logo资料库

能源互联网全景安全防御系统.pdf

发布时间：2022-06-06 发布人：admin 分类：说明书 资料大小：2.80M 资料格式：pdf 举报 版权申诉
第1页 / 共7页
第2页 / 共7页
第3页 / 共7页
第4页 / 共7页
第5页 / 共7页
第6页 / 共7页
第7页 / 共7页
资料共7页，全文预览结束
    全球能源互联网专刊 ............................................. 中图分类号：TP393.3　　文献标志码：B　　文章编号：2095-641X(2016)03-0013-07 信息驱动的全球能源互联网 全景安全防御系统 王继业，刘道伟，马世英，张东霞，朱朝阳，郑超，秦晓辉 （中国电力科学研究院，北京 100192） 摘要：为了适应全球能源互联网环境下的多源大数据挑战，并有效提升电力时空大数据智能挖掘 深度和利用广度，实现大型能源互联网全方位、立体化的安全监视和精确防护，需要利用大数据 技术构建全新的安全防御系统平台。文章定义了信息驱动的全球能源互联网全景安全防御系统 概念及其功能框架，描述了该系统的基本功能需求及技术方案选择，并详细设计了相应的大数据 平台架构；对紧密相关的资源虚拟化、多源信息融合、分布式储存、时空大数据挖掘、全景态势感 知、实时流计算及直观可视化等关键技术进行了系统性部署；最后，搭建了小型的实验室平台环 境，采用典型的聚类算法对时空序列进行了性能测试，并实现了电网全景态势感知关键信息的直 观、实时、快速可视化展示。该平台可为实现全球能源互联网主动防御提供坚实的技术支撑，具 有较高的工程应用价值和推广前景。 关键词：全球能源互联网；时空大数据；全景安全防御；时空数据挖掘；大数据平台 大 电 网 安 全 与 稳 定 0　引言 随着全球能源供需矛盾、经济发展不均衡及环 境压力的增大，深入融合可再生新能源技术和互联 网信息技术的能源互联网是高效、安全、经济和灵活 的未来能源利用新模式。中国国家电网公司提出了 依托特高压交直流和智能电网技术的全球能源互联 网概念，为推动世界能源安全、清洁、高效、可持续发 展提供了全新的解决方案 [1-3]。然而，由于可再生能 基金项目：国家自然科学基金项目“基于响应的电网运行态 势量化评估与自适应控制”（51207143）；国家 电网公司科技项目“基于大数据技术的大电网 稳定态势量化评估与自适应防控关键技术研究” （XT71-15-056）。 源高渗透率及电力电子化，全球能源互联网将呈现 出更加复杂的随机特性、多源大数据特性及多尺度 动态特性，传统的能源结构、电力系统运行模式、社 会经济及生活方式等都将发生巨大改变。全球能源 互联网的安全稳定运行及时空大数据智能挖掘面临 严峻挑战 [4-5]。 近年来，国内外发生了多起大面积停电事故 [6-7]， 造成了巨大的经济损失和不良社会影响。一方面， 暴露了现有以“建模仿真 + 预想故障”为核心的在 线安全防御系统在运行机制、时效性等方面存在的 诸多问题 [8-9]；另一方面，从整体来看对电网广域测量 信息的挖掘深度和应用广度严重不足，远未达到“实 时精确分析、广域协调控制和动态自治”的智能化 防御目标 [10-11]。尤其是针对超大型全球能源互联网 电 力 信 息 与 通 信 技 术 2016 年第 14 卷第 3 期 13 2016.03信息化.indb 13 2016/3/25 9:37:12
    ............................................. 全球能源互联网专刊 大 电 网 安 全 与 稳 定 的安全可靠运行，对电力时空大数据的高效组织、管 理、挖掘与展示提出了更加迫切的要求 [12]。 信 息 物 理 系 统 旨 在 通 过 信 息、计 算 与 物 理 系 统的有机融合和深度协作，提升大型复杂工程系统 的 智 能 化 实 时 感 知 和 高 效 协 同 控 制 能 力 [13-14]。 随 着 电 网 智 能 化 水 平 的 不 断 提 高 [15]，以 及 与 互 联 网、 通信网等的深度融合，电网将逐渐演进成具有广域 协 同、广 泛 互 联、高 度 智 能、开 放 互 动 和 自 主 行 为 的复杂能源网络，从而构成能源系统与信息物理系 统 相 融 合 的 信 息 能 源 系 统 [16]。 与 此 同 时，电 力 大 数据相关技术的逐渐推广与深度应用，为实现全球 能 源 互 联 网 的 高 效 智 能 管 控 提 供 了 强 有 力 的 技 术 支撑 [17-20]。 