基于大数据技术的径流式小水电功率预测的研究与应用

摘要

在全球能源问题日益严峻，国家大力发展清洁能源的趋势下，径流式小水电站发电功率的合理调度管理具有十分重大的意义。贵州省是我国水资源丰富的省区之一，河流密布，水量丰富，省内有相当数量的小水电站。依托国家科技支撑项目，华北电力大学与贵州电网公司研发了小水电集群功率预测系统负责全省径流式小水电的日前功率预测。
　　然而，随着未来小水电站的数量将不断增多，发电功率数据量也将成倍增加，基于传统关系型数据库的原有系统，由于其固有的系统扩展性差、并发难度大等多种问题，将难以满足海量径流式小水电功率数据的高效存储管理的需求。此外，系统中现有的功率预测以高性能计算机串型计算为主，在面对巨大数据量时存在数据处理时间长，预测速度慢，风险控制不足以及容错率低等问题，给小水电功率预测计算带来了极大的不便。
　　为了解决上述问题并实现对径流式小水电功率数据的高效存储、访问和快速计算，首先，本文通过考虑各级电网调度的层次关系以及分析径流式小水电功率数据特点，将径流式小水电功率数据迁移至Hadoop大数据平台上。充分考虑实际径流式小水电功率数据量的产生速度，设计了径流式小水电功率数据存储方案，并提出径流式小水电功率数据的追加策略和基于多衡量指标评价的数据副本放置策略。
　　其次，分析了径流式小水电发电功率的影响因素，结合径流式小水电功率数据与气象信息的相关性特点，设计了基于气象信息的径流式小水电功率预测模型，并采用分布式计算方式实现。
　　最后，利用所提方案搭建了实验仿真平台，应用真实数据算例得到预测结果并与原有系统进行对比。实验结果表明分布式预测算法的效率与比原有系统预测效率更高，验证了方案的可行性和有效性。

目录

声明

摘要

第1章 绪论

1．1 选题背景及意义

1．2 国内外研究现状

1．2．1 大数据技术的研究现状

1．2．2 小水电功率预测的发展现状

1．3 论文的主要工作和内容安排

第2章 基于Hadoop的大数据平台架构关键技术

2．1 Hadoop简介

2．1．1 Hadoop背景概述

2．1．2 Hadoop的基本架构模型

2．2 Hadoop分布式计算框架MapReduce

2．2．1 MapReduce的编程模式

2．2．2 MapReduce的执行流程

2．3 Hadoop分布式文件系统HDFS

2．3．1 HDFS读写机制分析

2．3．2 HDFS的备份策略

2．3．3 HDFS的负载均衡机制

2．4 本章小结

第3章 小水电功率数据分布式存储与访问方案设计

3．1 小水电功率数据的特点

3．2 小水电功率数据存储方案设计

3．2．1 小水电功率数据分布式存储方案

3．2．2 小水电功率数据存储文件设计

3．2．3 算例分析

3．3 小水电功率数据副本放置策略

3．3．1 HDFS中数据块副本放置策略

3．3．2 HDFS默认数据块副本放置策略的局限性

3．3．3 基于多衡量指标的副本放置策略

3．3．4 算例分析

3．4 小水电功率数据追加策略

3．5 本章小结

第4章 基于气象信息的小水电功率预测模型

4．1 小水电发电功率影响因素分析

4．1．1 小水电发电功率与降雨的相关性

4．1．2 小水电发电功率与累积降雨量的相关性

4．2 基于气象信息的小水电功率预测方法

4．2．1 预测算法整体流程

4．2．2 基于气象信息的短期功率预测方法

4．3 小水电功率预测算法的分布式计算

4．4 算例分析

4．4．1 小水电功率预测算法准确性验证

4．4．2 分布式功率预测算法的计算效率对比

4．5 本章小结

第5章 大数据技术在小水电功率预测中的应用

5．1 小水电功率预测仿真平台搭建

5．1．1 Hadoop平台搭建

5．1．2 仿真平台功能

5．1．3 仿真平台数据导入

5．2 大数据技术在小水电功率预测中的应用

5．3 本章小结

第6章 总结与展望

6．1 本文工作总结

6．2 未来工作及展望

参考文献

攻读硕士学位期间发表的论文及其它成果

致谢