智能电网中基于WebGIS的可视化分析系统研究与实现

发布时间：2021-07-19 11:03

　　智能电网积累了丰富的电力数据,其中蕴含着丰富的用电行为信息。对这些数据进行挖掘可以帮助电力公司了解用户的个性化、差异化服务需求,但是,由此导致的数据爆炸也是智能电网面临的一个巨大挑战。当前,很多学者对用户用电行为的研究都是根据用电数据对用户进行聚类分析。自动化的数据挖掘方法往往存在对结果的解读,分析和验证困难的问题,不能直观的对于不同用户的行为差异进行有效性分析。可视化借助于人眼对视觉的快速感知能力和人脑的智能认知能力,能够起到清晰高效的传达信息和辅助数据分析的作用。因此,将可视化应用于智能电网中,与电力数据分析结合,能帮助电力系统专家结合领域知识挖掘用电行为背后隐藏的模式。本文的主要研究内容如下:（1）提出了一种用电行为数据的可视分析方法。用电数据具有时序特征,本文在使用用电数据统计特征的基础上提取了用电序列曲线的形状特征,用来表示用电数据的波动性,使用基于K-means的聚类方法对用电行为进行分组。为了表现用电行为数据的多维特征,本文设计了一种基于序列饼图的可视化布局,在表现时间维度的同时,利用可视化图元编码用电行为的多维属性特征,从而帮助分析人员更好的比较用电行为差异。此外,本文... 

【文章来源】：北京邮电大学北京市 211工程院校 教育部直属院校

【文章页数】：68 页

【学位级别】：硕士

【部分图文】：

图２－１可视分析学标准流程??在相当多的应用场合，异构数据源需要在可视分析或自动分析方法应用之前??

??时序数据的可视化方法同样受到广泛的重视。图２－２（Ｂ）将时间序列沿周期排列。??它采用螺旋图的方法布局时间轴，一个回路代表一个周期。选择正确的排列周期??可以展现数据集的周期性特征。??多变量时变性数据是实际应用中常见的数据集。由于存在多个变量，可视化??需要兼顾数据本身属性和数据集的顺序性，结合数据分析的方法展现和挖掘顺序??性数据的规律。面向大尺度数据，首要任务是对数据的抽象和重构，以便刻画复??杂有序数据集的内涵特征，生成紧凑的概述图像，方便索引和搜索。这个流程可??归纳为三类基本方法，即数据抽象，数据聚类和特征分析。数据抽象指通过数据??降维、特征选择和数据简化等方法，构建增强关键特征而抑制不相关细节的表达、??获得有序数据流的相关特征或隐含特征模式。其挑战之一＇在于如何在线分析源源??不断产生的数据流

序列饼图的多维时序数据可视化方法。??图３－１图元符号??图元符号（图３－１）用来展示每个月的用电行为。其中内圆环的半径表示用户??在这个月的用电总量，半径越大表示用电量越大。外环中的灰色部分表示为本月??的用电天数，如果一个群体在一年中灰色部分都很少，表示该类用户常年不用电，??因此可以判其为空置房。饼图四个部分表示峰，平，尖，谷用电量的比例，对于??大部分上班族，由于白天上班，用电集中在晚上，因此消耗的谷电占比就会很大。??把这样的图元排列起来，组成一个序列饼图（图３－２）。一行代表一年１２个月??的用电行为特征。实现了展现用电行为时变特征的需求。开始时，系统对用户每??天的行为进行编码，但是，由于时间跨度太大，会非常的拥挤。经过考虑和测试，??本文最终决定对每个月的用电行

【参考文献】：
期刊论文
[1]电网实时监控可视化技术研究与分析[J]. 赵林,王丽丽,刘艳,孙湃,张亮.  电网技术. 2014(02)
[2]基于云计算的居民用电行为分析模型研究[J]. 张素香,刘建明,赵丙镇,曹津平.  电网技术. 2013(06)
[3]基于实际负荷曲线的电力用户分类技术研究[J]. 冯晓蒲,张铁峰.  电力科学与工程. 2010(09)
[4]基于Google Earth的电网信息可视化研究及实现[J]. 黄媛,刘俊勇,何迈,杨嘉湜,王民昆.  四川电力技术. 2009(S1)
[5]基于价值评价的电力用户分类研究[J]. 王璨,冯勤超.  价值工程. 2009(05)
[6]电网在线可视化预警调度系统[J]. 刘俊勇,陈金海,沈晓东,李成鑫.  电力自动化设备. 2008(01)
[7]基于模糊聚类的电力负荷特性的分类与综合[J]. 李培强,李欣然,陈辉华,唐外文.  中国电机工程学报. 2005(24)

硕士论文
[1]智能电网中基于WebGIS的可视化方法研究[D]. 解文龙.华北电力大学 2014
[2]基于Google Earth的农村电网可视化系统研究[D]. 邓云博.电子科技大学 2011
[3]基于ArcGIS Server的电网可视化WebGIS平台应用研究[D]. 魏洪俊.电子科技大学 2009



本文编号：3290583