为 了 应 对 全 球 能 源 互 联 网 的 动 态 实 时 监 控 及 其时空大数据挑战，本文提出了信息驱动的全球能 源 互 联 网 全 景 安 全 防 御 系 统（Information-Driven Global Energy Interconnection Panoramic Security Defense System，I-PSDS）概念，并针对其特有的业 务功能需求，设计了相应的电力时空大数据平台架 构，全方位展示了全球能源互联网的运行态势及防 控策略，进一步提升全球能源互联网的全景安全防 御水平。 1　I-PSDS 概念及功能框架 1.1　I-PSDS 概念 I-PSDS 是一种信息物理系统中的典型代表，其 概念为：全面依托大电网仿真、信息通信及大数据技 术，利用电网时空大数据、外界环境与一次电网物理 系统间的相互作用及反馈，通过计算、通信和控制技 术的有机融合与深度协作，实现全球能源互联网的 在线全景态势感知、广域协调控制及灵活高效服务， 必将成为全球能源互联网高性能、高吞吐、高可靠、 高可用的新一代综合安全防御系统。 1.2　I-PSDS 功能框架 I-PSDS 由全新的电力时空大数据综合分析与协 调控制云计算引擎、预案与响应相结合的策略云库 以及电网状态监视与风险预警模块构成，集“监视 + 预警 + 控制”于一体，实现全球能源互联网不同时间 维度和空间维度的全方位、立体化态势感知和精确 控制，确保电网以更加安全可靠、实时高效、广域协 调的方式运行。 I-PSDS 功能框架如图 1 所示。 14 电 力 信 息 与 通 信 技 术 2016 年第 14 卷第 3 期 图 1 I-PSDS 功能框架 Fig.1 Function framework of I-PSDS 2　I-PSDS 功能需求及技术方案选择 2.1　功能需求分析 根据 I-PSDS 的功能定位，平台需具备海量数据 采集、存储、挖掘、可视化等基础性支撑功能。 1）数据采集。主要包括对电网各类仿真或采集 的稳态潮流、动态时域轨迹信息，以及各种与电网发 生间接关联的外界环境信息的采集，并实现多源异 构信息的融合功能。 2）数据存储。满足数据存储的经济性、高扩展 性，支持结构化、半结构化、非结构化数据及实时数 据的查询与存储，提供具有高容错、高可靠和高吞吐 率的数据存储方式，为实现大规模海量数据的存储 提供强大的底层支撑。 3）数据挖掘。挖掘电网的时空动力学特性及其 关联特性，快速评估电网运行态势，当出现风险预警 后及时给出防控策略，保证全网的安全经济运行 [21]。 4）数据展示。采用图表、仪表、地图、二维、三维 等可视化形式，多维实时、直观、简洁地展示电网整 体运行状态及综合量化评估指标。 5）平台管理。实时对平台的数据采集、数据存 储、数据处理需求以及数据可视化进行监控、记录与 管理。 6）数据安全。智能识别操作人员，确保数据及 分析处理结果的授权访问。具备隐私保护能力，可 提供多种加解密方式，以保证存储安全。 2016.03信息化.indb 14 2016/3/25 9:37:13
    全球能源互联网专刊 ............................................. 2.2　技术方案选择 目前，大数据技术领域主流的分布式计算系统 为 MapReduce、Storm 和 Spark。 1）Hadoop 采 用 MapReduce 分 布 式 计 算 框 架， 是 磁 盘 级 计 算，计 算 时 数 据 在 磁 盘 上，需 要 读 写 磁 盘，适合进行海量数据的批处理 [22]。 2）Storm 为实时处理计算框架，对每次传入的 处理请求事件作出响应，数据通过网络直接导入内 存，具有毫秒级延迟，属于允许增量计算的高速事件 处理系统[23]。 3）Spark 是基于内存的分布式计算引擎，内部 优秀的调度机制使其具有快速的分布式计算能力， 可极快地进行迭代计算。Spark Streaming 是 Spark 的分布式流计算框架，其本质是微批量处理。由于 Spark 为 Spark Streaming、MLlib、GraphX 及 Spark SQL 提供了统一的数据处理平台，各组件间输入输 出数据可以实现无缝共享，无需格式转换 [24]。 电力系统故障集扫描既要满足大量批处理仿真 计算的要求，又要满足大量实时流信息处理的能力。 考虑到不同分布式计算系统的各自优势，结合电力 系统自身数据特点，采用 MapReduce、Storm、Spark 与云计算相结合的大数据云平台解决方案。借助云 计算，充分利用信息通信技术建立集数据、硬件、平 台、服务、展示于一体的时空协同信息处理平台，对 电力时空大数据进行有效组织与管理，提升电网安 全防控的智能化水平。 3　I-PSDS 大数据平台架构 全球能源互联网全景安全防御系统平台架构如 图 2 所示。该平台使用主流的大数据技术，同时采 用三大分布式系统，充分利用各个系统处理不同数 据类型的优势。 