能量与信息融合的电力物联网技术

电力物联网是建立以新能源为主体的新型电力系统的关键技术之一。电力线载波物联网(PLC-IoT)作为能量与信息融合的物联网技术的成功实例,不仅能够利用现有电力线资源进行数据传输,还能提高电网深度感知的能力,适合作为电力物联网网络层的通信方式之一,并促进电网与通信网的深度融合。首先介绍了电力物联网的发展概况,分析了能量与信息融合的物联网技术的可行性和关键问题,并结合PLC-IoT的关键技术和应用优势,探讨了PLC-IoT在电力行业的应用场景和发展方向。最后提出了建设更普遍的多能流多信道泛在能源物联网的愿景。     

基于末端数据融合的电力调度运行安全风险预警系统

电力调度运行安全风险分析阶段缺乏数据线性关系的考虑会导致风险预警出现误警发生,为此,本文设计了基于末端数据融合的电力调度运行安全风险预警系统。该系统以ARM Versatile Express20MG逻辑子板为硬件来实现对风险分析结果的验证。在风险分析阶段,该系统根据电力系统供给侧的输出和用户侧的负荷之间的线性关系,采用数据融合方式计算得到安全风险指标参数,并结合电力系统对风险的抵御方式及风险参数分布与期望之间的关系做出相应的预警反馈。实验测试结果表明,该系统可以实现准确预警,其实验测试阶段未出现误警情况。     

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.     

基于梯度提升决策树的电力物联网用电负荷预测

在电力物联网系统中,为用户提供准确、快速的用电负荷预测一直起着至关重要的作用。由于台区内用户活动的可变性,导致用电负荷通常波动较大,传统方法往往难以准确预测。为了满足智能化、多功能的电力物联网监测,提出了一种基于梯度提升决策树的用电负荷预测方案。首先对台区内历史用电数据进行预处理,并构建时间窗口特征。然后使用基于梯度提升决策树的XGBoost和LightGBM交叉构建预测算法,并采用该算法预测下一时间段短期用电负荷结果,实现台区用电分析。最后与现有方案相比较,本文提出的方案可提供准确的负荷预测结果,在即将发生超负荷用电或者当前台区即将发生大规模停电时,能够及时发出预警。     

电力物联网：数据科学视角及商业模式

当前电力(能源)系统正在向数字化转型,电力物联网的建设进入新阶段。大量感知设备和智能终端接入电力物联网,在电力系统内部和外部产生并积累了大量的数据。特别是电力系统的用电数据蕴藏巨大的价值,内含丰富的社会经济信息。针对用电数据,电力物联网有着多种可能的商业模式。介绍了电力物联网的3重涵义,结合电力物联网中不同类型用电数据的来源阐述其背后的信息,探讨信息/数据融合的理论与技术,并指出数据驱动下电力物联网商业模式的关键问题和具体业务,最后分析了电力物联网数据服务所面临的挑战。     

面向电力物联网的含可再生能源配电网运行展望

目前,电网缺乏对分布式能源及其所接入低压配电系统的有效量测,难以分析可再生能源大规模接入给配电网运行带来的显著不确定性。电力物联网技术可突破传统量测方式的瓶颈,应用于含可再生能源配电网的多级协调运行及可再生能源广域消纳。面向电力物联网的建设,阐述了可再生能源的状态感知、数据采集与处理过程。然后,利用物联网感知信息,从用户侧能量管理、分布式能源集群控制、配电网多时间尺度优化运行、综合能源系统运行等方面,构建了基于电力物联网平台的含可再生能源配电网运行方式框架。最后,对电力物联网在可再生能源系统中的预期应用效益进行了分析。     

