面向智慧城市的智能电网电力需求预测技术研究与应用

摘要

智慧城市的概念自2009年提出以来，已经从概念模型层面快速发展到规划建设层面，并且在全世界范围内掀起了大规模的智慧城市规划建设潮流。建设智慧城市的一项重要工作就是进行跨部门大数据运营管理，以城市一体化为目标，建立起统一的数据采集和跨部门共享体系，为各领域的智慧应用提供快速便捷大数据服务。作为智慧城市发展的重要基础设施，智能电网也是智慧城市建设的不可或缺的内容。而电力需求预测是电力行业进行相关规划、管理的重中之重，是电力企业生存发展的重要支撑。 首先，本文有别于电力行业传统的电力大数据预测模式，根据智慧城市大数据的特点，提出了新的电力需求预测思路。将气象信息、地理信息、人口信息、企业信息、经济信息等外部数据纳入大数据库，形成更智能的趋势分析，为决策人员提供决策支持。 其次，本文对智能电网中的两个关键业务问题进行了重点研究。第一，建立电力客户细分模型。在智慧城市基础数据库的基础上，首先识别不同客户群体的本体特征和行为特征，然后全面分析，形成科学的客户认知，综合保险信息、人均产值、法人信息等，采用K-means算法进行数据挖掘，对电力客户信息进行优化分析，提高电力客户细分的精准度，为电力部门进行风险管理、个性化营销和制定发展规划提供全面参考。第二，在电力客户细分的基础上，依靠智慧城市基础数据库，综合其他大数据信息类别，将人口信息、企业信息、宏观经济信息等纳入统一分析，采用BP(Back Propagation)神经网络算法建立电力预测模型，通过探究数据间关系，从多维度对电力市场进行评估，完成先前传统电力预测方法无法实现的任务，高精度地对用电需求趋势做出科学预测。 最后，本文结合某市的智慧城市公共信息服务平台，分析平台功能和大数据处理的各个环节，并将研究成果融入到服务平台的电力系统信息检索中，对预测模型的算法参数调整功能、电力需求预测功能和电力客户细分功能进行了详细设计，该系统基于B/S架构，采用Java、Flex等技术进行编码，实现系统各功能模块正常运行。

目录

声明

摘要

1．1研究背景

1．2课题意义

1．3国内外研究现状

1．4课题研究内容

1．4．1研究内容

1．4．2本课题创新点

1．4．3技术路线

1．5本文的组织结构

1．6本章小节

第2章相关理论及技术

2．1电力预测相关理论及技术

2．1．1电力预测时长分类

2．1．2电力需求预测方法

2．2 K-means聚类算法

2．2．1算法简介

2．2．2算法原理

2．2．3算法描述

2．2．4算法的优缺点

2．2．5算法的应用

2．3．1算法基本原理

2．3．2人工神经元模型

2．3．3算法的流程

2．3．4影响因素分析

2．4本章小结

第3章基于数据挖掘的电力客户细分研究

3．1电力客户细分问题分析

3．1．1细分对象

3．1．2细分思路

3．2细分模型体系

3．3构建数据仓库

3．3．1数据库与数据仓库的联系

3．3．2本课题数据仓库特点

3．3．3数据仓库逻辑模型

3．4数据挖掘过程

3．4．1数据清洗

3．4．2数据集成与变换

3．4．3算法工作框架

3．4．4算法实现过程

3．5数据挖掘模型结果

3．6本章小结

第4章电力需求预测技术研究

4．1电力需求问题分析

4．1．1电力需求自身特点

4．1．2电力需求预测多指标模型

4．2智慧城市下电力需求预测指标选取

4．3样本数据的归一化

4．4神经网络的拓扑结构

4．4．1网络层数的确定

4．4．2输入层、输出层节点数的确定

4．4．3隐层数和隐层节点数的确定

4．5．1初始权值和阈值的选取

4．5．2学习速率的选取

4．5．3期望误差的选取

4．6实际算例分析

4．7算法的改进

4．7．1附加动量法

4．7．2改进后的算法算例分析

4．8本章小结

第5章电力需求预测技术应用

5．1智慧城市基础数据库和应用平台建设背景

5．2电力需求预测系统总体设计

5．2．1设计目标及原则

5．2．2系统拓扑结构

5．2．3系统架构设计

5．2．4系统接口描述

5．2．5系统开发环境

5．3系统功能设计

5．4系统数据库设计

5．5系统功能模块实现

5．5．1系统用户注册与登录

5．5．2电力客户细分模块

5．5．3电力需求预测模块

5．6本章小结

第6章总结展望

6．1本文总结

6．2课题展望

参考文献

致谢