云计算包括 3 个层次的服务，即基础设施即服 务（Infrastructure as a Service，IaaS）、平 台 即 服 务 （Platform as a Service，PaaS）、软件即服务（Software as a Service，SaaS）。大数据技术是云计算 PaaS 平 台的重要组成部分，数据平台管理系统负责数据的 存储、分析、处理，该平台主要包含以下几个层次。 1）传输层。主要收集全球能源互联网时空大数 据以及外部环境信息，具有流式数据的分布式采集 与传递、数据库抽取、ETL 等功能，适用于多源异构 数据的采集与处理。 图 2 全球能源互联网全景安全防御系统平台架构 Fig.2 Platform architecture of panoramic security defense system for GEI 大 电 网 安 全 与 稳 定 2016.03信息化.indb 15 2016/3/25 9:37:13 电 力 信 息 与 通 信 技 术 2016 年第 14 卷第 3 期 15
    ............................................. 全球能源互联网专刊 大 电 网 安 全 与 稳 定 2）存储与处理层。主要负责将数据持久化存储 与分布式分析，算法库用于存储常用的数据挖掘方法， 知识库用于存储机器学习算法训练而得到的模型。 3）服务层。主要利用常规聚类、关联、预测等数 据挖掘方法，对电力时空大数据进行基础信息挖掘， 加强对电网时空动力学特性的认知。同时，针对电 网不同运行场景的时空大数据，开展电网静态、动态 和暂态的稳定态势实时评估。服务层还可以将数据 进行封装，实现数据共享，将数据解耦，解决数据使 用不灵活的问题。 4）云信息平台管控层。主要实现对各类集群的 状态监控、任务分配与统一管理，以及对数据中心资 源的统一调度、集中管理及访问控制。 5）展示层。主要从动态拓扑、能量流及时空动 力学 3 个角度分别实现电网状态监视、风险预警及 防御策略的直观展示，并以图表或文本形式输出。 4　I-PSDS 关键技术 伴随大数据领域涌现出的大量新技术，它们成 为 大 数 据 采 集、存 储、处 理 和 呈 现 的 有 效 手 段。I- PSDS 主要涉及资源虚拟化、多源异构信息融合与预 处理、分布式储存与管理、电力大数据分析及挖掘、 电网全景运行态势感知、实时流式计算及电网运行 态势可视化展示等关键技术。 4.1　资源虚拟化 通 过 虚 拟 化 技 术 实 现 软 件 应 用 与 底 层 硬 件 隔 离，考 虑 到 性 能、功 能、稳 定 性、可 靠 性 等 方 面 的 需 求，需根据业务特点，针对虚拟化系统进行针对性的 深度定制，使其更符合业务层面的需求。 4.2　信息预处理 在收集的原始数据中，会存在杂乱、无效、缺值 等情况，给后面的数据分析带来很多问题。因此，需 要对接收的数据进行清洗、集成、转换等预处理。同 时，能源互联网包含多种类型的结构化、半结构化及 非结构化海量数据，须结合多个数据源的互补信息 对各类数据进行统一化、规范化融合，将其转化为面 向能源互联网的统一信息模型，才能更加精确地对 数据进行挖掘。 4.3　分布式存储及管理 对于不同类型的数据，需结合数据格式、用途等 在全磁盘数据库、半内存及全内存数据库中择优存 储。此外，将数据进行有效压缩、管理，可降低数据 的存储成本。同时，研究数据分布式访问控制、数据 审计、数据完整性验证等技术，可保证数据安全、科 学地存储和管理。 4.4　时空大数据分析及挖掘 针对各种场景下的电力时空大数据，采用机器 学习、图计算、流计算等新的数据处理模式，提取影 响电网稳定的主导环节及关键因素，建立一系列电 网时空关联约束模型。构建电网时空大数据事件行 为 的 知 识 库，为 电 网 异 常 事 件 的 模 式 挖 掘、主 动 预 警、实时决策提供知识保障，完善电网运行自适应匹 配防控体系。 4.5　电网全景运行态势感知 实现电网的全景运行态势感知，要求对电网状 态进行时间、空间和目标的多维评估，涉及到时空大 数据特征量的筛选与稳定性分析、多维信息的确切 表征及交互融合分析；计及不确定因素的时空趋势 预测，基于聚类、分类方法的扰动影响域识别，全景 态势综合量化评估指标的筛选和聚合等；对电网进 行精确的诊断、预测，提升电网静态、暂态、动态分析 水平，提高防御系统的全景态势感知能力。 4.6　实时流式计算 流数据能够反映电网动态演变过程，对其进行 实时遥测分析，可捕捉电网异常行为并触发相关的 处理逻辑。将实时数据与历史数据进行凝练用于实 时分析，可建立基于时空演化关联关系、多尺度关联 关系和时空关联约束条件的电网动态评估模型。 Storm 和 Spark Streaming 均可以用于流式数据 处理，而且都是基于内存计算，Storm 是逐条计算， Spark Streaming 是微批量计算，针对电网流数据，需 根据不同的业务处理需求合理选择这 2 个工具，以 使任务、资源分配更加均衡。 