Phân tích và thảo luận ứng dụng kĩ thuật dữ liệu lớn trong lưới điện thông minh

68

Lê Xuân Sanh

PHÂN TÍCH VÀ THẢO LUẬN ỨNG DỤNG KĨ THUẬT DỮ LIỆU LỚN
TRONG LƯỚI ĐIỆN THÔNG MINH
ANALYZING AND DISCUSSING APPLICATION OF BIG DATA TECHNOLOGY
IN SMART GRIDS
Lê Xuân Sanh
Trường Đại học Điện lực;
Tóm tắt - Kĩ thuật phân tích dữ liệu theo phương pháp truyền thống
đã không đáp ứng được yêu cầu sự phát triển của lưới điện hiện
đại. Từ năm 2012, đã có một số nghiên cứu về dữ liệu lớn trong
lưới điện thông minh với những kết quả ban đầu thuận lợi. Bài báo
phân tích và ứng dụng dữ liệu lớn trong lưới điện thông minh bao
gồm: khái niệm cơ bản, nguồn sinh ra dữ liệu trong hệ thống điện,
các đặc trưng và đánh giá nghiên cứu về dữ liệu lớn. Bên cạnh đó,
đưa ra kiến trúc tổng thể và các kĩ thuật liên quan của dữ liệu lớn
trong lưới điện thông minh. Cuối cùng đưa ra mô hình ứng dụng kĩ
thuật dữ liệu lớn trong lưới điện phân phối với việc chẩn đoán trạng
thái hoạt động của các thiết bị; đánh giá đường dây cấp điện; phân
tích đặc điểm và hành vi của khách hàng và dự báo phụ tải.

Abstract - The traditional method of data analysis has not met the
requirements of modern grid development. Since 2012, a number
of researches into big data in smart grids have been conducted
with initial advantageous results. This article analyzes and applies
big data in the smart grids including basic concepts, data sources
in the power system, characteristics and assessment of big data
studies. In addition, the overall architecture and related techniques
of big data in the smart grids are demonstrated. The last section of

the article presents a model for applying the big data technology in
a distribution grid with the diagnosis of equipment operation status,
evaluating electricity lines, analyzing customers’ characteristics
and behavior as well as forecasting supplementary load.

Từ khóa - dữ liệu lớn; dữ liệu lớn lưới điện thông minh; lưới điện
phân phối; lưới điện thông minh; kĩ thuật dữ liệu lớn.

Key words - big data; big data in a smart grid; distribution grid;
smart grid; big data technology.

1. Giới thiệu
Thuật ngữ ‘dữ liệu lớn’ (Big Data) năm 2008, được tạp
chí Nature xuất bản năm 2008 với chuyên đề cùng tên. Năm
2012, tổng thống Mỹ công bố sẽ đầu tư 2 tỉ USD để khởi
động "Kế hoạch nghiên cứu và phát triển dữ liệu lớn", tạo ra
sự bùng nổ về nghiên cứu dữ liệu lớn trên toàn thế giới. Hiện
nay, chưa có định nghĩa thống nhất về dữ liệu lớn, mặc dù
đã có một số đồng thuận trong ngành. Trong định nghĩa của
dữ liệu lớn, một định nghĩa tương đối có tính đại diện là định
nghĩa 3V, tức là tính quy mô (Volume), đa dạng (Variety)
và tốc độ cao (Velocity) [1-3]. Ngoài ra, Công ty Dữ liệu
Quốc tế (International Data Corporation, IDC) cho rằng dữ
liệu lớn nên có tính giá trị (Value); phía IBM cho rằng dữ
liệu lớn là tính chân thực (Veracity) [4]. Chính những đặc
điểm này của dữ liệu lớn quyết định bắt buộc phải nâng cấp
có tính cách mạng trong kĩ thuật xử lý dữ liệu hiện đại.
Đặc điểm chung của hệ thống điện là sự phân bố vị trí
địa lí rộng lớn, phát và tiêu dùng cân bằng với thời gian
thực, tốc độ truyền dẫn nhanh, vận hành thời gian thực, tốc

độ lan rộng sự cố tức thời, v.v. Những đặc điểm trên dẫn
đến, khi vận hành hệ thống điện sẽ sản sinh ra số lượng dữ
liệu cực lớn, tốc độ tăng cực nhanh, chủng loại phong phú,
hoàn toàn phù hợp với tất cả các n trong lưới điện phân
phối thông minh
Tác giả dựa vào các đặc trưng và mục tiêu chung khi
xây dựng lưới điện phân phối thông minh, kết hợp tham
khảo kết quả nghiên cứu của các học giả và chuyên gia,
trong phần này tiến hành nghiên cứu các mô hình dữ liệu
lớn ứng dụng trong lưới điện phân phối thông minh.
4.1. Chẩn đoán trạng thái hoạt động trong lưới điện phân
phối
Để đánh giá mức độ hoạt động của lưới điện phân phối
đưa ra 5 chỉ tiêu lớn cần chẩn đoán và đánh giá mức độ
mạnh mẽ trong hệ thống, như Bảng 1.
Bảng 1. Sơ đồ cấu trúc chẩn đoán trạng thái hoạt động của
lưới điện phân phối
Mức
độ kết
cấu
của
lưới
Đánh
giá
dữ
liệu Độ tin
lớn
cậy
trạng cấp
thái

