数的自定义配置与核心公式的在线编辑；

36、计算结果存储组件将各指标计算结果存储到分布式数据库中进行保存；

37、对于每一个电网智能认知算法，通过组件库进行数据获取组件、核心处理组件以及计算结果存储组件的组装，算法引擎自动生成相关代码。

38、优选地，所述核心处理组件支持电网智能认知算法参数的自定义配置与核心公式的在线编辑，包括：

39、针对电网智能认知算法库中的静态评估与决策算法、动态评估与决策算法以及基础通用算法，提取能够配置的电网智能认知算法的参数信息，并通过界面获取电网智能认知算法的参数配置信息；

40、利用公式编辑器自定义输入核心公式，进行指标的计算。

41、本发明采用全量接口形式进行分布式多源异构数据源的集成，对算法的输入、输出的数据格式进行统一，并采用流式计算模式与多级任务优化调度算法实现静态评估与决策算法、暂态评估与决策算法以及基础通用算法的统一管理与高效运行，提高算法执行效率，支撑大电网秒级智能态势评估与决策响应。此外，利用组态开发技术，通过将电网智能认知算法分解为数据获取、核心处理、结果保存等组件，使用组件库组装算法，算法引擎自动生成相关代码，实现了智能认知算法核心代码的灵活配置与自动生成，降低算法开发难度，提高了开发效率。