4.7　电网运行态势可视化展示 平台采用可缩放矢量图（Scalable Vector Graphics， SVG）技术对地图进行缩放而不改变像素，结合全 国 各 节 点 拓 扑 数 据，将 能 量 以 流 的 形 式 展 示。 采 用 Web 可视化技术，对电力时空大数据的分析结果 通 过 仪 表、饼 图、三 维 地 图 等 方 法 进 行 直 观 可 视 化 展示。 利用计算机图形学、图像处理技术、空间数据多 尺度表达技术和矢量地图技术，可快速地进行扰动 源的扫描与定位、扰动域划分、能量动态流动和全球 能源互联网三维主干网展示。 16 电 力 信 息 与 通 信 技 术 2016 年第 14 卷第 3 期 2016.03信息化.indb 16 2016/3/25 9:37:14
    全球能源互联网专刊 ............................................. 5　I-PSDS 应用实践 5.1　平台环境 针对本文设计的 I-PSDS 大数据架构，以 Spark 为 核 心 搭 建 了 该 系 统 的 小 型 实 验 室 测 试 环 境。 操 作 系 统 采 用 CentOS7，以 Yarn 作 为 资 源 管 理 器，以 HDFS 作为分布式文件存储系统，采用 Spark 作为分 布式计算框架。集群配置见表 1 所列。 表 1 集群配置 Tab. 1 Cluster configuration 类型 台数 内存 /GB CPU 核数 网卡速率 /Mbps 存储 /GB Dell 台式机 5 14 16 100 1 000 5.2　数据挖掘算法测试 以 某 区 域 电 网 暂 态 时 域 仿 真 结 果 作 为 测 试 数 据，该 区 域 电 网 有 7 332 个 节 点，10 928 条 支 路。 采 用 PSD-BPA 仿 真 程 序 进 行 仿 真，在 仿 真 结 果 数 据 中 取 出 电 压 幅 值 进 行 聚 类 测 试，其 矩 阵 阶 数 为 7 332×1 500，大 小 为 125 M。 由 于 K-Means 聚 类 时间和数据量大小有一定的关系，数据量越大，迭代 一次的时间就越久。使用 Matlab 生成 4 个数据量逐 渐增大的高斯随机矩阵，其阶数分别为 25 000×1 500、 50 000×1 500、100 000×1 500、150 000×1 500， 大小分别为 266 M、531.87 M、1.04 G、1.56 G。将这 5 个数据分别命名为数据 1、2、3、4、5。针对这 5 个 数据测试集群运行时间，集群测试结果见表 2 所列。 表 2 集群测试结果 Tab. 2 Cluster test results 聚类个数 迭代次数 数据 1/s 数据 2/s 数据 3/s 数据 4/s 数据 5/s 6 100 28 33 38 46 54 由 表 2 可 以 看 出，当 数 据 量 增 加 时，集 群 处 理 时间并没有增加太多，集群的优势在于可以利用多 个计算机进行并行计算，从而获得很高的计算速度。 当数据量达到单机处理能力的瓶颈时，集群的优势 才会明显体现出来，该优势远大于考虑到分布式系 统间通信带来的劣势。在大数据实际处理过程中， 数据量往往会达到 TB 级，甚至 PB 数量级。此时， 单台计算机的存储以及计算能力已经远远不能满足 数据海量化、高效化处理的需求。因此，海量数据的 处理需要大数据技术的支撑。 5.3　可视化展示 全球能源互联网全景安全防御系统平台可视化 展示如图 3 所示。 大 电 网 安 全 与 稳 定 图 3 全球能源互联网全景安全防御系统平台可视化展示 Fig.3 Visual display of the panoramic platform security defense system for GEI 1）时空拓扑及状态。平台从时空三维角度来展 现电网的能量在空间的流动、电网拓扑及电网的薄 弱节点，薄弱节点以发光圆圈形式展现。 2）综合评估指标。平台采用仪表盘形式显示多 种状态评估指标，以红、黄、绿 3 种颜色表示不同的 裕度范围，采用动态曲线的形式显示不同状态评估 指标变化曲线，便于运行人员了解电网的运行变化 情况。 3）分区域稳定裕度。平台以三维柱状图的形 式显示亚洲、欧洲、北美洲、南美洲、大洋洲和非洲六 大区域的稳定裕度指标，可以从全球→洲际→国家 →省级→县级的方式逐级对能源互联网进行实时监 控、防御。 6　结语 本文针对现有电力防御系统存在的不足，构建 了基于时空大数据的全球能源互联网全景安全防御 系统平台，实现了海量多源数据采集、可靠存储、高 效处理及可视化展示。设计了数据安全模块保证数 据的安全性，采用统一服务接口提高了平台的扩展 能力和服务范围。该系统可增强全球能源互联网的 全景态势感知和综合防御能力，具有较高的工程示 范意义和推广价值。 电 力 信 息 与 通 信 技 术 2016 年第 14 卷第 3 期 17 2016.03信息化.indb 17 2016/3/25 9:37:14
