基于用户用电行为正向分析负荷预测方法的研究

发布时间：2017-09-16 12:12

  本文关键词：基于用户用电行为正向分析负荷预测方法的研究

  更多相关文章： 智能电网 大数据 负荷预测 正向分析 聚类分析

【摘要】：随着智能电网下智能通信技术(ICT)的快速应用和推广,加之智能终端设备的安装覆盖范围增大,使得电力系统拥有的数据量越来越大。如何利用大数据的分析方法,将数据转化为有用信息,提高电力线运行水平是目前重点关注的研究热点。与传统负荷预测相比,智能电网中的负荷预测已经从单纯的负荷预测技术向负荷预测精细化服务管理层面转变,因此负荷预测的精度和密度要求越来越高,难度越来越大。结合大数据技术,实现智能电网的负荷预测工作是一种有益的探索,也是智能电网发展的必然趋势和要求。本文融合了各类相关信息平台和当前最新的ICT技术,在考虑负荷预测技术趋势的基础上,提出了以用电用户行为正向分析为前提的负荷预测方法。首先建立了不同行业用户用电行为的特征库,然后采用动态聚类的方法对用户类型进行划分,最终实现了用户日负荷曲线的预测和预测结果的动态调整。该方法可以有效减少负荷预测对电力负荷历史数据的强依赖性,并通过拓展关联数据,实现更为准确的各级负荷预测。在方法研究的基础上,基于云平台技术和海量数据存储技术,开发基于用户行为分析的新型负荷预测系统,实现了上述功能。该系统在阳江电网得到了工程实际应用。在工程实际应用中,对2个典型用户开展了负荷预测工作,预测结果与实际负荷的比较验证了方法的有效性。同时,负荷预测系统还可获得变电站母线的负荷预测结果,是电网的调度运行和规划的重要基础数据。
【关键词】：智能电网 大数据 负荷预测 正向分析 聚类分析
【学位授予单位】：华南理工大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TM715
【目录】：

• 摘要5-6
• ABSTRACT6-9
• 第一章 绪论9-16
• 1.1 研究背景与意义9-10
• 1.2 研究现状10-12
• 1.3 论文的主要思路12-14
• 1.4 本文主要工作14-16
• 第二章 用户用电行为分析及负荷预测模型的建立16-40
• 2.1 引言16
• 2.2 用户特征的分析以及特征库的设计16-26
• 2.2.1 用户用电行为影响因子确定16-17
• 2.2.2 用户特征分析17-26
• 2.3 用户行业细分与动态聚类分析研究26-30
• 2.3.1 动态聚类方法研究26-27
• 2.3.2 用户行业分析27-29
• 2.3.3 用户行业动态聚类研究29-30
• 2.4 基于用户用电行为的预测模型建立以及动态修正的研究30-38
• 2.4.1 基于SVM的用户用电行为预测模型30-31
• 2.4.2 基于多层神经网络的用户负荷预测模型31-32
• 2.4.3 基于用户行业类别定制化的正向负荷预测模型与动态修正32-38
• 2.5 本章小结38-40
• 第三章 负荷预测系统的实现40-45
• 3.1 引言40
• 3.2 系统整体架构及控制框图40
• 3.3 系统功能40-42
• 3.4 系统实现中的云平台构架及关键技术42-43
• 3.4.1 Hadoop基本构架42
• 3.4.2 海量数据分布存储技术42-43
• 3.4.3 海量数据管理技术43
• 3.4.4 SOA构架43
• 3.5 本章小结43-45
• 第四章 负荷预测系统的实际工程应用45-51
• 4.1 引言45
• 4.2 用户的行业聚类45-46
• 4.3 用户预测结果及其准确性分析46-49
• 4.4 母线负荷预测结果分析49-50
• 4.5 本章小结50-51
• 结论51-53
• 参考文献53-55
• 附件55-61
• 攻读硕士学位期间取得的研究成果61-62
• 致谢62-63
• 答辩委员会对论文的评定意见63

【相似文献】

中国期刊全文数据库 前10条

1 李晓辉;武博;王X;;负荷预测方法的研究[J];内江科技;2010年12期

2 杜松怀;负荷预测方法及其影响因素[J];农村电气化;2001年04期

3 郝有志,李德英;热负荷预测方法评析[J];建筑热能通风空调;2003年01期

4 沈一平;;土地用途清晰开发小区的负荷预测方法[J];浙江电力;2006年06期

5 马娟;徐培凯;;基于改进加权一阶局域预测模型的负荷预测方法研究[J];自动化技术与应用;2009年09期

6 张学英;;县级市电网负荷预测方法初探[J];中国电力教育;2010年S1期

7 赵丽娜;张小伟;;地区主网规划的负荷预测方法研究[J];中国电力教育;2010年S1期

8 苏卫华;储琳琳;张亮;苏慧玲;高赐威;李扬;;考虑需求侧管理的负荷预测方法研究[J];华东电力;2010年08期

9 周nv;邓景云;任海军;张昀;李健;孙才新;;基于蚁群算法的配电网空间负荷预测方法研究[J];电力系统保护与控制;2010年24期

10 李江涛;鲁靖华;;浅析电网负荷预测方法及其实现[J];科技风;2011年03期

中国重要会议论文全文数据库 前8条

1 郝有志;李德英;;热负荷预测方法的评析与研究发展方向[A];全国暖通空调制冷2002年学术年会资料集[C];2002年

2 毕丽娜;张筱慧;;电力系统空间负荷预测方法综述[A];中国高等学校电力系统及其自动化专业第二十四届学术年会论文集（中册）[C];2008年

3 张心刚;蔡龙俊;;工业园区热负荷预测方法[A];上海市制冷学会2005年学术年会论文集[C];2005年

4 蔡龙俊;王珑;;青浦工业园区热负荷预测方法[A];全国暖通空调制冷2010年学术年会论文集[C];2010年

5 施红;张建华;刘自发;;城市配电网的实用负荷预测方法[A];中国高等学校电力系统及其自动化专业第二十四届学术年会论文集（上册）[C];2008年

6 蔡龙俊;;青浦工业园区热负荷预测方法[A];上海市制冷学会2009年学术年会论文集[C];2009年

7 张雪峰;;配网规划中负荷预测方法[A];2008年云南电力技术论坛论文集[C];2008年

8 文勇;;县级电网规划中的负荷预测方法及特点[A];济宁市技术创新与可持续发展论文选编[C];2005年

中国硕士学位论文全文数据库 前10条

1 梁伟;基于用户用电行为正向分析负荷预测方法的研究[D];华南理工大学;2015年

2 刘昱;城网规划负荷预测方法研究与应用[D];天津大学;2009年

3 王晓东;城网综合负荷预测方法的研究与工程应用[D];天津大学;2004年

4 谢秦;城市功能区空间负荷预测方法研究[D];天津大学;2012年

5 张劲帆;配电网分布式负荷预测方法[D];湖南大学;2013年

6 乐欢;城市配网规划中基于空区推论的空间负荷预测方法研究[D];重庆大学;2009年

7 张红旭;考虑气象因素的负荷预测方法研究及其系统实现[D];湖南大学;2009年

8 聂鹏;基于支持向量机和多级聚类分析的空间负荷预测方法研究[D];东北电力大学;2015年

9 周江昕;考虑需求侧管理的负荷预测方法研究[D];上海交通大学;2012年

10 门德月;基于支持向量机的电网月度负荷预测方法研究[D];华北电力大学;2012年

，

本文编号：862968