基于层次模型的电能表管理与数据分析方法研究

摘要

随着智能电表的普及，带来了大量的电力原始数据，这些数据具有海量、高频、多样化等特点。单一的数据分析模式不能有效地反应电力问题，需要综合方法来分析解决，因此针对电能表管理和数据分析的方法在不断地丰富和发展。如何对电能表采集的数据进行分析处理，获得实用价值，已成为电力公司关注的重点。
　　文中首先介绍了电力数据分析目前常见的方法及应用现状，分析了电力系统目前存在的问题，针对这些问题提出了基于树形结构的电能表层次管理模型和AdaBoost回归预测模型的电能表管理与数据分析体系结构。接着详述了基于层次模型的电能表管理系统架构，包括SSH框架（Struts-Spring-Hibernate）的网站设计、系统需求分析、层次模型的建立与管理。在层次模型的构建中，提出了一种树形结构的存储方式，利用孩子—双亲的存储方法结合先序和后序遍历编号进行存储，无需遍历树即可查询某一结点的所有子孙结点。在这种树形结构的存储方式之上建立电能表的层次管理模型，根据实际电网改动的情况实现电能表结点增加、删除、修改时模型的更新，同时结合层次模型对电能表数据进行分析，可应用在故障区域定位和窃电、漏电点监测。随后本文进一步阐述了电能表管理与数据分析系统的设计与实现过程，展示了功能实现效果。最后针对电力负荷预测问题，采用AdaBoost回归模型进行短期预测，同时与支持向量机回归模型对比实验，结果表明AdaBoost算法有较好的预测精度。
　　本文在电能表管理与数据分析的方法基础上，建立层次模型对电能表数据分层管理，实现了窃电、漏电监测和故障预警。同时还运用机器学习算法进行了短期电力负荷预测，为供电公司实现负荷电度提供数据支持，具有实用价值。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1课题的提出和意义

1.2 国内外发展现状

1.3论文主要内容

第二章 电力数据分析方法和应用

2.1电能表数据的组成和特点

2.2电力数据分析方法

2.3电力数据分析的应用场景

2.4电能表管理与数据分析的体系结构

2.5本章小结

第三章 基于层次模型的电能表管理系统架构

3.1系统框架

3.2系统需求分析

3.3针对电能表的树形结构层次模型的建立与管理

3.4树形结构的层次模型应用分析

3.5本章小结

第四章 电能表管理与数据分析系统的设计与实现

4.1开发环境介绍

4.2数据库的设计与实现

4.3 SSH框架的搭建与实现

4.4功能模块的实现

4.5本章小结

第五章 短期电力负荷预测的实现

5.1电力负荷预测方法研究

5.2 AdaBoost算法原理

5.3使用AdaBoost算法学习回归预测模型

5.4短期电力负荷预测实验

5.5短期电力负荷预测在层次模型中的应用

5.6本章小结

第六章 总结与展望

6.1论文总结

6.2研究展望

参考文献

附录1 攻读硕士学位期间参加的科研项目

致谢