电力大数据智能化高效分析挖掘技术框架

随着智能电网的不断建设,各类生产经营管理活动中产生的海量、高频数据,具有实时性、易失性、突发性、无序性、无限性等特征,如何充分利用和分析这些数据,快速获取有价值的信息是当前电力大数据处理急需突破的难点。在分析目前电力大数据应用现状的基础上,构建了电力大数据智能化高效分析挖掘技术框架,同时从面向计算密集型电力大数据的特征分析技术、基于内存计算的高性能数据分析技术、电力大数据并行化分析框架及服务体系以及基于数据挖掘的母线超短期负荷预测技术4个方面详细描述了电力大数据智能化高效分析挖掘的关键技术,从而为电力业务数据的高效价值挖掘及在线决策分析提供理论依据及基础技术支撑。     

基于电力大数据模糊评价的综合能源项目挖掘优选策略

随着电力体制改革和能源互联网产业发展,开展综合能源服务将是电网企业转型的重要方向.聚焦供电公司掌握客户用电负荷、电量、缴费等大数据的挖掘应用,从客户信用、客户价值、客户风险3个维度,构建了包含月均预存比例、月均欠费次数、月均停电次数等9项具体指标的综合能源项目挖掘培育评价指标体系,提出了基于电力大数据模糊评价的综合能源...     

基于卷积神经网络与多维度电力大数据的信用评估系统

2017年,国家发展和改革委员会牵头启动"信易+"联盟建设,社会信用体系建设全面铺开.其中,企业信用评估是国家信用体系建设重要组成部分,国家对企业信用建设给予了高度重视.通过服务电力业务的信用评估系统构建,可以高效支撑电力行业对企业异常用电行为进行预警.在国家大力倡导社会信用体系建设背景下,国家电网各业务部门及单位积极开展了自身信用体系建设.文中使用电力行业上下游的企业用户用电信息、履约情况、安全监管等数据,结合改进的模糊聚类算法对电力企业用户进行划分和用电信用系统构建,同时使用卷积神经网络算法(CNN)对企业信用评估系统进行分析建模.改进的模糊聚类算法能够适应不同的数据分布和提高聚类效果;改进后的多尺度卷积核CNN模型设计能克服传统CNN算法计算量大、易过拟合的缺点.实验证明多维度电力数据集可以很好反映企业信用信息,文中所提出的分类模型的运算效率和准确率较高,整体实现了企业电力风险评估系统.     

基于电力大数据的宁夏乡村振兴研究

为充分发挥电力数据在乡村振兴战略实施中的价值,利用大数据挖掘技术将电力大数据与乡村振兴战略相结合,围绕乡村居民生活水平、乡村经济发展、乡村产业发展等方面,分析电力数据与农村经济发展之间的关联性,掌握乡村产业发展态势,分析闽宁镇特色乡村振兴做法,从数据显现上为其他贫困地区提供明确的、具有典范意义的乡村振兴实施意见.构建乡...     

基于电力大数据的配电变压器状态评估方法

配电变压器运行状态直接关系到供电安全可靠性,从电力大数据应用角度,提出了一种基于电力大数据的配电变压器状态评估方法。首先定义了配电变压器运行状态指标体系,包括电压、电流、负载率、三相不平衡度和功率因数五类评价指标。其次为了评估每台配电变压器运行状态,提出了配电变压器理想运行状态,基于灰色分析量化了待评估配电变压器的各个指标灰色关联值。然后基于模糊聚类理论将所有待评估配电变压器看做同一论域进行模糊聚类分析,为供电公司巡视检修计划提供决策支撑。最后利用MATLAB编程进行算例验证,证明了该方法的有效性和可行性。     

基于云计算技术的电力大数据分布式检索系统

为了提高电力大数据定位识别和信息融合能力,进行电力大数据检索优化设计,提出一种基于云计算技术的电力大数据检索系统设计方法,采用多元回归分析方法构建电力大数据库存储结构模型,进行电力大数据的分布式存储数据结构特征分析,对混合型的电力大数据在云计算环境下进行信息聚类融合处理,采用模糊特征分组聚类方法对不同属性的电力大数据进行分组检测,提取电力大数据的关联规则特征量,采用云计算技术实现电力大数据分布式检索。在嵌入式环境下进行电力大数据分布式检索系统软件设计。仿真结果表明,采用该方法进行电力大数据检索的特征指向性较好,数据检索的数据召回率较高。     