điện
vận
hành
lưới
điện
phân
phối Tính
tối ưu
chất
lượng
điện
năng

Tỉ lệ liên lạc giữa các đường dây
Mức độ
kết cấu Tỉ lệ liên lạc giữa các phân đoạn
của lưới Hệ số phân đoạn bình quân
Mức dự Tỉ lệ các TBA chỉ một dây cấp
phòng Tỉ lệ các TBA chỉ có 1 MBA
Tỉ lệ thông qua TBA chính “N-1”
Mức độ
cung cấp Tỉ lệ thông qua đường dây “N-1”
điện phụ Tỉ lệ thông qua TBA chính “N-2”
tải
Tỉ lệ thông qua đường dây “N-2”
Tỉ lệ lắp đặt thiết bị tự đóng lại
Năng lực
tự hồi Tỉ lệ lắp đặt nguồn cấp điện liên tục
phục khi Tỉ lệ trang bị nguồn dự phòng (nguồn
sự cố phân tán) cho khách hàng

Chất
lượng ổn
định
động

Tỉ lệ lắp đặt thiết bị tự động điều chỉnh
điện áp VQC
Tỉ lệ lắp đặt thiết bị bù công suất phản
kháng SVC

Tỉ lệ lắp đặt thiết bị hồi phục ổn định
Chất điện áp động
lượng ổn
định tĩnh Tỉ lệ lắp đặt thiết bị hạn chế dòng sự cố
các tuyến dây


ISSN 1859-1531 - TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ ĐẠI HỌC ĐÀ NẴNG, SỐ 11(132).2018, QUYỂN 1

Dung
Tính
lượng
hiệu
quả Mức độ
kinh quản lý
doanh vận hành

Tỉ lệ mang tải của TBA

Năng lực

‘giao
Tính
tiếp’
với
tương
tác của khách
hàng
lưới
điện Đáp ứng
nhu cầu

Tỉ lệ lắp đặt đồng hồ thông minh

của mỗi thông số thu được bằng cách kết hợp thời gian
đánh giá và phần đánh giá. Cuối cùng, theo điểm số của
mỗi thông số, các phân cụm thiết bị, các cột và các giá trị
điểm tổng thể được tính tuần tự. Phương pháp đánh giá này
kết hợp thời gian và không gian ba chiều, phù hợp với tính
đa chiều của dữ liệu lớn và kết quả đánh giá gần với trạng
thái thực của đường dây truyền tải [15].
4.3. Dự báo phụ tải
Dự báo phụ tải là điều kiện tiên quyết cho việc vận hành
hệ thống điện, giám sát điều khiển dưới thời gian thực, lập
kế hoạch hoạt động và phát triển, đó là một thông tin cơ
bản mà bộ phận vận hành và lập quy hoạch lưới điện phải
có. Mô hình dữ liệu lớn cho dự báo phụ tải như Hình 4.

Tỉ lệ mang tải của đường dây
Tỉ lệ tự động hóa TBA
Tỉ lệ các tuyến dây hoàn chỉnh (tốt)

Tỉ lệ các thiết bị chính tốt
Tỉ lệ lắp đặt hệ thống thu thập thông tin
khách hàng
Tỉ lệ lắp đặt hệ thống phục vụ khách hàng
Tỉ lệ điều khiển phụ tải
Tỉ lệ áp giá theo thời gian thực

Một trong những ưu điểm của dữ liệu lớn là thống kê
thông tin toàn diện, đánh giá từ nhiều quan điểm [14]. Ví
dụ, độ tin cậy cấp điện có thể đánh giá gồm: các chỉ tiêu
được lấy ra từ sơ đồ cấu trúc, từ xác suất sự cố, hay các chỉ
tiêu về chất lượng điện áp để đánh giá.
4.2. Đánh giá các đường dây cấp điện

