智能电网大数据融合方法研究及应用

摘要

智能电网的发展带来了数据类型和规模以前所未有的速度和方式不断增长，同时，信息-物理融合技术的发展，带来了爆炸式增长的数据，这标志着电力系统已经进入了大数据时代，因而加大了电力系统信息平台存储、管理和分析处理数据的难度，而现有的物理硬件和技术能力难以适应智能电网大数据分析和控制的需求。
　　本文分析智能电网大数据的来源及特性，从发电、变电、输电、配电到用电等过程大数据存在数据量大、种类繁多与速度快等特点，指出电力系统大数据在数据采集、数据管理、数据分析处理等方面存在的问题。随着智能电网的发展和普及应用，目前海量的监测传感数据需要综合处理来支持最终决策，为此引入基于信息融合的电力大数据处理方法。将信息融合中的“数据-特征-决策”三层结构对应到智能电网的监测数据中，将各监测系统和各种传感器中采集的数据进行整合，首先构建一种多层模式下的电网数据融合处理方案。为适应海量数据对处理的要求，并通过分析现有大数据处理技术以及应用于电力系统的大数据技术，给出了一个大数据处理平台架构，分为传感采集层、数据管理层、应用层。
　　为了应对融合方案中数据选取的问题，将信息论中的互信息理论应用于数据间的特征提取关联发现过程中，首先根据互信息方法发现海量监测数据间的关联度，在完成数据处理的过程中筛选出其关联特征参数；并结合BP(Back Propagation)网络算法对其进行决策融合；最后将该方法与MapReduce模型相结合，得到能处理大规模电力数据融合的“MI-BP-MP”方法框架。
　　通过对风电场功率预测进行算例分析，将历史发电功率、负荷、温度、风速、风向等数据进行关联分析，缩短功率预测时间并且提高算法对大数据的处理能力。采用四组不同大小数据集对并行化算法进行预测，通过对比实验结果表明该方法具有明显的性能优势，相较于传统的变量选择方法，该方法在处理效率、误差等方面都有较大提高，给智能电网大数据分析与处理理论提供了有益的研究价值。本文给出的智能电网大数据融合方法，可为电网数据研究方面提供了一种可行方案。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪 论

1.1 课题研究背景和意义

1.2 国内外研究现状

1.3 本文主要工作及内容安排

第2章 智能电网大数据技术分析与研究

2.1 智能电网分析

2.2 处理电网大数据的方法技术

2.3 本章小结

第3章 智能电网大数据融合框架

3.1信息融合技术

3.2智能电网大数据融合框架设计

3.3 智能电网大数据融合平台建设和性能优化

3.4 本章小结

第4章 基于MI-BP融合算法研究

4.1 电网数据相关性分析现状

4.2 互信息理论

4.3 基于互信息的变量选择算法

4.4 BP网络算法的并行化

4.5 基于MapReduce的融合处理

4.6 本章小结

第5章智能电网大数据融合方法的实验仿真

5.1 Hadoop大数据处理平台

5.2 实验数据及评价指标

5.3 仿真实验结果分析

5.4 本章小结

总结与展望

参考文献

攻读硕士学位期间发表的论文及其他成果

致谢