前言：本站為你精心整理了大數(shù)據(jù)在電力系統(tǒng)負(fù)荷預(yù)測中應(yīng)用范文，希望能為你的創(chuàng)作提供參考價值，我們的客服老師可以幫助你提供個性化的參考范文，歡迎咨詢。

摘要：介紹了大數(shù)據(jù)技術(shù)在電力系統(tǒng)負(fù)荷預(yù)測中的應(yīng)用，研究了電力負(fù)荷預(yù)測的方法、大數(shù)據(jù)在電力系統(tǒng)負(fù)荷預(yù)測的應(yīng)用領(lǐng)域及其關(guān)鍵技術(shù)。通過闡述電力系統(tǒng)負(fù)荷預(yù)測的2種常見方式，對比了現(xiàn)有的3種電力負(fù)荷預(yù)測的方法，體現(xiàn)了智能預(yù)測方法在非線性處理領(lǐng)域的優(yōu)勢。在電力系統(tǒng)負(fù)荷預(yù)測的應(yīng)用領(lǐng)域，電力大數(shù)據(jù)涉及集成管理、數(shù)據(jù)分析、數(shù)據(jù)處理與數(shù)據(jù)展示等關(guān)鍵技術(shù)。引入大數(shù)據(jù)技術(shù)來完成電力系統(tǒng)負(fù)荷預(yù)測，能夠有效增加預(yù)測精度與速度，有助于穩(wěn)定性與經(jīng)濟(jì)性的提升。

關(guān)鍵詞：大數(shù)據(jù)技術(shù)；電力系統(tǒng)；負(fù)荷預(yù)測；數(shù)據(jù)處理

0引言

負(fù)荷預(yù)測在電力網(wǎng)絡(luò)規(guī)劃里占據(jù)著主導(dǎo)地位。準(zhǔn)確的電力負(fù)荷預(yù)測對制訂合理的計(jì)劃和調(diào)度方案、提高設(shè)備利用率、保障系統(tǒng)安全穩(wěn)定運(yùn)行具有重要意義。最近幾年用電量大幅提升，電力負(fù)荷預(yù)測的難度隨之增大，傳統(tǒng)的負(fù)荷預(yù)測方式無法處理龐大而混亂的數(shù)據(jù)量，引入大數(shù)據(jù)技術(shù)來完成電力系統(tǒng)負(fù)荷預(yù)測，能夠有效增加預(yù)測精度與速度，有助于穩(wěn)定性與經(jīng)濟(jì)性的提升，同時有利于電網(wǎng)的整體規(guī)劃。不同預(yù)測時間產(chǎn)生的負(fù)荷預(yù)測，其研究內(nèi)容以及用途有所不同[1]。超短期負(fù)荷預(yù)測關(guān)注較短的區(qū)域之內(nèi)的數(shù)值變動，它的用處即是對電力設(shè)備的運(yùn)行情況進(jìn)行監(jiān)控；短期負(fù)荷預(yù)測針對數(shù)日到數(shù)周的負(fù)荷，可以為水電調(diào)度、機(jī)組啟停提供重要參考，是電網(wǎng)日常運(yùn)行的基礎(chǔ)；中期負(fù)荷預(yù)測針對數(shù)周到數(shù)月的負(fù)荷，預(yù)測用途是為電力系統(tǒng)安排檢修以及燃料采購等提供支撐；長期負(fù)荷預(yù)測則是對將來的很長時間跨度區(qū)域內(nèi)的用電情況與走勢的估計(jì)，用于電力設(shè)備的改造與擴(kuò)建等。電力負(fù)荷預(yù)測的方式根據(jù)輸出形式可以分為以下兩種方式：點(diǎn)預(yù)測是給出預(yù)測時間點(diǎn)的確定負(fù)荷值，是較常用的輸出形式；概率預(yù)測是給出預(yù)測區(qū)間、概率分布函數(shù)等，從多個方面描述未來預(yù)測負(fù)荷值的情況，能夠提供預(yù)測的更多信息。

1現(xiàn)有的電力負(fù)荷預(yù)測方法

目前負(fù)荷預(yù)測一般有經(jīng)典方法與智能方法。中長期、短期、超短期需要考慮的用電需求因素不同[2]。中長期預(yù)測的影響因素可以從外部與內(nèi)部兩部分進(jìn)行分析，外部因素有經(jīng)濟(jì)發(fā)展?fàn)顟B(tài)、人口數(shù)量、工業(yè)企業(yè)數(shù)量、氣候變化、國家政策、城鎮(zhèn)化進(jìn)程等因素；內(nèi)部因素主要是電價，電價的改變將會大幅度改變用電的需求。短期和超短期預(yù)測需要考慮的原因主要有：歷史電力負(fù)荷數(shù)據(jù)、氣溫、天氣、日期、用戶性質(zhì)（商用、民用）、淡季旺季、居民小區(qū)位置等。