    ............................................. 全球能源互联网专刊 参考文献： [1] 刘振亚. 全球能源互联网[M]. 北京: 中国电力出版社, 2015. [2] 董朝阳, 赵俊华, 文福拴, 等. 从智能电网到能源互联网: 基本 概念与研究框架[J]. 电力系统自动化, 2014, 38(15): 1-11. DONG Zhao-yang, ZHAO Jun-hua, WEN Fu-shuan, et al. From smart grid to energy internet: Basic concepts and research framework[J]. Automation of Electric Power Systems, 2014, 38(15): 1-11. [3] 田世明, 栾文鹏, 张东霞, 等. 能源互联网技术形态与关键技 术[J]. 中国电机工程学报, 2015, 35(14): 3482-3494. TIAN Shi-ming, LUAN Wen-peng, ZHANG Dong-xia, et al. Technical forms and key technologies on energy internet[J]. Proceedings of the CSEE, 2015, 35(14): 3482-3494. [4] 王玮, 刘荫, 于展鹏, 等. 电力大数据环境下大数据中心架构体 系设计[J]. 电力信息与通信技术, 2016, 14(1): 1-6. WANG Wei, LIU Meng, YU Zhan-peng, et al. System design of the big data center architecture in electric power big data environment[J]. Electric Power ICT, 2016, 14(1): 1-6. 大 电 网 安 全 与 稳 定 [5] 朱朝阳, 王继业, 邓春宇. 电力大数据平台研究与设计[J]. 电力 信息与通信技术, 2015, 13(6): 1-7. ZHU Chao-yang, WANG Ji-ye, DENG Chun-yu. Research and design of electric power big data platform[J]. Electric Power ICT, 2015, 13(6): 1-7. [6] 印永华, 郭剑波, 赵建军, 等. 美加“8. 14”大停电事故初步分 析以及应吸取的教训[J]. 电网技术, 2003, 27(10): 8-11, 16. YIN Yong-hua, GUO Jian-bo, ZHAO Jian-jun, et al. Preliminary analysis of large scale blackout in interconnected North America power grid on august 14 and lessons to be drawn[J]. Power System Technology, 2003, 27(10): 8-11, 16. [7] 林伟芳, 孙华东, 汤涌, 等. 巴西“11·10”大停电事故分析及启 示[J]. 电力系统自动化, 2010, 34(7): 1-5. LIN Wei-fang, SUN Hua-dong, TANG Yong, et al. Analysis and lessons of the blackout in Brazil power grid on November 10, 2009[J]. Automation of Electric Power Systems, 2010, 34(7): 1-5. [8] 薛禹胜. 时空协调的大停电防御框架(二)广域信息、在线量化 分析和自适应优化控制[J]. 电力系统自动化, 2006, 30(2): 1-10. XUE Yu-sheng. Space-time cooperative framework for defending blackouts part Ⅱ reliable information, quantitative analyses and adaptive controls[J]. Automation of Electric Power Systems, 2006, 30(2): 1-10. [9] 杨胜春, 汤必强, 姚建国, 等. 