调度中心智能调度业务成熟度模型及其应用(3)

3)广域数据同步、多数据源融合

目前，SCADA系统和WAMS数据不共享，无法最大限度地发挥各自的优点，因此实现两者的相互融合成为关键，但融合存在采样频率不一致和无法利用时标进行数据同步的困难。针对这一问题，提出了动态SCADA(DSCADA)系统的概念，即通过集成各种数据采集渠道，建立统一、开放的广域信息平台，从而实现广域数据同步和多数据源融合。

4)基于先进数据过滤技术的高可信度实时感知体系

由于测量精度、通信干扰等原因，量测数据不可避免地存在误差，甚至可能严重偏离真实状态，使得量测数据不能准确地反映电网的运行状态。因此，在数据融合的基础上，通过先进状态估计系统等先进的数据过滤技术，来消除各种扰动造成的数据偏差，辨识不良数据，从而提高量测数据的可信度，建立高可信度的实时感知体系。

2.2预测未来

预测未来是指通过分析电网运行内外部环境的变化提前感知电网未来的运行状态，作为决策的基础，其预测结果将直接影响决策的适用性。目前广泛应用于调度部门的预测包括负荷预测、风电/光伏发电功率预测、天气水文预测等。

预测结果是对未来不确定性的描述。按照对于不确定性描述的方法和范围不同，可以将预测未来划分为以下4个阶段。

1)确定性或概率性的预测

传统的预测结果一般都是确定性的，如常规的负荷预测只给出一个确定的数值，其缺点是无法确定预测结果可能的波动范围。实际上，由于预测问题的超前性，确定性的预测并不符合客观需求。区间预测和概率性预测可以在一定程度上给出预测结果的变化范围，但其实际应用效果还有待检验和完善，特别是各种预测结果的概率分布函数难以解决[13]。

2)基于情景分析的不确定性预测

为应对传统预测的不足，引入情景分析的方法实现对未来的不确定性预测。情景是对未来以某一概率发生的确定性态势的描述[14]，情景分析根据当前组织或系统所处的具体环境，辨识影响环境的确定性以及不确定性等因素，抽象出未来环境可能面对的多种情景，从而将具有高度不确定性的未来环境规划为有限多个典型的情景，大大降低了不确定性。

3)考虑智能电网需求和外部环境不确定性的情景分析

在智能电网新形势下，需求和外部环境的不确定性大大增加。以大规模风电场接入电力系统为例，由于风能的随机性和波动性较大，导致风电输出功率的不确定性较大，而且其功率波动常与用电负荷的波动趋势相反，给传统的、基于确定性负荷预测的电力系统调度带来了很大的挑战。情景分析恰好适用于高度不确定性的情况，因此，将情景分析的方法推广到考虑智能电网需求和外部环境的预测。

4)基于情景的统一预测、仿真、培训体系

情景是对电网某一运行状态的描述，而调度中心的仿真和培训系统都是基于历史数据或模拟数据进行的，这些数据表征的就是电网的某一特定运行状态，因此都可以抽象成情景，即可将情景分析的方法推广到仿真和培训领域中，形成统一的预测、仿真、培训体系。