Tầng
ứng
dụng

Dây
nối
đất

Mô hình dự báo
dài/trung/ngắn/rất ngắn

Thời gian đánh
giá thiết bị

Ghép và tích hợp dữ liệu

Thiết Thiết Môi
bị nối bị phụ trường
đất
trợ
kênh

Đánh giá các
thông số

Hình 4. Mô hình dữ liệu lớn cho dự báo phụ tải

Hình 3. Đánh giá đa chiều trạng thái đường dây cấp điện

Một phương pháp đánh giá đa chiều đường dây truyền
tải trong lưới trung áp như Hình 3. Trước tiên thiết lập một
mô hình nhiều lớp để đánh giá các thiết bị, các phân đoạn
đặc biệt trong một giai đoạn. Phương pháp khấu trừ tích
lũy được sử dụng để đánh giá các tham số cơ bản, điểm số
Dự báo phát
triển kinh tế

Hiểu hành
vi sử dụng
điện

phân tích nhân tố ảnh hưởng
hành vi của khách hàng

Nhận biết
các mô

hình dùng
điện

Phụ
tải
điện

Phân tích
đặc trưng
hành vi
dùng điện
Tập hợp
dữ liệu

Hóa
đơn
điện

Phân tích tỉ lệ trống
các khu dân cư

Thông
tin
phí

Hỗ trợ quyết
định giá điện

Đánh giá tín dụng
của khách hàng

phân tích cường độ ảnh hưởng
hành vi của khách hàng

Thông
tin khách
hàng

Phân tích đặc điểm, hành vi
tiêu thụ điện của khách hàng
dân sinh

Thu thập dữ
liệu người
dùng

Dữ
liệu
ngày
nghỉ

tích hợp dữ liệu tiêu
thụ điện năng, kinh
tế xã hội và các dữ
liệu nội bộ lưới điện
đưa ra dữ liệu cơ bản
về dự báo phụ tải

4.4. Phân tích đặc điểm và hành vi của khách hàng
Thực hiện hợp nhất và lưu trữ dữ liệu đa nguồn như dữ

liệu tiêu thụ điện, dịch vụ khách hàng, dân số, v.v. (Hình 5).
Các mô hình thu được dùng cho việc dự báo xu hướng phát
triển kinh tế, phân tích tỉ lệ cư trú, hỗ trợ quyết định giá điện
và đánh giá nhu cầu người dùng. Những dữ liệu này có khối
lượng lớn, từ nhiều nguồn và nhiều định dạng khác nhau.
Việc tích hợp và phân tích các dữ liệu này cần phải sử dụng
các kĩ thuật dữ liệu lớn [16,17].

Vị trí không gian
thiết bị

Ứng dụng
tổng hợp

Dữ
Dữ
Dữ Dữ liệu
liệu
liệu
liệu
nhân
vận khách khí khẩu và
hành hàng tượng kinh tế
địa lí

ứng dụng kết quả dự
báo phụ tải vào điều
độ và quy hoạch lưới
điện phân phối
phân tích các mối

quan hệ và yếu tố
nhạy cảm ảnh hưởng
đến phụ tải, thông
qua mô hình dự báo
và xử lí số liệu tiến
hành dự báo các loại
phụ tải.

Phân tích các yếu tố nhay
cảm

Tầng
tích
hợp
dữ
liệu

Vật
liệu
dẫn
điện

Cách
điện

Kế
hoạch
đại tu

Xử lí tính toán

Đánh giá vị trí cột

Móng Thân
cột
cột

Kế hoạch
tiết kiệm
năng
lượng

Kết quả dự báo

Cột N

Cột 2

Quy
hoạch
lưới
điện

Kế
hoạch
vận
hành

Tầng
phân

tích
dự
báo

Đánh giá hệ thống đường dây truyền tải

Cột 1

71

Dữ liệu
ngành tiếp
thị

Cấu
trúc
lưới

Chính
sách giá
điện

….

Phân tích đặc điểm sử dụng
điện của khách hàng thương
mại
Dữ liệu dịch
vụ khách
hàng

Dữ liệu
thông tin
địa lý

….

Xây dựng mô hình tương
quan hành vi khách hàng

Thông
tin thời
tiết

Mô hình
hành vi của
khách hàng

Phân tích đặc điểm sử dụng
điện của khách hàng công
nghiệp

Dữ
liệu dân
số

Dữ
liệu thời
tiết

dung lượng lớn, đa nguồn, cấu trúc dữ liệu không đồng nhất, quản lý và tài chính.