基于态势感知的电网自动智能调 度架构及关键技术[J]. 电网技术, 2014, 38(1): 33-39. YANG Sheng-chun, TANG Bi-qiang, YAO Jian-guo, et al. Architecture and key technologies for situational awareness based 18 电 力 信 息 与 通 信 技 术 2016 年第 14 卷第 3 期 automatic intelligent dispatching of power grid[J]. Power System Technology, 2014, 38(1): 33-39. [10] 闪鑫, 戴则梅, 张哲, 等. 智能电网调度控制系统综合智能告警 研究及应用[J]. 电力系统自动化, 2015, 39(1): 65-72. SHAN Xin, DAI Ze-mei, ZHANG Zhe, et al. Research on and application of integrated smart alarm based on smart grid dispatching and control systems[J]. Automation of Electric Power Systems, 2015, 39(1): 65-72. [11] 高昆仑, 辛耀中, 李钊, 等. 智能电网调度控制系统安全防护技 术及发展[J]. 电力系统自动化, 2015, 39(1): 48-52. GAO Kun-lun, XIN Yao-zhong, LI Zhao, et al. Development and process of cyber-security protection architecture for smart grid dispatching and control systems[J]. Automation of Electric Power Systems, 2015, 39(1): 48-52. [12] 朱柯丁. 智能电网自动化的建设及其关键技术[J]. 华东电力, 2013, 41(8): 1611-1615. ZHU Ke-ding. Construction of smart grid automation and its key technologies[J]. East China Electric Power, 2013, 41(8): 1611- 1615. [13] 王中杰, 谢璐璐. 信息物理融合系统研究综述[J]. 自动化学报, 2011, 37(10): 1157-1166. WANG Zhong-jie, XIE Lu-lu. Cyber-physical systems: a survey[J]. Acta Automatica Sinica, 2011, 37(10): 1157-1166. [14] 刘东, 盛万兴, 王云, 等. 电网信息物理系统的关键技术及其进 展[J]. 中国电机工程学报, 2015, 35(14): 3522-3531. LIU Dong, SHENG Wan-xing, WANG Yun, et al. Key technologies and trends of cyber physical system for power grid[J]. Proceedings of the CSEE, 2015, 35(14): 3522-3531. [15] 辛耀中, 石俊杰, 周京阳, 等. 智能电网调度控制系统现状与技 术展望[J]. 电力系统自动化, 2015, 39(1): 2-8. XIN Yao-zhong, SHI Jun-jie, ZHOU Jing-yang, et al. Technology development trends of smart grid dispatching and control systems[J]. Automation of Electric Power Systems, 2015, 39(1): 2-8. [16] 薛禹胜, 赖业宁. 大能源思维与大数据思维的融合(一)大数据 与电力大数据[J]. 电力系统自动化, 2016, 40(1): 1-8. XUE Yu-sheng, LAI Ye-ning. Integration of macro energy thinking and big data thinking part one big data and power big data[J]. Automation of Electric Power Systems, 2016, 40(1): 1-8. [17] 张东霞, 苗新, 刘丽平, 等. 智能电网大数据技术发展研究[J]. 中国电机工程学报, 2015, 35(1): 2-12. ZHANG Dong-xia, MIAO Xin, LIU Li-ping, et al. Research on development strategy for smart grid big data[J]. Proceedings of the CSEE, 2015, 35(1): 2-12. 2016.03信息化.indb 18 2016/3/25 9:37:14
