数据赋能低压配用电系统精益化运行的关键技术与算法

随着人工智能和大数据技术的发展,合理高效地分析电力数据可以赋能电网业务以提升其工作成效。同时,智能采集装置提供了海量计量数据,为数据赋能低压配用电系统精益化运行打下了坚实基础。为更好地总结低压配用电系统精益化运行的研究成果和启迪思路,根据现有业务将低压配用电系统精益化运行主要分为计量采集设备质量评估与计量数据异常监测、用户相位关系识别与三相不平衡治理、低压台区户变关系和拓扑关系识别、用户异常用电和窃电行为检测、客户侧用电服务评价5个方面,分别介绍了数据赋能低压配用电系统精益化运行中的关键技术及算法,并给出了目前研究的不足和未来的展望。     

考虑多维时域特征的行业中长期负荷预测方法

中长期负荷预测是电力系统规划与设计的重要依据，准确的行业中长期负荷预测能为电网布局规划、检修计划制定等提供决策支撑。在此背景下，针对行业中长期负荷隐含的多维时域特征，提出一种基于分解和预测思想的行业中长期负荷预测方法。首先，构建了基于周期趋势分解算法的行业中长期负荷特征分解模型，以得到分别表征行业负荷变化趋势性、周期性以及随机性特征的趋势分量、周期分量及残差分量；接着，针对分解得到的各维度分量，分别构建了基于门控循环单元的行业负荷全局趋势特征提取与预测模型、基于卷积神经网络的负荷周期局部特征提取模型，以及基于改进自适应高斯核密度估计的负荷残差概率密度预测模型，由此形成考虑多维时域特征的行业中长期负荷预测方法。最后，以中国某市化工行业负荷数据为例，验证了所提预测方法的有效性。