电力负荷数据分析在设备配置中区域分类的研究

摘要

电力数据的应用是在挖掘电力数据的潜在价值，是未来智慧城市、智慧电网建设的重要支撑。随着我国经济实力的迅速提升，电力系统也蓬勃发展，各区域内的建设更新速度屡屡加快，电力行业信息化也得到了长足的发展，特别伴随着下一代智能电网的建设，导致电力数据量逐年增加，因此利用产生的电力数据进行合理准确的电力负荷分析已然变成了电力系统的未来计划建设的重要基础任务。而变电站作为用电负荷点，它的选址设计又是电网规划的重要构成部分，会直接影响电力企业的经济效益，因此以数据分析方法进行电力负荷分析将结果应用在电力设备配置的区域分类中具有显著意义。
　　首先，本文通过分析样本数据的整体特征，选取电力负荷分析方法。电力负荷数据的整体特征包括随季节温度的变化的趋势以及随着周末或节假日等一些不同日期类型改变而产生的用电波动特征。在进行大量的数据预处理工作以及算法比对之后，决定采用神经网络算法，以得到未来负荷用量为目标进行训练，最终得到研究所需的电力负荷数据。
　　其次，利用神经网络解决非线性问题的先进性，结合得到的实验数据，本文提出了一种针对设备选址的新的方法。通过得到的各条线路的电力负荷数据，结合每条线路附近的地理特征，找出二者之间的关系，再利用神经网络对各线路的特征进行数据分类训练，将用地类型作为输出，得到隶属于市区用地、城镇用地、农村用地以及农牧区用地四种类型。根据训练好的数据模型对待选址的变电站进行分类，得出分别属于哪一种用地类型。
　　最后，将待选变电站类型与标准类型进行一一对应，根据国家要求的建设标准，实现每一种用地类型下变电站建设的提前分类。
　　本文是通过挖掘电力负荷数据中存在的知识，并将其应用在电力设备的区域分类配置中，对电力负荷数据与站址区域选择之间的关系进行了研究分析，可以快速的确立电力设备安放的大致位置，旨在为电力行业的设备选址问题提供了一种新的研究思路。

目录

声明

摘要

1．1 课题背景与研究意义

1．1．1 课题背景

1．1．2 研究意义

1．2 国内外相关研究综述

1．2．1 电力负荷总量分析研究综述

1．2．2 电力设备选址分类研究综述

1．3 论文研究内容与思路框架

1．3．1 研究内容

1．3．2 研究思路

第2章 相关理论基础

2．1 神经网络概述

2．1．1 神经网络的发展史

2．1．2 神经网络模型

2．1．3 神经网络的特性

2．1．4 神经网络工具箱

2．2 电力负荷总量分析常用方法

2．2．1 回归分析法

2．2．2 时间序列法

2．2．3 灰色系统理论预测方法

2．3 电力设备选址常用方法

2．3．1 粒子群算法

2．3．2 元胞自动机法

2．3．3 用地仿真法

2．4 本章小结

第3章 分析模型建立

3．1 电力负荷总量分析模型

3．1．1 单因素影响的神经网络设计

3．1．2 多因素影响的神经网络设计

3．2 电力设备选址分类模型

3．2．1 用地类型划分规则

3．2．2 电力设备选址分类的神经网络模型设计

3．3 本章小结

第4章 电力设备配置区域分类分析实例

4．1 电力负荷数据特征分析

4．1．1 负荷的周周期特征

4．1．2 负荷的节假日特征

4．1．3 负荷受温度影响特征

4．2 数据预处理

4．2．1 电力负荷数据的预处理

4．2．2 天气数据的预处理

4．2．3 日期类型的预处理

4．2．4 误差分析方法

4．2．5 MATLAB数据的归一化处理

4．3 电力负荷数值分析结果

4．3．1 单因素模型的分析结果

4．3．2 多因素模型的分析结果

4．4 电力设备的区域分类分析结果

4．4．1 用地类型特征划分

4．4．2 网络训练模型

4．4．3 实验结果

4．5 本章小结

第5章 总结与展望

5．1 总结

5．2 展望

参考文献

致谢