    全球能源互联网专刊 ............................................. [18] 张东霞, 王继业, 刘科研, 等. 大数据技术在配用电系统的应 用[J]. 供用电, 2015(8): 6-11. ZHANG Dong-xia, WANG Ji-ye, LIU Ke-yan, et al. Application of big data technologies in power distribution and utilization system[J]. Distribution & Utilization, 2015(8): 6-11. [19] 刘道伟, 张东霞, 孙华东, 等. 时空大数据环境下的大电网稳定 态势量化评估与自适应防控体系构建[J]. 中国电机工程学报, 2015, 35(2): 268-276. LIU Dao-wei, ZHANG Dong-xia, SUN Hua-dong, et al. Construction of stability situation quantitative assessment and adaptive control system for large-scale power grid in the spatio- temporal big data environment[J]. Proceedings of the CSEE, 2015, 35(2): 268-276. [20] 刘道伟, 韩学山, 杨明, 等. 基于全参量灵敏度的电网静态稳定 实用判据[J]. 中国电机工程学报, 2012, 32(7): 91-100, 196. LIU Dao-wei, HAN Xue-shan, YANG Ming, et al. Applied criterion of power system static stability based on comprehensive parameters sensitivity technique[J]. Proceedings of the CSEE, 2012, 32(7): 91-100, 196. [23] BIN D, DI Y, ZHENG W, et al. Steam computing analysis and application on operator real-time signal big data processing[J]. Telecommunications Science, 2015, 31(10): 201-212. [24] SANKAR K, KARAU H. Fast data processing with Spark[M]. Second Edition. Birmingham(UK): Packt Publishing, 2015. 编辑　邹海彬 收稿日期：2016-02-10 作者简介 ： 王继业（1964–），男，吉林长春人，高级工程师（教授 级），博士生导师，中国电力科学研究院副院长，从事电力 信息通信技术与应用研究工作； 刘道伟（1977–），男，山东泰安人，高级工程师，从事电 力系统分析与控制技术研究工作； 马世英（1969–），男，山东潍坊人，高级工程师 （教授 级），从事电力系统规划及运行控制技术研究工作； 张东霞（1964–），女，山西太原人，高级工程师（教授 级），从事电力系统分析与规划、智能电网研究工作； [21] 丁平, 奚江惠, 江嫚, 等. 大电网在线动态安全评估系统仿真效 朱朝阳（1974–），男，江西新干人，高级工程师，从事电 果评价[J]. 