大数据技术在负荷预测与负荷特性分析中的应用

摘要

近年来，随着智能电网建设的全面开展，在电力系统运行、监控、管理等流程中产生了海量的、种类繁多的数据，即大数据。负荷特性分析和负荷预测是电网公司进行负荷调度和配电网规划的决策依据。为了实现准确、高效的负荷特性分析和负荷预测，大数据技术是一个十分重要的手段。在大数据技术中，数据挖掘技术则是对数据发掘分析的重要手段，在数据分析中表现出了一定的优势，在未来电力领域必将取得广泛的应用。
　　首先介绍了数据挖掘技术中的频繁模式树(Frequent Pattern tree)关联规则算法在负荷特性分析中的应用。通过分析负荷特性指标与气候因素、经济发展水平、居民收入水平以及时间因素的相关性，在此基础上应用FP树关联规则算法，统计各类因素的频度，建立FP树。在限定最小支持度和置信度的前提下，可以有效地分析出负荷影响因素之间的潜在关联规则。
　　然后是等价关系聚类分析在用电行为分析中的应用，本文则更加深入研究用户用电行为，通过应用等价关系聚类分析将台区负荷曲线按四季进行聚类分析，分析了同一季节里用户生活习惯差异导致的用电行为的差异，以及不同季节下气候因素导致用户用电行为变化，达到精细化分析的目的。
　　最后结合了某市低压台区负荷特性分析以及用电行为分析的结论，采用聚类分析和BP神经网络相组合的算法对台区负荷进行预测，该方法不仅将负荷特性分析的成果充分应用到预测算法中，还大大提高负荷预测的精度以及预测的效率。

目录

声明

摘要

第一章 绪论

1．1 课题背景与研究意义

1．2 国内外研究现状

1．2．1 大数据技术的发展现状以及在电力系统应用

1．2．2 电网负荷特性分析研究

1．2．3 负荷预测方法分析与研究

1．3 论文主要工作

第二章 电力领域大数据分析技术及方法

2．1 数据挖掘概念和功能

2．2 数据挖掘的过程

2．3 数据挖掘常用方法及其在负荷特性分析和预测中的应用

2．3．1 数据挖掘常用方法

2．3．2 数据挖掘在负荷特性分析和预测中的应用

2．4 本章小结

第三章 FP树关联规则算法在负荷特性分析中的应用

3．1 典型低压台区的概念

3．2 低压台区负荷影响因素相关性分析

3．2．1 气候因素对台区负荷的影响

3．2．2 经济发展水平对台区负荷的影响

3．2．3 居民收入水平对台区负荷的影响

3．2．4 时间因素对台区负荷的影响

3．3 FP树关联规则算法简介及其应用

3．3．1 FP树关联规则算法

3．3．2 运用FP树关联规则算法进行关联度分析

3．4 本章小结

第四章 等价关系聚类法在台区用户用电行为分析中的应用

4．1 聚类分析方法总结与比较

4．1．1 聚类方法中常用的衡量指标

4．1．2 系统聚类法简介

4．1．3 模糊聚类法简介

4．2 基于等价关系的负荷曲线模糊聚类方法

4．2．1 负荷曲线数据预处理

4．2．2 基于等价的模糊聚类法

4．2．3 聚类的有效性检验

4．3 基于等价关系聚类法的低压台区用电行为分析

4．3．1 春季聚类

4．3．2 夏季聚类

4．3．3 秋季聚类

4．3．4 冬季聚类

4．4 本章小结

第五章 聚类分析与BP神经网络在负荷预测中的应用

5．1 神经网络算法简介

5．1．1 人工神经网络结构模型

5．1．2 误差反向传播(BP)算法

5．1．3 BP算法的优化方法

5．2 聚类分析和BP网络组合预测方法

5．2．1 组合预测原理和模型

5．2．2 负荷数据的坏数据处理

5．2．3 历史数据量化处理

5．2．4 BP网络的负荷预测模型

5．3 实例分析

5．4 本章小结

第六章 结论与展望

参考文献

致谢

攻读硕士期间参与的课题