基于大数据技术的配电网规划研究

摘要

随着社会经济发展和人民生活水平提高，当前用电市场的主要矛盾已经转化为用户对于高供电能力和质量的要求与现实中低下的供电能力和质量之间的矛盾。配电网是电力系统的重要组成部分，其规划的水平直接影响系统对用户供电的能力和质量，将电力大数据用于配电网规划是促进其规划水平提高的思路之一。为提高配电网规划的精细程度和效率，本文针对规划过程中涉及的多源异构数据分析处理及规划模型中的数据密集型问题，重点开展基于大数据技术的配电网规划研究，主要内容如下:
　　(1)梳理并分析了与配电网规划相关的大数据特点与处理方法。分析了文本结构化、异常数据挖掘、数据归一化等预处理过程在MapReduce模型下的表达形式，并针对结构性较弱的电力文本，提出根据语言学分类对文本内程度副词进行标度的文本结构化方式，实现部分基于语义的文本结构化，为后续研究中数据信息的提取和挖掘奠定基础。
　　(2)提出了基于深度学习与多源信息融合的饱和负荷空间分布精准预测方法。首先，获取负荷元胞的高维信息特征，将其中非结构化的特征进行结构化处理，然后采用栈式降噪自编码器学习特征，最后以顶层的回归器预测待规划区域的空间饱和负荷密度。算例分析结果表明，与基于最小二乘支持向量机、基于主成分分析-BP神经网络等特征提取及预测的方法相比，本文所提方法的负荷预测精度较高。
　　(3)提出了基于深度学习算法的变电站预选址和基于并行计算的配电网变电站-线路联合规划方法。首先，采用卷积神经网络学习与变电站选址原则相关的区域特征进行变电站预选址，并将其结果作为后续规划过程的备选站址;然后，根据预选址结果建立变电站-网架双层规划模型，并提出基于多处理器主从并行计算结构的改进鸟群算法求解该模型。算例分析结果表明，与浅层学习算法相比，提出的基于深度学习算法的变电站预选址的方法的判断精度更高;构建的规划模型可优化得出更为合理的规划方案;合理配置下，提出的改进鸟群算法可有效提高规划过程的计算速度。

目录

声明

致谢

摘要

1 绪论

1．1 研究背景与意义

1．2 国内外研究综述

1．3 研究内容及组织结构

2 配电网大数据及其处理方法

2．1 配电网大数据及其特点

2．2 大数据存储与计算方式

2．3 MapReduce模型下的配电网大数据预处理

2．4 本章小结

3 基于深度学习与多源信息融合的饱和负荷空间分布精准预测

3．1 概述

3．2 空间负荷元胞多源信息

3．3 基于深度学习与多源信息融合的空间负荷预测模型

3．4 算例分析

3．5 本章小结

4 基于深度学习算法的变电站预选址和基于并行计算的配电网变电站一线路联合规划

4．1 概述

4．2 基于深度学习算法的变电站预选址

4．3 基于并行鸟群算法的配电网交电站．线路联合规划

4．4 算例分析

4．5 本章小结

5 总结与展望

附录

参考文献

攻读硕士学位期间发表和录用的学术论文

作者简历