Hình 5. Phân tích tiêu thụ điện năng khách hàng dựa trên khai thác dữ liệu lớn


72

Lê Xuân Sanh

5. Kết luận
Trong lưới điện thông minh với số lượng lớn các dữ
liệu đo lường, giám sát, thì phương pháp xử lý và khai thác
giá trị của các dữ liệu là những vấn đề mà các công ty điện
phải đối mặt. Ứng dụng kĩ thuật dữ liệu lớn không chỉ sử
dụng được dữ liệu riêng của lưới điện mà còn tận dụng toàn
bộ dữ liệu bên ngoài, làm tăng mức độ phát triển, vận hành
lưới điện, nâng cao trình độ các công ty điện lực phục vụ
xã hội, phục vụ người dùng và mở rộng các dịch vụ giá trị
gia tăng. Bài báo đã trình bày những khái niệm và phân tích
cơ bản về dữ liệu lớn, nền tảng kết cấu cơ bản, các kĩ thuật
liên quan trong lưới điện thông minh. Đồng thời ứng dụng
dữ liệu lớn trong lưới điện phân phối như chẩn đoán trạng
thái hoạt động của lưới, dự báo phụ tải và hành vi tiêu thụ
điện năng của khách hàng. Với những kết quả ban đầu, hi
vọng nó có ý nghĩa lớn thu hút các kết quả nghiên cứu trong
và ngoài nước để chia sẻ kiến thức và kinh nghiệm nhằm
thúc đẩy nghiên cứu và ứng dụng lĩnh vực dữ liệu lớn lưới
điện thông minh.
Nghiên cứu và ứng dụng kĩ thuật dữ liệu lớn trong lưới
điện thông minh là một lĩnh vực phức tạp đòi hỏi một quá

trình phát triển lâu dài. Cần sự quan tâm của Chính phủ,
tăng cường nguồn nhân lực và tài nguyên vật chất, thúc đẩy
cải tiến công nghệ then chốt cho dữ liệu lớn. Cần xây dựng
hệ thống tiêu chuẩn quốc tế thống nhất, mô hình và các kĩ
thuật về dữ liệu lớn trong lưới điện thông minh. Khuyến
khích các công ty điện lực xây dựng một kiến trúc dữ liệu
lớn phù hợp với sự phát triển của công ty, sử dụng kĩ thuật
dữ liệu lớn để tạo ra doanh thu cho công ty. Từng bước
thâm nhập các kĩ thuật dữ liệu lớn vào mọi khía cạnh của
lưới điện thông minh.
TÀI LIỆU THAM KHẢO
[1] Birney E. The making of Encode: lessons for big-data projects.
Nature, 2012(489): 49-51Irving M R, Luan W P, Danial J S. Supply
restoration in distribution networks using a genetic algorithm.
Electrical Power and Energy Systems 2002, 10: 447-457.

[2] UN Global Pulse. Big data for development: challenges & opportunities.(0511-2012) Development
[3] Agrawal D, Bernstein P, Bertino E, et al. Challenges and opportunities
with big data. />[4] Meng Xiaofeng, Ci Xiang. Big data management: concepts,
techniques and challenges. Journal of Computer Research and
Development, 2013, 50(1): 146-169.
[5] EPRI. The whys, whats and hows of managing data as an asset.
USA: EPRI, 2014.
[6] IBM. Managing big data for smart grids and smart meters. IBM
Software White Paper. />publish/Business_Strategy/Managing-big-data-for-smart-grids-andsmart-meters-5248.html.
[7] Informatization Committee of the CSEE. White paper of electric
power big data of China. Beijing: China Electric Power Press, 2013.
[8] Zhao Gang. Big data technology and application practice. Beijing:
Publishing House of Electronics Industry, 2013: 56-58.
[9] McKinsey& Company. Big data: the next frontier for innovation,

competition, and productivity. New York: McKinsey Global
Institute, 2011: 1-28.
[10] Wu Xindong, Zhu Xingquan, Wu Gongqing, et al. Data mining with
big data. IEEE Transactions on Knowledge and Data Engineering,
2014, 26(1): 97-107.
[11] Havens T C. Fuzzy c-means algorithms for very large data. IEEE
Transactions on Fuzzy System, 2012, 20(6): 1130-1146.
[12] Shim K. Algorithms for big data analysis. Proceedings of the VLDB
Endowment, 2012, 5(12): 2016-2017.
[13] Kong Yinghui. Study on data stream techniques and its application
in electric power information processing. Heibei: North China
Electric Power University, 2009.
[14] Wang jiye, Ji Zhixiang, Shi Mengjie, et al. Intelligent equipped with
TVU data demand analysis and application. Proceeding of the
CSEE, 2015, 35(8): 1829⁃1836.
[15] Hung Ronghui, Li Xun, LYU Qishen, et al. Research on the defect
analysis of power equipment based on data mining. Electrical
Application, 2015, 34(2): 46⁃50.
[16] Hu Changhua. Based on user behavior analysis of peak load shifting
management system research and design. Modern Computer
(professional edition), 2014(21): 42⁃47.
[17] Quilumba F L, Lee W J, Huang H, et al. Using smart meter data to
improve the accuracy of intraday load forecasting considering
customer behavior similarities. IEEE Transactions on Smart Grid,
2015, 6(2): 911⁃918.

(BBT nhận bài: 20/8/2018, hoàn tất thủ tục phản biện: 05/9/2018)