考虑信息时移的分布式光伏机理-数据混合驱动短期功率预测

分布式光伏短期功率预测缺乏同时空气象数据。传统方法直接借助邻近集中式光伏站点数据进行功率预测,忽略了地理位置偏移带来的气象信息时移,难以满足预测精度要求。文中提出了一种考虑气象信息时移的混合预测方法。在机理驱动模型中,采用最优时移对气象数据进行偏移修正;在数据驱动模型中,引入时间模式注意力机制削弱气象数据偏移的影响。然后,通过Stacking集成学习框架将两种方法进行融合,形成机理-数据混合驱动模型,进一步提高预测稳定性及准确率。基于分布式光伏和公共气象站点实际数据进行的案例分析表明,所提方法能够有效利用偏移地理位置的气象数据,实现更高精度的分布式光伏发电功率预测。     

基于电力数据及信息融合的电力客户行为分析

随着售电市场的进一步开放,立足当前电力改革形势,进一步挖掘用户价值,提升供电服务质量已经成为电网企业转型的必要手段。提出利用电力业务数据以及多模态双向交互信息融合、大数据分析等信息技术,抽取出存在于电力营销数据、客户语言、情绪等信息中的相关特征,实现对电力营业厅客户用电行为、用电习惯的分析,提供针对性、差异化的服务方案,满足客户需求,让电力客户感受更舒适、更优质的服务体验,提高营业厅的服务质量、服务效率。     

基于元学习动态选择集成的电力调度数据异常检测方法

及时准确识别电力调度自动化系统业务运行异常对于维护具有“双高”特性的交直流混联大电网系统安全稳定运行具有重要意义。调度自动化系统运行业务种类繁多、业务状态监测维度多样且各业务之间存在复杂交互关系,导致调度监测数据的异常模式呈现多样化的特点。现有基于动态选择集成的无监督异常检测方法存在衡量基检测器性能的评价基准不准确且只使用单一性能指标的问题,难以在多种异常分布模式上均保持较好的性能。该文提出一种基于元学习动态选择集成的电力调度数据异常检测方法。针对评价基准不准确的问题,提出一种混合选择集成思想,通过基于孤立森林的静态选择方法预先剔除性能较差的基检测器,再对筛选后的基检测器进行动态选择集成,有效提高了假真值的准确性;针对单一指标通用性弱的问题,提出融入元学习的基检测器动态选择集成策略,将多个基检测器的动态选择问题转换为二分类问题,设计多种指标作为元特征来训练元分类器,并根据其输出选择性能较好的基检测器进行检测,通过多种指标互补以获得更强的通用性。在30个权威公开数据集和某省级电网调度中心业务数据集上开展了大量实验,与多种典型集成异常检测方法进行了对比,验证了所提方法在曲线下面积值(are...     

泛在电力物联网关键技术探讨

能源供应压力不断增大和大量多种类型分布式能源不断接入给电力系统的经济运行、安全管理和应用服务提出了前所未有的挑战。国家电网有限公司提出了打造泛在电力物联网的构想,拟通过物联网技术赋予电力系统灵活感知、实时通信、智能控制和可靠的信息安全等能力,不断提升电网运行控制和调度的智能化水平,持续深入提高各种类型能源之间的互动能力,将现有的电力系统转变为更高效、更安全、更可靠、更具弹性和可持续性的智能网络化电力能源系统。对泛在电力物联网的基本概念、主要特点、关键技术和典型应用进行说明与分析,在此基础上给出泛在电力物联网建设面临的主要挑战,为相关研究的深入开展提供有益的参考。     

基于云-边-端协同的电力物联网用户侧数据应用框架

物联网技术渗透到电力系统所形成的电力物联网承载着海量数据流,通过电力业务数据化和电力网络信息化,促进电力数据业务化目标的实现。目前电网基于云计算的集中式数据存储与处理,使得海量细粒度的用户侧数据无法得到有效应用。基于此,文章提出了基于云-边-端协同的用户侧数据应用框架,以打破由于计算资源有限而导致用户侧与电力系统的交互壁垒。利用边缘计算与云计算的互补性,以预测预警、分类聚类和需求响应3类用户侧基础数据应用为例,设计了用户侧数据应用框架,以期实现自下而上和自上而下的双向数据流、业务流的协同循环,从而达到对用户侧数据进行广而深的价值挖掘的目标。最后,从物理层、平台层和业务层3个维度对实现该框架的关键技术进行了分析与总结。     

