電子發燒友網>電子資料下載>模擬數字>如何使用大數據技術進行短期負荷分析與預測

如何使用大數據技術進行短期負荷分析與預測

3408448 2019-03-15 | docx | 0.24 MB | 次下載 | 5積分

資料介紹

　　長期以來，預測短期負荷的時間序列法、專家系統法、人工神經網絡法等方法的實際應用效果并不理想，在建立系統負荷與眾多影響因素之間的關系模型時存在很大困難，引起這一問題的原因主要在于用戶負荷的變化千差萬別，用戶負荷在疊加時會削弱甚至抵消某些用戶負荷的變化規律，使得系統負荷變化的規律性變得模糊，難以精確定位負荷波動真正原因;同時負荷的影響因素之間呈現非線性、復雜性和滯后性等特點。

　　隨著智能電表的大面積安裝和用電信息采集系統的廣泛應用，獲取了大量用戶的負荷信息，使得研究用戶負荷變化規律成為可能，由于用戶受行業屬性決定，其生產活動具有自身明顯的規律性，影響因素相對單一，負荷與影響因素的關系更加簡單，負荷特性更易于把握，因此負荷分析點越接近于負荷需求地越有利于掌握負荷發展規律

　　據的短期負荷預測新方法。但由于電網用戶數量眾多，數據量大、計算量大，傳統的計算框架已無法勝任如此大量的數據計算工作，因此提出了基于Hadoop 大數據技術的解決方案。

　　針對用戶層面的用電規律和負荷預測研究工作，是今后電力系統短期負荷預測的一個全新發展方向，將更加有利于電網公司制定精細化的調度計劃，以及提高電網運行的穩定性和經濟性。此外，用戶負荷與行業屬性、GIS 等維度信息的組合，可實現行業和地塊負荷的用電趨勢研究。