1.1時間序列法。時間序列法認(rèn)為電力系統(tǒng)的負(fù)荷是具有周期規(guī)律的時間序列，可以建立歷史數(shù)據(jù)和一些影響因子的模型來進(jìn)行預(yù)測。時間序列法容易受原始數(shù)據(jù)中異常數(shù)據(jù)的影響[3]。研究者針對時間序列法展開了不斷的研究和探索，有學(xué)者對短期負(fù)荷模型進(jìn)行了分析，并針對不同負(fù)荷數(shù)量采用不同的模型，比較了時間序列法和卡爾曼濾波法在預(yù)測中的差別，得出了時間序列法的適用范圍。針對電力系統(tǒng)負(fù)荷數(shù)據(jù)的非線性特性，提出了一種采用遞歸熵特征提取的負(fù)荷預(yù)測模型，提取定量遞歸特征熵作為非線性特征進(jìn)行負(fù)荷預(yù)測，得到了較好的預(yù)測精度。有的學(xué)者將數(shù)學(xué)理論中的小波和分形引入電力負(fù)荷研究，利用時頻分析方法構(gòu)建預(yù)測模型。

1.2灰色預(yù)測法。作為電力系統(tǒng)負(fù)荷預(yù)測的另一種常用方法，灰色預(yù)測法的適用范圍非常有針對性，適合中長期負(fù)荷預(yù)測，不適用于其他序列預(yù)測，這是由于中長期負(fù)荷預(yù)測的增長趨勢呈指數(shù)型。學(xué)者利用灰色預(yù)測法對現(xiàn)有的大量不足與缺陷進(jìn)行了修正，并提出了基于積累法的灰色預(yù)測模型，能夠降低這種越策方式存在的病態(tài)性，較好地克服了在負(fù)荷預(yù)測中的不足。

1.3智能預(yù)測法。傳統(tǒng)預(yù)測方法難以全方位建立影響因素與負(fù)荷值之間的模型。隨著人工智能的全面興起，智能算法在非線性處理領(lǐng)域的優(yōu)勢使得其在負(fù)荷預(yù)測中有了越來越廣泛的應(yīng)用。神經(jīng)網(wǎng)絡(luò)是通過模擬人腦處理信息過程而建立的算法模型，具有自適應(yīng)和自學(xué)習(xí)能力，在處理非線性問題上具有很強(qiáng)的優(yōu)勢。智能預(yù)測方法在負(fù)荷預(yù)測中能夠綜合考慮多種因素，并且具有自反饋和自學(xué)習(xí)的能力。隨著可采集的電網(wǎng)數(shù)據(jù)越來越多，智能預(yù)測方法存在的計(jì)算復(fù)雜、計(jì)算量大等特點(diǎn)也越來越明顯。

2大數(shù)據(jù)在電力系統(tǒng)負(fù)荷預(yù)測的應(yīng)用

我國用電量的大幅提升、高速智能電網(wǎng)的部署等極大增加了電力負(fù)荷預(yù)測的難度。各類傳感器和智能設(shè)備數(shù)據(jù)不斷增加，設(shè)備中獲取的數(shù)據(jù)以及各類傳感器采集的電力負(fù)荷預(yù)測相關(guān)因素如溫度、天氣、風(fēng)速等數(shù)據(jù)量劇增，數(shù)據(jù)維度也不斷提高，數(shù)據(jù)規(guī)模也從GB級增長到TB級甚至更高，基于單機(jī)進(jìn)行的傳統(tǒng)預(yù)測方法與智能預(yù)測方法，已經(jīng)遠(yuǎn)遠(yuǎn)低于在負(fù)荷預(yù)測中所希望達(dá)到的準(zhǔn)確度與速度需求，因此技術(shù)的突破點(diǎn)聚焦到了基于大數(shù)據(jù)技術(shù)的預(yù)測方法研究。大數(shù)據(jù)技術(shù)的發(fā)展，成功實(shí)現(xiàn)了負(fù)荷曲線數(shù)據(jù)的高速處理，并且可以預(yù)測到短期時間下的用電量。通過對傳統(tǒng)電力大數(shù)據(jù)技術(shù)在大量數(shù)據(jù)結(jié)構(gòu)處理的改進(jìn)，成功實(shí)現(xiàn)了電力大數(shù)據(jù)技術(shù)在規(guī)定延遲內(nèi)的復(fù)雜、并行處理能力。同時，運(yùn)用不同尺度上進(jìn)行處理的方式，某些應(yīng)用甚至具有了實(shí)時反映實(shí)時處理的能力。目前的電力大數(shù)據(jù)技術(shù)，在配用電網(wǎng)架優(yōu)化、電力調(diào)度與負(fù)荷預(yù)測等方面，已經(jīng)有了較深入的研究。運(yùn)用電力大數(shù)據(jù)技術(shù)深度挖掘采集到的大量負(fù)荷數(shù)據(jù)，從而進(jìn)行精確地負(fù)荷預(yù)測，可以為電網(wǎng)的智能化運(yùn)行提供強(qiáng)有力的技術(shù)支撐。電力大數(shù)據(jù)涉及的關(guān)鍵技術(shù)有：集成管理、數(shù)據(jù)分析、數(shù)據(jù)處理與數(shù)據(jù)展示等[5]。

2.1集成管理。集成管理是把多個系統(tǒng)中特征與形式各異的應(yīng)用數(shù)據(jù)進(jìn)行有機(jī)集中統(tǒng)一管理，可以有效解決各系統(tǒng)之間的數(shù)據(jù)冗余。大數(shù)據(jù)具有多樣化的特性，因此數(shù)據(jù)的產(chǎn)生范圍非常寬泛，數(shù)據(jù)的形式較為多樣，其內(nèi)在的聯(lián)系也更難把握，處理與分析這種混亂的數(shù)據(jù)庫將會變得非常艱難與不精確。要解決這個問題，就一定要對數(shù)據(jù)庫進(jìn)行集成管理，尋找數(shù)據(jù)的內(nèi)部聯(lián)系與客觀的發(fā)展規(guī)律，經(jīng)過分類與整理之后，使用統(tǒng)一的方式對數(shù)據(jù)進(jìn)行存儲與編號。在提取數(shù)據(jù)的過程中，要有一個審核的步驟，從而清除冗余數(shù)據(jù)，增加數(shù)據(jù)的精確度與可靠性。

2.2數(shù)據(jù)分析。數(shù)據(jù)分析技術(shù)可以將數(shù)據(jù)進(jìn)行信息化處理，以發(fā)現(xiàn)所收集到的大量信息中隱藏的數(shù)據(jù)內(nèi)在聯(lián)系，并進(jìn)行接下來的趨勢引導(dǎo)；大數(shù)據(jù)分析技術(shù)更側(cè)重于相關(guān)關(guān)系的分析和挖掘，可以有效利用結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行算法研究。與過去所得到的數(shù)據(jù)挖掘技術(shù)相比，電力大數(shù)據(jù)技術(shù)不僅僅有結(jié)構(gòu)化內(nèi)容，同時也包含著其他內(nèi)容，因此電力大數(shù)據(jù)的分析更為復(fù)雜，精準(zhǔn)度要求更高，需要引入如機(jī)器學(xué)習(xí)之類的新技術(shù)。

2.3數(shù)據(jù)處理。數(shù)據(jù)處理技術(shù)可以總結(jié)成以下3個方面：分布式計(jì)算是可以對許多的信息進(jìn)行系統(tǒng)化儲存；內(nèi)存計(jì)算技術(shù)能夠及時地運(yùn)算與快速地讀取寫入；流處理技術(shù)能夠解決一些難以分析的復(fù)雜數(shù)據(jù)[6]。

2.4數(shù)據(jù)展現(xiàn)。電力大數(shù)據(jù)的數(shù)據(jù)展現(xiàn)技術(shù)包括可視化、空間化、時間化[7]。通過數(shù)據(jù)展現(xiàn)技術(shù)，能夠精確得展現(xiàn)出數(shù)據(jù)的隱藏含義，從而能夠顯示出系統(tǒng)的運(yùn)行狀況。大量研究者在大數(shù)據(jù)技術(shù)框架下進(jìn)行電力負(fù)荷預(yù)測，在考慮了智能電網(wǎng)大數(shù)據(jù)環(huán)境下電力負(fù)荷影響因素的多源性的情況下，將氣溫等因素作為影響因素，采用雙層多核學(xué)習(xí)算法，建立了支持向量機(jī)電力負(fù)荷預(yù)測算法，是目前的一個比較前沿的突破。利用圖形聚類算法對各行業(yè)細(xì)分不同特征的用戶，在此基礎(chǔ)上將大數(shù)據(jù)分析處理技術(shù)結(jié)合支持向量機(jī)算法應(yīng)用于電力負(fù)荷預(yù)測，設(shè)計(jì)了一整套負(fù)荷預(yù)測的架構(gòu)，并做了算法的實(shí)現(xiàn)和對比研究，顯示預(yù)測結(jié)果與實(shí)際情況一致性高，并且在運(yùn)行速度上優(yōu)勢非常明顯，具有很強(qiáng)的實(shí)用性。但是目前的研究還存在許多不足之處，需要后期有更多的人繼續(xù)深入的研究與發(fā)現(xiàn)。

3結(jié)論

電力負(fù)荷預(yù)測是一個具有前瞻性的課題，準(zhǔn)確的預(yù)測結(jié)果對制訂合理的計(jì)劃和調(diào)度方案、提高設(shè)備利用率、保障系統(tǒng)安全穩(wěn)定運(yùn)行具有重要意義。本文描述了經(jīng)典方法和智能方法，同時分別指出了不同預(yù)測方法的優(yōu)缺點(diǎn)，針對當(dāng)前智能電網(wǎng)和智能傳感器大量部署的情況，將技術(shù)的突破點(diǎn)聚焦到了基于大數(shù)據(jù)技術(shù)的預(yù)測方法研究上。引入大數(shù)據(jù)技術(shù)來完成電力系統(tǒng)負(fù)荷預(yù)測，能夠有效增加預(yù)測精度與速度，有助于穩(wěn)定性與經(jīng)濟(jì)性的提升。

作者:端木凡曦 王聰 胡晶 單位:國網(wǎng)上海市電力公司嘉定供電公司 國網(wǎng)江蘇省電力有限公司 國網(wǎng)上海市電力公司浦東供電公司