基于泛在电力物联网的电力能耗管理系统研究

随着当今时代互联网的飞速发展,传统电网已经不再能满足人民日益增长的电力需求。为实现全面感知、可靠传输、智能处理、互交互联的新一代电力系统,国家电网提出发展泛在电力物联网的战略目标。首先以清洁能源、能源需求为背景,对泛在电力物联网的概念、基本构架进行详细阐述。然后对电力能耗监测管理系统构架的主要关键技术进行说明。最后以华北电力大学扬中智能电气研究中心的电力能耗监测管理系统为实例,阐述泛在电力物联网基本应用情况,为其它相关研究提供参考。     

基于数据集成平台的电力报表中心

集中化已成为国内电力信息化建设的发展方向，文中根据这一特点，设计了基于数据集成平台的电力报表中心。在提出系统整体设计的基础上，对系统的组成部分：数据集成平台、元数据、报表定义工具、报表发布分别进行了描述与说明。系统设计过程中采用了Web Services实现。NET与J2EE异构系统、面向业务的可视化报表操作、基于角色的访问控制的报表管理等关键技术。     

电力物联网统一信息感知模型研究

本文提出一种基于云计算的电力物联网统一信息感知模型,通过将感知设备静态属性信息定义在应用层云端,减少实时传输数据的报文数,降低感知节点信息传输功耗,延长感知设备的生命周期。     

基于气象大数据的城市电力负荷预测

为克服利用气象因素对用电量预测任务中必须先观测到气象条件再进行预测的困境,提升用电量预测准确性,提出一种基于时序卷积网络与循环神经网络的用电量预测方法.使用时序卷积网络基于历史气象数据对未来气象条件进行预测,结合历史用电量数据对未来用电量数据进行预测.算法在预测当前用电量时只依赖于过去的特征,因此无需先观测到当前气象特征.在真实的气象与用电量数据集上的实验结果表明,在仅使用气象因素这一外部变量时,算法对用电量的预测准确性超出了传统方法,有较高的实用性.     

基于大数据分析的电力移动物联网信息安全终端架构

针对电网数据体量大、类型多、速度快的特点,传统的方法已经无法对电力大数据进行处理,提出了基于大数据分析的电力行业移动物联网信息安全终端架构,给出了整个系统的体系结构。基于支持Spark的Yarn集群计算系统,采用Hadoop技术、无线通信、互联网技术、传感技术等,给出了系统大数据存储和终端采集的解决方案,并对存在的难点与问题进行了分析。     

电能表故障预测的代价敏感模型研究

对电能表故障的准确预测是及时处理异常电能表,实现拆回电能表的自动分拣与质量评估的关键环节.为解决电能表故障预测这一高度不平衡的分类问题,文章提出一种代价敏感的多分类集成树模型.通过层次聚类等预处理技术,对数据特征维度进行压缩以抑制过拟合;通过优化基于类别先验概率设计的代价敏感目标函数,模型可以有效克服由于数据集不平衡导...     

深圳大运会电网调度风险预测及应对措施

结合深圳电网结构特点提出合适的风险评估原则,分析电网运行风险,制定主要系统运行风险应对措施.     

基于电力数据与机器学习的家庭收入估计方法

合理利用从智能电表获取的家庭用电量数据,就可以推断出一个家庭的收入情况,从而有利于商家对消费群体的把控,使商家更有针对性地为用户提供需要的服务和产品。为了提高推断的准确率,提出了一种利用家庭总用电量和房屋面积信息的数据融合方法来估计家庭收入情况。研究运用几种不同的机器学习分类算法对数据进行训练和分析,最终使得对家庭年收入的分类准确率可以达到81%,相比于只利用家庭总用电量的信息,分类准确率提高了15%。可见,增加房屋面积信息的方法能够达到一定的评估目的,为商家和用户提供帮助,使人们享受更加智能和优质的生活。