基于改进PSO-PFCM聚类算法的电力大数据异常检测方法

针对传统电力大数据异常检测方法检测精度低、复杂度高等问题,提出了一种将可能性模糊C均值算法和改进的粒子群优化算法相结合的电力大数据异常检测方法.使用改进的粒子群优化算法和重新定义的聚类有效函数来优化可能性模糊C均值算法的初始中心和数目.通过仿真将该算法与改进前算法进行对比分析,验证该算法的优越性.实验结果表明,该算法能...     

基于大数据技术的电力用户行为分析及应用现状

电力行业是大数据技术应用的重要领域之一,电力大数据产生于电力生产的各个环节,蕴藏着丰富的商业和社会价值。介绍了大数据技术在电力行业的应用现状,重点对基于大数据技术的电力用户行为分析方法进行了归纳总结,最后给出了几个面向电力用户行为分析的大数据应用案例。     

基于电力大数据应用的故障诊断研究分析

阐述了目前电力系统中故障诊断存在的不足,针对一起变电站10kV开关柜负荷电流异常导致的故障,开发了一种电力大数据在电力系统故障诊断中的应用模块,结合电力大数据分析了导致开关柜发生故障的可能原因,并提出了相应的改进措施,为电力大数据在电力系统中的应用提供了典型案例分析。     

电力大数据关键技术在电力传输预测与规划中的应用

介绍了电力大数据技术的研究背景与价值,解析了电力大数据系统的常见架构,说明现代电力系统应用背景下电力大数据系统的主要组成模块.大数据系统用于电力系统时,需要考虑云计算、数据存储、数据集成、数据计算、数据应用等5个关键技术.通过对关键技术与系统组成的分析,提出了可用于预测规划的应用方法,并对未来应用做了展望.     

电力大数据技术与电力系统仿真计算结合问题研究

电力大数据技术的进步为电力系统各领域提供了新的发展契机。该文探讨了其与电力系统仿真计算相结合的若干基本问题。首先阐述二者已有的基础、技术联系和基本结合方式,强调利用大数据技术包中提供的资源和方法解决实际问题;而后明晰了仿真计算数据与大数据相关的特征及其独有优势。在此基础上,讨论了与开展研发工作相关的若干要点,涉及二者结合适用的问题、开展研究的重点等,同时也说明引入大数据技术可能带来的问题。该文工作为在电力系统仿真计算领域开展大数据技术研究提供了基本框架,为研发工作的全面开展奠定了基础。     

基于Neo4j的电力大数据建模及分析

电力大数据的处理离不开大数据技术的支持,如何存储电力大数据并从中挖掘出有价值的信息来促进电网的发展是当前的研究热点。本文首先从数据存储方式和数据检索功能两方面对图数据库Neo4j进行详细介绍;然后提出基于Neo4j构建电网的全景数据库,根据电力网络拓扑建立设备映射表,将目前电网中分散、隔离的海量数据有序地整合起来,同时利用Neo4j自身封装的图论算法提出基于图论的电力数据聚类分析方法;最后基于Neo4j数据库分析了两个具体的算例,对Neo4j数据库的信息检索性能和数据聚类分析功能进行了测试。     

基于大数据云平台的电力能源大数据采集与应用研究

随着智能电网建设的不断推进,电力系统中运行的采集终端数量大幅激增。面对采集到的海量用电数据,如何快速挖掘出有价值的信息,指导企业发展并服务社会民生,显得尤为迫切。文章介绍了利用分布式架构的用电信息采集系统采集用电数据,建立大数据云平台,通过BP神经网络算法等大数据分析方法,提高线损治理成效,实现负荷的准确预测,并在光伏、车辆网等新的领域对电力能源大数据应用的研究进行了展望,对未来电力能源大数据的深化应用有重要的指导意义。     

基于大数据平台的中压配电网精准损耗分析

大数据平台为中低压配电网线损精细化分析提供了新的方法和基础,但数据缺失会影响计算精度和新方法的实用性.为此,提出基于大数据平台的前推回代精细化损耗分析框架;其次,针对部分缺失和全部缺失2种情况,提出基于粒子群优化的模糊C均值聚类的负荷曲线聚类方法,并利用聚类中心和隶属度来填充缺失值;最后利用实际数据进行仿真验证.仿真结...     

基于电力大数据挖掘的重点企业污染防治专项行动方案设计

良好生态环境是实现人类永续发展的内在要求,是增进民生福祉的优先领域。国家电网有限公司作为电力能源责任央企,深刻认识到环境保护面临的形势,致力满足“人民日益增长的美好生活需要和不平衡不充分的发展之间的矛盾”,对生态环境保护提出的新要求。挖掘企业排污与用电数据的潜在关系,建立分析模型,可对重点企业开展污染防治监控分析,对重点污染地区工业空气质量指标AQI进行排放空间时空测算。研究成果可为环境保护部门准确掌握污染企业的生产规律提供了有效技术手段,助力环保部门加大精准执法和科学制定应急管控措施。     

模糊聚类在电力用户分类中的应用

将模糊聚类方法应用于电力销售领域．利用负荷曲线特征实现对电力用户分类,可以为售电企业的合理定价和有效实施负荷管理提供参考。介绍了利用模糊C均值聚类方法实现用户分类的原理和步骤及聚类完成后的有效性检验指标的计算方法。算例表明了该方法的可行性和有效性。     

基于自适应模糊C均值算法的电力负荷分类研究

针对当前负荷建模中存在的负荷时变性问题,提出了基于自适应模糊C均值聚类的电力负荷动特性分类方法.探讨了聚类分析方法在负荷动特性分类中的应用,包括聚类特征向量的选取和分类方法研究两个方面.对原始模糊C均值聚类算法中的聚类数进行了研究,在原始算法中融入新的聚类有效性函数,对算法进行了改进,改进算法不需要预先选择类的数目作为先验值.通过动模实验数据的负荷分类实例,表明该方法可自动获取最佳分类数,且分类效果要好于原始算法.     

基于自适应模糊C均值算法的电力负荷分类研究

针对当前负荷建模中存在的负荷时变性问题,提出了基于自适应模糊C均值聚类的电力负荷动特性分类方法。探讨了聚类分析方法在负荷动特性分类中的应用,包括聚类特征向量的选取和分类方法研究两个方面。对原始模糊C均值聚类算法中的聚类数 进行了研究,在原始算法中融入新的聚类有效性函数,对算法进行了改进,改进算法不需要预先选择类的数目作为先验值。通过动模实验数据的负荷分类实例,表明该方法可自动获取最佳分类数,且分类效果要好于原始算法。     

基于电力大数据技术的泛在电力物联网应用研究∗

大数据技术是电力智能终端与电力物联网之间通信的有效载体.泛在电力物联网既是数据的生产者,同时又是数据的消费者,提升电力大数据的应用技术,可以有效解决泛在电力物联网信息流层面的数据延迟与堵塞问题,提升数据的响应速度.基于大数据与电力物联网融合的设计架构,从能源、金融及业务层面提出了5种应用场景,对电力大数据与泛在电力物联网深度融合的商业运营模式进行了探讨.     

面向电力需求侧响应的用电负荷聚类策略研究

地市供电公司通过归类分析进而准确、快速、有效地发掘用户侧需求响应潜力是缓解高峰时期供电压力和保障电网安全运行的重要举措。因此,构建了基于客户用电负荷大数据的清洗、插值、归一化预处理流程,确立了区分用户生产班制的负荷数据判别方法,建立了匹配用户典型用电负荷曲线的模糊C均值聚类算法模型,用以描述单个用户负荷曲线与地区负荷曲线的近似度,并运用戴维森堡丁指数(DBI)作为聚类结果判据,最后通过对华东某地市用户负荷曲线的需求响应潜力分类算例证明了该归集策略的有效性。