电网技术, 2012, 36(12): 153-158. DING Ping, XI Jiang-hui, JIANG Man, et al. Evaluation on simulation effects of on-line dynamic security assessment system for bulk power grid[J]. Power System Technology, 2012, 36(12): 153-158. [22] KALA K A, CHITHARANJAN K. A review on hadoop— HDFS infrastructure extensions[C]// 2013 IEEE Conference on Information & Communication Technologies, 2013: 132-137. 力大数据技术研究与开发工作； 郑超（1977–），男，江西九江人，高级工程师，从事电力 系统稳定与控制、交直流系统分析、FACTS、新能源并网技 术等方面的研究工作； 秦晓辉（1977–），男，山西高平人，高级工程师，从事电 力系统分析与规划研究工作。 大 电 网 安 全 与 稳 定 An Information-Driven Panoramic Security Defense System for Global Energy Interconnection WANG Ji-ye, LIU Dao-wei, MA Shi-ying, ZHANG Dong-xia, ZHU Chao-yang, ZHENG Chao, QIN Xiao-hui (China Electric Power Research Institute, Beijing 100192, China) Abstract: In order to cope with the multi-source data challenges in Global Energy Interconnection(GEI) environment, effectively improve the depth of data mining and the breadth of application using power spatio- temporal big data, realize the all-round, three-dimensional security monitoring and precise protection of GEI, this paper builds a novel security system platform using big data technology. The concept of information-driven GEI panoramic security defense system is defined. The system framework is presented and its components are described. The technical scheme of system and corresponding big data platform infrastructure are designed. Finally, a small laboratory platform environment is established. The performance of spatio-temporal sequence is tested through typical clustering algorithm. The intuitive, real-time and quick visualization exhibition of panoramic situational awareness key information is realized. The platform will provide strongly technical support for the active defense of GEI and have substantial engineering application value and promotion prospect. Key words: global energy interconnection; spatio-temporal big data; panoramic security defense; spatio-temporal data mining; big data platform 电 力 信 息 与 通 信 技 术 2016 年第 14 卷第 3 期 19 2016.03信息化.indb 19 2016/3/25 9:37:14
    分享到：
    赞 收藏

    相关推荐

    资料库

    安全技术

    共收录1285份资料，累计4个分类，关注成员有19位，主要包括：网络攻防,系统安全,其它,网络安全

    热门标签

    网络攻防 系统安全 其它 网络安全

    最新资料