侵权投诉
当前位置:

OFweek电力网

电力信息化

正文

撬动百万千瓦——星环大数据助力佛山电力需求侧管理

导读: 稳定的电能供给是现代工业的基石。我国工业的快速发展给电力企业的供电能力提出了一次又一次的挑战。应对这些挑战最直接的方法是增建发电厂来提高发电能力。改革开放以来,我国的发电厂一度如雨后春笋般出现,但是随着时间的推移和经验的积累,我们认识到电厂会给环境带来一定影响。

  稳定的电能供给是现代工业的基石。我国工业的快速发展给电力企业的供电能力提出了一次又一次的挑战。应对这些挑战最直接的方法是增建发电厂来提高发电能力。改革开放以来,我国的发电厂一度如雨后春笋般出现,但是随着时间的推移和经验的积累,我们认识到电厂会给环境带来一定影响。我国的一些小型火电厂良莠不齐,未达处理标准的排污让附近居民苦不堪言,燃煤电厂产生的粉尘则是雾霾问题的罪魁祸首。在我国经济由高耗能、高排放、低效率的粗放发展方式向低耗能、低排放、高效率的绿色和谐发展方式转变的趋势下,电力企业应当严格地管理发电过程,关闭低效率高污染的电厂,建设规范高效的电厂并利用水力、风能、太阳能等清洁能源。然而,这些发电侧的优化将是一个长期的过程,如何在短期内缓解供电压力并满足工业生产的需求呢?电力企业将目光投向了对用电侧的管理。

  用电侧管理,在电力术语中称为需求侧管理(Demand Side Management, DSM),是通过管理用电方式来减少电力需求达到电力使用效率最大化的管理活动。这样形容比较抽象,但DSM对于我们其实不陌生——实行已久的峰谷电价和分时电价就是DSM的例子。供电局通过提高用电高峰时段的电价促使我们将一些用电活动安排到低谷时段,这样便可减少峰值用电量,减轻发电压力。同样的思想在对工业用电的管理中也大量使用,称为“错峰”,但工业用电的错峰和生活用电错峰不同,仅仅使用峰谷电价等市场调节“软”手段在工业用电中是不够的,因为工业生产的用电量极大,一旦错峰不成功,会出现巨大的电力缺口,所以供电局需要为其供电范围内的工厂制订错峰计划,将工厂的生产安排在不同时间段,降低峰值需求。制订错峰计划并不简单,不同类型的工厂用电方式截然不同,而同一家工厂在不同时期的用电方式也不一样,要使错峰计划合乎工厂的生产规律,就不能“一刀切”地制定计划。而且工厂用电设备繁多、各个环节相互依赖,不合理的安排会对生产过程产生牵一发而动全身的影响。那么,供电局该如何制订合理的错峰计划,在保障工业生产的前提下降低电力需求峰值呢?空谈无用,我们看看这两年在需求侧管理颇有成果的佛山电力是怎么做的。

  佛山市是传统制造业名城,拥有几千家工厂,无一不是能耗大户,给佛山的供电能力带来了极大的挑战。工业用电错峰在佛山实行已久,但是随着佛山制造业的发展,原有的错峰机制已经无法弥补电力缺口,还给工业生产带来了巨大的压力。电力缺口和土地、环境一道成为了制约佛山制造业进一步发展的瓶颈。2012年,佛山成为全国首批四个之一,也是南方电网首个电力需求侧管理综合试点城市。 在这次试点中,佛山电力建立了电子需求侧管理平台(以下简称DSM平台),由佛山电力提供电力专业知识,广东卓维网络提供信息技术。DSM平台上线的首要任务便是改善错峰机制、弥补电力缺口,同时使错峰计划更符合工厂的生产规律。然而,在第一步——制订错峰计划时,佛山电力就遭了当头一棒——佛山的制造业涵盖陶瓷业、纺织业、有色金属业、电器制造业、装备制造业等多种类型的产业,它们各有各的用电方式和周期,要让一套错峰计划适应所有的工业用户太难了!佛山电力的技术专家没有就此退缩,他们想到了近年来快速发展的大数据技术——既然电商们可以利用大数据技术细分人群,为差异化极大的消费者提供精准的个性化推荐服务,为什么不利用同样的技术为工业用户制订“个性化”的错峰计划呢?按照这个思路,佛山电力在DSM平台上建立了一个用户信息库,其中包含了各工业用户的行业、变压器、用能设备(电动机、通风机、电锅炉、照明设备等)等信息。利用这个信息库,佛山电力可以将工业用户进行粗略的划分,但这离准确描述用户的用电行为还很远。对电商来说,个性化推荐的核心是通过对购买和浏览记录数据的挖掘,找出数据中的规律和关联。对电力企业,这个思路依然适用,制订个性化错峰计划的核心应当是用电过程中产生的量测数据的挖掘。

  量测数据是工业用户用电设备或设备群上安装的各类电表记录的数据。但是,电表仅记录电压、电流、电量等原始数据,对用电行为的描述并不直观,而且单个表计只能记录一家工厂部分设备的用电情况,那么为了对一家工厂乃至一个地区、一个行业的用电行为获得更好的认识,DSM系统必须整合、分析原始数据,让原始数据变得有意义,才能加以利用。怎样才能让数据变得有意义呢?根据电力原理和多年工作经验,佛山电力总结出了一系列模型,将原始量测数据变为更具描述性的近二十个指标,包括单厂的月用电量、月平均负荷、月最大负荷出现时段、用能设备平均负荷、用能设备负荷占比、电能单耗等等。单企业指标和企业所在行业有直接关系,孤立地看单企业指标会导致描述偏差,所以佛山电力还需要计算各个行业中这些指标的均值、单企业和行业的对标(指标对比)以及在行业内的单企业指标排名。将原始量测数据变成指标需要一整套数据的处理:将数据从电表处采集、写入存储系统、从系统中读取、进行计算以及展现计算结果。这些任务需要一个功能强大的数据库,在这一步,佛山电力遇到了第二道障碍。佛山的制造业每天都要产生上亿条各类用电数据,DSM平台不仅需要对日积月累达到海量的历史数据进行分析,还要能够处理每天新增的数据。佛山电力原先为DSM选择了老牌数据库Oracle进行数据处理和指标生成,然而投产不久后,Oracle便显示出了计算能力的不足,在计算指标时,往往耗时过长,降低了错峰计划生成的效率,为了解决这个问题,佛山电力选择了为处理海量数据而生的大数据技术。

1  2  下一页>  
声明: 本文由入驻OFweek公众平台的作者撰写,观点仅代表作者本人,不代表OFweek立场。如有侵权或其他问题,请联系举报。

我来说两句

(共0条评论,0人参与)

请输入评论

请输入评论/评论长度6~500个字

您提交的评论过于频繁,请输入验证码继续

暂无评论

暂无评论

最新活动更多 >>
文章纠错
x
*文字标题:
*纠错内容:
联系邮箱:
*验 证 码: