智能电网的数据模型标准
数据中台sg-cim模型应用方法
运营技术广角数据中台SG -C IM 模型应用方法万齐鸣，王思宁，何鑫(北京中电普华信息技术有限公司，北京100192)摘要：分析了国网电力物联网总体架构、数据中台分层架构，研究了 S G -C IM 在数据中台中的定位与应用 方式、模型对于数据分析应用的支撑。
对于数据中台的物理模型设计，在采用基线版管控的前提下，建议采 取创建平行拓展表和联合视图的方式，进行个性化模型拓展设计；对于数据中台模型数据的整合实施，建议 结合数据库选型，采用批量数据装载方式，以提高数据整合实施效率；对于数据中台模型的升级与更新， 建议选择创建中间表方式，以尽量减少对于数据分析应用的影响，实现对于基于数据中台的数据分析应 用的良好支撑。
关键词：S G -C I M ;数据模型；数据中台；模型应用中图分类号.• TP393文献标识码：Adoi: 10.11959/j.issn.l000-0801.2020066SG-CIM model application method in data middle platformWAN Qiming , WANG Sining , HE XinBeijing China-Pow er Inform ation Technology Co., Ltd., Beijing 100192, ChinaAbstract: The overall fram ew ork o f State Grid ubiquitous pow er IoT and the layered architecture o f data m iddle platform w ere analyzed. The positioning and application m ode o f SG -CIM in data m iddle platform , and the support o f m odel for data analysis application w ere studied. The physical m odel design o f data m iddle platform w as put forw ard, on the prem ise o f adopting the baseline version control, parallel expansion tables and jo in t view s w as created for personalized m odel expansion design. As to the integrated im plem entation o f m odel data for data m iddle platform , com bining database selection and adopt bulk data loading w as proposed, so as to im prove efficiency o f data integration. A s for the upgrading and updating o f data m iddle platform m odel, creating a m iddle table to m inim ize the im pact on the data analysis application w as recom m ended, and a good support w as achieved for the data analysis appli- cation based on data m iddle platform.Key words: SG -CIM , data m odel, data m iddle platform , m odel application1引言统一数据模型（SG -CIM )是国家电网公司参考国际标准（IEC 61970/61968/62325)和行业最佳实践（SAP /ERP ),结合公司核心业务需求、在运系统数据字典等，采用“业务需求驱动自顶向 下”和“基于现状驱动自下向上”相结合的模式, 基于面向对象建模技术而构建的企业数据模型。
IEC61970、61968标准及应用
基于标准的平台系统构建
标准化 维护整体模型和数据的正确性 ——核心：对象层级、关联、属性的正确性
系统A
系统B
系统A
系统B
系统F
系统C
系统F
平台
系统C
系统E
系统D
系统E
系统D
平台构建基础
达成共识的信息模型：CIM 或 ECIM 提供符合标准的组件接口 对象标识规范化，建立与平台相关系统的交叉映射
OMG
IEC 61970、61968标准体系 ——组件接口规范
IEC 61970 CIS 通用服务－基本服务
IEC 6197ቤተ መጻሕፍቲ ባይዱ、61968标准体系 ——组件接口规范
GDA接口 资源查询接口
GDA Resource Query GDA Filtered Query
更新接口
GDA Update Interface
主标识（Master Resource Identifier） MRID与URI的关系？
对同一个对象而言，只有一个MRID，但在不同系统中建立该对象 对应的信息对象时，可以有多个URI——不同视图下的标识可以不 同
对象标识标准化的基础
信息模型标准化 集中的标识分配（不易实现）
各个功能/子功能从其它功能/子功能获得所需要的信息 各个功能/子功能对外提供自己产生的信息 各个功能/子功能协同完成共同的功能 各个功能/子功能之间以标准的方式进行互操作 互操作：正确地交换数据和正确地使用所交换的数据
要保证信息安全
逐步实现这个愿景
基于人工智能的智能电网调度优化实验报告
基于人工智能的智能电网调度优化实验报告一、引言随着社会经济的快速发展和能源需求的不断增长，智能电网作为现代电力系统的重要发展方向，其高效、可靠的运行对于保障能源供应和推动可持续发展具有至关重要的意义。
在智能电网中，调度优化是实现资源合理配置、提高能源利用效率和保障电网安全稳定运行的关键环节。
传统的电网调度方法往往依赖于人工经验和简单的数学模型，难以应对日益复杂的电网运行环境和多样化的用户需求。
人工智能技术的出现为智能电网调度优化带来了新的机遇和挑战。
二、实验目的本实验旨在研究基于人工智能的智能电网调度优化方法，通过建立人工智能模型，对电网的运行数据进行分析和预测，实现电网调度的智能化和优化，提高电网的运行效率和可靠性。
三、实验环境与数据（一）实验环境本次实验采用了高性能的计算机集群和深度学习框架，包括TensorFlow、PyTorch 等，以满足模型训练和计算的需求。
（二）数据来源实验数据来源于实际的智能电网监测系统，包括电网的拓扑结构、设备参数、负荷数据、发电数据以及气象数据等。
这些数据涵盖了不同时间段和不同运行条件下的电网状态，为模型的训练和验证提供了丰富的样本。
四、实验方法（一）模型选择在本次实验中，我们选择了深度神经网络（DNN）和强化学习（RL）两种人工智能模型进行研究。
DNN 模型用于对电网的运行数据进行特征提取和预测，RL 模型则用于优化电网的调度策略。
（二）模型训练对于 DNN 模型，我们采用了反向传播算法进行训练，通过调整模型的权重和偏置，使模型的预测输出与实际数据之间的误差最小化。
对于 RL 模型，我们采用了策略梯度算法进行训练，通过不断尝试不同的调度策略，并根据奖励信号来优化策略，以实现电网调度的最优解。
（三）模型评估为了评估模型的性能，我们采用了均方误差（MSE）、平均绝对误差（MAE）和准确率等指标对 DNN 模型的预测结果进行评估，采用了奖励值和电网运行指标（如电压合格率、网损率等）对 RL 模型的调度策略进行评估。
智能电网中电力负荷短期预测数据挖掘模型
传统的 Ｂ Ｐ神 经 网络 算 法 及 其 它改 进 算 法 （ 如共 轭 梯 度法 、 附加动量 法 、 自适应 调 整 法及 拟 牛顿 法 等 ）
化处 理 ， 中负荷 样 本 和 温 度 的归 一 化 处 理 采用 其
第３ ２卷 第 ３期
２１ ０ １年 ６月
华
北
水
利
水
电
学
院
学
报
Ｖｏ ． ２ Ｎｏ ３ １３ ．
Ｊ ｕ ｎ ｌｏ ａｈ Ｃｈｎ ｎ ｔ ｕ ｅ ｏ ａｅ ｏ ｓ ｒａ ｃ ｎ ｄ ｏ ｌｃ ｒ ｏ ｅ ｏ ｒ ａ ｆ Ｎｏ ｉ ａ Ｉ ｓｉ ｔ ｆ ｔ Ｗ ｔ ｒＣ ｎ ｅ ｖ ｎ ｙ ａ ｄ Ｈｙ ｒ ｅｅ ｔｉ Ｐ ｗ ｒ ｃ
后 时刻 的负 荷 比较 ， 如果差 值大 于某 一 阈值 ， 认为 则 有干扰 ， 要采 用 软件 滤波加 以修 正 ．
将 一 周 中 的每 一 天都 看 做 一种 日期 类 型 ， 即共 有 ７种 类 型 ， 以此提 高预测 精度 ． 以北方 某城 市 的 ７月 １ ｔ ２ ０ Ｅ至 ０日负荷 整 点负 荷值 为样 本 ， 测 ７月 ２ 预 １日的负 荷值 ． 为避 免 出 现 神经元 饱 和现象 ， 样 本 中的 实 际 负荷 数 据 进 行 归 将
个新 的 Ｂ Ｐ神 经 网 络 拟 合 原 始 负 荷 曲线 ， 可 能 尽
地使 预测 负荷 曲线 和实 际 负 荷 曲线 相 吻 合 ， 而 达 从 到较好 韵 预测效 果 ． 训练 前需 要设 定一些 参数 ， 学 如 习规 则 、 差指 标 、 习速 率 ． 用 Ｌ—Ｍ 学 习 规 则 误 学 采 训 练 网络 ， 要 运 用 ｔ ｉｌ 函数 ； 定 误 差 指 标 是 就 ｒ ｎｍ ａ 设 设定 预测 负荷 曲线 和 实 际 负 荷 曲线 的逼 近 程度 ； 设 定学 习速 率是 设 定 神 经 网 络训 练 的速 度 ， 用 Ｌ— 采 Ｍ 优化 算法 可 以通 过 多 次 试 验 得 到 较 好 的效 果 ， 大 误 差 同 比降 低 ８ ％ ， 用 实 际 负 荷 预 测 ． 最 ０ 适
电力系统cim模型及其建模技术
鞋塑盥．电力系统C I M模型及其建模技术苏伟平(广东电网公司深圳供电局工程部，广东深圳518001)脯要】C I M模型有助于电力系统解决异构环境下的数据集成问题。
本文简述了C I M模型体系，并对其U M L建模语言和xM L实现方法进行了阐述和分析jD蝴】电力系统；CIM模型；U M L建摸；X M L异构环境下，电网公司往往使用不同格式存储数据，如资产管理和运行调度数据、电网拓扑和控制系统数据、仿真软件产生的静态文件等。
这需要在不同应用系统之间交换和共享数据。
当应用集成数量增加时，相应互操作复杂性呈现指数增长，因此需要采取电力系统各领域数据交换的有关技术简化这一复杂性，并实现系统间数据的交换和共享，最终支撑智能电网g-件-F电力系统应用的总体集成。
公共信息模型是I E C61970—302和I EC61968一”标准共同提供的，是由E PR I(美国电科院)研究提出的，与语言无关，定义了电力系统部件类及其关系，以简化软件应用之间的互操作性。
前者是侧重于从电力系统角度描述电力系统各组成部分及其相互关系的语义模型。
后者则在此基础上覆盖电力系统运行和管理等系统软件数据，如资产跟踪、运行调度和客户支持等。
它们共同构成电力系统C I M模型，并用于电力系统网络数据交换。
1电力系统的数据存储和访问传统E，EM S能量管理系统和资产管理系统等电力系统应用都采用数据库定义数据存储结构，并常采用定制方式反映实际数据管理需求。
而执行负荷潮流分析、容错分析t i5真的离线应用或实时应用系统则往往采用厂商自定义的文件格式。
—般，电力系统应用之间要实现共享和交换数据，可以采取以下方式：以多个格式维护统一数据的多个拷贝；以与各软件兼容的格式存储数据；以高度精细定义的格式存储数据，并开发软件将改格式转换为目标格式。
使用高度精细化的格式，与每一应用兼容，且标准格式包含了电力系统需要的基本数据，同时也支持不影响标准数据格式前提下的其它自定义数据。
《物联网导论》第11章-物联网应用案例-智能电网
， 需要建设坚强的输电网，并强调各级电网协调发展。关于智能电网性能的描述，三方基
观
点相近，建设经济、环保、安全、高效的新型电网，是中美以欧特发高压展电智网能为电骨网干的网共架同、追各级求电。
网协调
中国国
为支撑，具有信息化、自动化、互动化
家电网
发特展的征坚，强包网含架电为力基系础统，的以发通电信、信输息电平、台变
物联网应用案例- 智能电网
01 智能电网概述
传统能源日渐短缺和环境污染问题日益严重是 人类社会持续发展所面临的最大挑战。
各种低碳技术的大规模应用主要集中在可再生 能源发电和终端用户方面，使传统电网的发电 侧和用户侧特性发生了重大改变，并给输、配 电网的发展和安全运行带来了新的挑战。
在这样的发展背景下，智能电网的概念应运而 生，并在全球范围内得到广泛认同，成为世界 电力工业的共同发展趋势。
通用信息模型和基于物联网的通信框架
FSGIM
Data elements Data type
Data associations Semantic checks Data optionality
Information model
Application layer
Transport layer
Network layer
为了在工业设备中实施FSGIM，需要设计骨干和无线网络的协议。
通用信息模型和基于物联网的通信框架
物理层和数据链路层 工业以太网技术已被广泛部署并促进了工厂控制和企业网络的融合，因此使用工业以太网技术。 工业以太网的示例包括PROFINET，EtherCAT，以太网Powerlink，RAPIEnet和EPA。能源决策者可 以通过访问制造应用程序级别的关键性能指标和数据分析来得到实时信息，且可以实时监控和调整 工业过程，以提高生产灵活性。 由于使用IEEE 802.15.4标准的无线电收发器无处不在，且许多最近开发的工业无线电栈是基于 IEEE 802.15.4的，如ISA100.11a，WirelessHART和WIA-PA。因此对于现场网络，使用无线电技术 IEEE 802.15.4标准。 网络层 对于工厂控制而言，透明的端到端通信，大型寻址空间，自动寻址方法，更高效的路由协议，增 强的移动功能以及自主网络形成和配置，具有强大的吸引力。而IP网络处于IPv4向IPv6的过渡阶段， 因此工厂控制网络将迁移到IPv6，并且企业内部网和Internet将相互集成。 除了IPv6过渡和不同网络的集成之外，支持IP的无线现场网络的出现是另一个重要趋势。与现有 的有线解决方案相比，使用基于IP的无线技术为工业能源管理提供了新的可能性和优势。这些技术 可以更轻松地访问与流程本身和流程中使用设备的更多的相关信息。 轻量级IP堆栈和基于IPv6的通信协议使得在无线现场网络中实现IP通信成为可能。6LoWPAN是 IPv6 和 IEEE 802.15.4 之 间 的 适 配 器 层 。 它 用 于 低 功 耗 和 有 损 网 络 （ Low-power and Lossy Networks ,LLNs），其中用于互连节点的链路是IEEE 802.15.4链路。6LoWPAN甚至可以应用于非常 小的设备，包括具有有限处理能力的低功率设备，允许它们参与物联网。在这项工作中，能源管理 器，负载和发电系统位于工业设备中，并通过无线或有线网络连接。
智能电网数值仿真及其优化算法研究
智能电网数值仿真及其优化算法研究智能电网是指运用现代信息技术、通信技术、控制技术以及计算机技术建立起来的新型电力系统。
它主要通过对供应电网进行智能化的改造，实现对电力系统运行的精细化监测、控制和调度。
为了更好地实现智能电网的建设，必须对其进行数值仿真和优化算法研究。
这可以帮助我们更好地理解智能电网的运行机理，预测电力系统的运行状态和性能，进而提高电力系统的可靠性和经济性。
一、智能电网数值仿真的重要性智能电网数值仿真是验证智能电网新理论、新技术的主要手段之一。
它可以对智能电网进行全面的实现和模拟试验，评估智能电网的性能，促进其应用和发展。
在现代电力系统中，仿真可以将各种组件和系统连接在一起，在现实世界中进行测试。
这样，就可以在节省时间和成本的情况下研究大量的设计和系统方案，提高电力系统的可靠性和经济性。
智能电网数值仿真的优点还表现在下面两个方面：1. 节省成本随着现代仿真技术的不断发展，智能电网数值仿真可以节省大量的成本，因为在实际的操作中，每个系统都需要进行重复的研究和设计工作，但是如果利用仿真可以模拟出现实环境，减少需要设计的情况和道路，这样可以节省时间和成本。
2. 提高效率通过数值仿真和优化算法的研究，可以通过模拟某些特定的运行模式，或者预先针对某些问题进行测试，从而使电力系统更有效地运行。
这样，电力系统运行的效率大大提高，同时也为系统的稳定运行做出了贡献。
二、智能电网数值仿真的技术细节采用智能电网数值仿真技术，需要进行多层次的系统建模。
系统模型能够以整体的方式来描述电力系统的各个成分、各个层次之间、各个时域之间的相互作用和特性。
在智能电网数值仿真中，可以使用以下三种方法：1. 基于物理模型的仿真方法这种仿真利用数学模型来描述智能电网中的物理过程。
因为这种仿真涉及到许多详细的物理过程，所以需要大量的时间和资金。
2. 基于软件模型的仿真方法这种仿真利用软件模型的数学公式来模拟智能电网中的各种感应、控制和调度过程。
智能变电站的通信网络系统IEC61850建模基础介绍
数据集总个数
各成员数据
*
GOOSE发送机制
• GOOSE采用多播方式传送数据 – 以太网传输方式有：点对点、广播、多播
• GOOSE采用连续多次传送的方式实现可靠传输：T1=2ms T2=4ms T3=8ms T0=5s (默认值，由SCD确定)
*
SMV介绍
什么是SMV? Sampled Measured Value 采样测量值，也称为SV (Sampled Value),一种用于实时传输数字采样信息 的通信服务 从发展历史来说，SMV的发展先后经历： IEC60044-8，IEC61850-9-1，IEC61850-9-2 目前主要采用IEC61850-9-2，IEC60044-8
*
盖房子理论_Server
• 一栋大楼就是一个Server，逻辑上的服务器，提供 一定功能及若干服务
*
盖房子理论_访问点AP
• 一栋大楼的大门就是一个AP，并与Server一一对应
*
盖房子理论_LD
一层楼就是一个LD，是若干功能的集合
*
盖房子理论_LN
每个办公室就是一个LN，独立完成一项功能 LN
*
IEC60044-8
• IEC60044-8是国际电工委员会为电子式互感器专门制定的一 个标准，点对点光纤串行数据接口
• 采用IEC69870-5-1的FT3格式，故常称之为FT3格式 • 传输延时确定
➢ 可以采用再采样技术实现同步采样 ➢ 硬件和软件实现简单 ➢ 通道传送瞬时标幺值
• 固定12通道
*
盖房子理论_DO
每个办公室中的成员就是一个DO，是某一功能中的一 个份子
*
盖房子理论_DA
每个成员手中的工作就是一个DA，是DO的一个属性
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
智能电网的数据模型标准
智能电网的数据模型标准
数据模型标准可以在智能电网架构模型的信息层表示。
将数据模型从通信协议和技术中解耦的概念，被越来越多地应用于电力系统相关的标准化工作中.通过引入的数据模型和通信服务之间的适配层［如IEC61850标准中的抽象通信服务接口（ACSI)］,这使得可以灵活地应用不同的通信技术。
这一技术的独立性可确保数据模型的长期稳定，也为配合和利用通信技术的发展提供了可能性。
智能电网的数据模型标准可以分为四个语义域，其中包括收益计量和需求响应。
1）公共信息模型（CIM）的语义域,涵盖一系列标准,例如IEC61970，IEC61968和IEC62325（最后一个是特定的能源市场交易模型)。
2)IEC61850的语义域，覆盖现场层面的整个供电侧，在不久的将来，也将包括电动汽车充电站和智能用户接口的连接.
3）电量计量配套规范(COSEM—IEC62056)的数据交换模型主要为收益计量。
4)需求响应的数据交换模型，目前由IECTC57WG21工作组开发，致力于智能电网的智能用户接口。
智能电网中的应用案例越来越多地涉及不同语义域的数据交换。
为了使用标准来支持这个现象,IEC成立了专门的联合工作组，以便开发在IEC61850、CIM和COSEM数据模型之间进行互操作的规范。