基于大数据平台应用的供电量分析及预测方法研究

发布时间：2019-11-10 14:45

【摘要】：目前,由于电力行业的持续发展,供电企业管理对以往的电力系统的要求已大大提高。同时,电力行业管理者也会遇到越来越多的决策问题。因此基于大数据平台应用的供电量分析及预测系统,将会成为支持企业决策分析和改善企业管理的重要工作。另一方面是在当下的经济环境下,电量数据作为可以客观衡量经济形势的重要指标,得到了政府部门的高度重视。特别是各行业的电量计算和分析预测,能够辅助政府对经济形势进行预判,从而进一步作出经济方面的决策。因此基于大数据平台应用的供电量分析预测势在必行。但是基于大数据平台应用的供电量分析及预测系统中已有的预测方法预测精度不高,各方法均存在自身局限性,所以预测结果不能令人满意,因而提高预测精度一直是人们致力研究的方向。为了更加精准的预测目标年用电量,本文将对佛山市未来用电量的预测方法进行重点研究,通过对所建立模型的研究和与传统的单项负荷预测模型进行实例验证,表明使用本文中的预测模型可以得到更加精确的预测结果。本文先对基于大数据平台的用电量分析及预测系统进行了详细的分析与介绍,并重点分析了基于历史电量数据进行预测进而得到未来用电量走势的功能;然后对佛山市电网历史数据进行统计,利用时间序列分解法揭示负荷时序序列的内在规律,在规律性分析中应用该方法,分析总结出负荷时间序列的变化规律,运用科学合理的方法进行数据处理,从而找出负荷客观实际的用电量规律,为指导电网规划研究提供了理论基础;为了对用电量预测方法上的创新及预测精度的提高,本文充分挖掘并利用负荷历史数据的更多信息,在对负荷序列进行分析的基础上,构建了双向预测模型,利用所建模型对历史数据进行处理,得到目标年各月度用电量预测值;另外,本文提出一种基于多变量模型的佛山市用电量预测方法,对影响佛山市用电量电量发展的多个因数进行综合分析,建立电量预测模型,通过运用该模型来改善预测结果的精度。最后,以佛山地区电网为例,利用已收集的历史数据验证所建立的预测模型来证明所提预测方法是有效的、可行的,所以研究佛山市未来用电量预测方法,对电量预测结果精度的提高具有重大意义。
【图文】：

系统架构

图 2-1 系统架构图 2-1 中可以看出，持久层、业务逻辑层、展现层组成系统构架。外部数据等进行同步、加工；业务逻辑层主要采用数据分析的方信息进行处理；数据应用层主要对系处理结果进行呈现，，负责满提供电量预测、历史用电情况查询、大客户管理、95598 服务管模块功能。持久层一些技术化的手段或第三方工具，如 ETL 工具、数据库的 DBLML 将用户基本信息、量价费数据、天气、宏观经济等信息收集到（Greenplum）中[13]。据平台的数据存储和处理能力非常强，可支持 50PB(1PB=1000T采用流行的 MPP 并行处理架构。通过在 MPP 架构中增加节点，的存储容量和处理能力[14]。数据库软件系统节点基于业界各种开有高性价比，并提供资源管理功能(workload managemnt)来管理数据队列管理能够将用户组的资源合理分配[15-16]。

界面图,电量,月度,界面

应用构架及相应平台环境佛山市用电量预测确的电量预测能够帮助电力企业更好地了解市场需求和动态，是电力难点工作。通过依托大数据技术紧密结合业务需求，沉淀业务专家经学精确的预测模型和预测结果。将用电量情况及系统历史数据、天气气温、降水等，业扩报装情况、社会经济状况等指标参数维护维护到系务需求，对客户进行分类型，建立预测目标客户类型，并对客户类型行采集。本模块中使用大数据平台的线性回归模型、灰色模型、BP 以及 winters 模块四种预测模型算法[19]。月度或年度根据不同的预测模型进行电量预测，并对预测记录及预测，查询不同时间段的历史预测值，并提供上报和数据审核功能[20]。月度预测电量,界面如图 2-2 所示。
【学位授予单位】：华北电力大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TM715

【参考文献】