|
彭澤武，周瓏，黃劍文 （廣東電網(wǎng)有限責任公司信息中心，廣東 廣州 510080） 摘 要：電力負荷預測對于電力系統(tǒng)的安全運行起著關鍵作用，也是電力系統(tǒng)自動化的重要研究方向。隨著智能電網(wǎng)的發(fā)展，對于電力負荷的預測往往需要權衡數(shù)學模型的合理性、服務器的利用率等問題。電力負荷預測包括負荷預測的海量數(shù)據(jù)的管理、波動性負荷以及預測的精密度，大數(shù)據(jù)技術對于數(shù)據(jù)的挖掘分析是電力負荷預測的一個重要手段，在未來的智能電網(wǎng)領域一定會取得廣泛的運用。 關鍵詞：負荷預測；技術；應用實踐 0 引 言電力負荷預測是對智能電網(wǎng)系統(tǒng)的規(guī)劃和調度，也是電力相關部門的基礎工作。電力負荷預測對于穩(wěn)定運行電力系統(tǒng)起著重要作用，可以有效提高供電的效率、質量，節(jié)省運營成本[1]。以往的電力負荷預測如實踐序列法、回歸分析法等傳統(tǒng)的技術因其隨機性而受到了限制，而大數(shù)據(jù)技術在負荷特性的分析中，可以與環(huán)境因素、經濟發(fā)展水平和居民收入等情況的相關性，統(tǒng)計出各種因素的頻度，從而有效地分析出電力負荷的影像因素之前的關聯(lián)性。 1 我國電力負荷預測現(xiàn)狀電力負荷預測對于電力系統(tǒng)的安全運行起著重要的作用，是智能電網(wǎng)安全控制的基礎，也是電力系統(tǒng)自動化的重要研究方向。在市場經濟的環(huán)境下，無論是居民用電，還是企業(yè)用電，做好電力負荷預測都是具有巨大應用價值的。近年來，電力系統(tǒng)一直在推進智能電網(wǎng)的建設，電網(wǎng)智能化的標志技術之一就是要電力負荷的預測技術。伴隨著大數(shù)據(jù)技術在電子商務中的運用，傳統(tǒng)行業(yè)尤其是電力系統(tǒng)開始重視大數(shù)據(jù)帶來的機遇與挑戰(zhàn)。如何充分發(fā)揮大數(shù)據(jù)技術的優(yōu)勢，結合電力系統(tǒng)的特點，確保對電力客戶的優(yōu)質服務，降低電力系統(tǒng)的管理成本，為有效的決策提供依據(jù)，成為當前電力系統(tǒng)研究的一大方向。 2 大數(shù)據(jù)技術在我國電力系統(tǒng)的應用我國電力系統(tǒng)大數(shù)據(jù)技術的應用相對于國外較晚，還沒有具有影響力的研究成果。但是我國的高校和電力科研單位都相繼進行了大數(shù)據(jù)技術的研究課題，大數(shù)據(jù)時代的到來，對于電力負荷的預測、大數(shù)據(jù)技術的運用研究非常有必要，而且大數(shù)據(jù)技術的成熟化也可以加快智能電網(wǎng)建設的速度。相關電力研究單位對于大數(shù)據(jù)技術的研究也是很積極的，專門建立大數(shù)據(jù)團隊來解決智能電網(wǎng)建設中遇到的問題，或者與國外公司合作采集建立大數(shù)據(jù)庫，采集智能電網(wǎng)的信息，分析環(huán)境數(shù)據(jù)的用電負荷特點，進行負荷預測，合理優(yōu)化能源[2]。 大數(shù)據(jù)技術對用戶的用電信息每隔一段時間就統(tǒng)計一次，為用戶提供了精確度極高的海量數(shù)據(jù)[1]。對于這種海量數(shù)據(jù)的高效分析，能夠為電力系統(tǒng)經濟安全供電、用戶經濟用電提供幫助。大數(shù)據(jù)技術可以挖掘用戶的用電行為和特點，給正確的電力需求響應提供了依據(jù)，從而建立良好的負荷預測系統(tǒng)。 3 電力負荷和影響因素的特點電力負荷的特點主要包括外在影響因素和內在的變化特性，外在影響因素主要包括經濟、時間、環(huán)境以及居民的收入水平等。環(huán)境則包括了濕度、溫度、日照等，環(huán)境因素對于電網(wǎng)最大負荷有明顯的相關性，對于居民用電、第一產業(yè)和第三產業(yè)都有較大影響。 居民的收入水平也是電力發(fā)展的基礎影響因素，居民收入水平高的地方，對于有電力的需求通常比較大，即用電量多，可以發(fā)現(xiàn)GDP的增長速度與用電量的增長速度呈現(xiàn)正相關[3]。時間影響因素包括白晝、黑夜、四季等，季節(jié)性因素、休息日和法定節(jié)假日都是用電負荷的影響因素，居民的工作方式和生活習慣，使得用電負荷呈現(xiàn)周期性的特點。還有其它的一些隨機因素，能夠引起用電負荷的波動，但是沒辦法歸入日常的影響因素中，比如電力系統(tǒng)故障、重大活動等等。 電力負荷也是有內在特點的，通過所統(tǒng)計的用電負荷曲線來看，是具有周期性的。每天的負荷變化趨勢是有相似性的，研究發(fā)現(xiàn)用電負荷具有以天、月，甚至年為單位的周期性和連續(xù)性特點。 4 大數(shù)據(jù)技術的概念大數(shù)據(jù)技術是通過分析海量的數(shù)據(jù)資料，發(fā)現(xiàn)具有潛在的、有價值的信息的過程。大量數(shù)據(jù)中通常摻雜著有用和無用的數(shù)據(jù)信息，運用正確的方法去探索其中有價值的信息就是大數(shù)據(jù)技術所要做的。大數(shù)據(jù)技術通常分為關聯(lián)性分析、數(shù)據(jù)分類、聚類分析、趨勢分析、偏差檢測和數(shù)據(jù)預測[4]。關聯(lián)性分析旨在發(fā)掘某些數(shù)據(jù)項關鍵的關聯(lián)規(guī)則，找到隱藏的關系鏈，從而得到可信度高的關聯(lián)規(guī)則。數(shù)據(jù)分類則指區(qū)別性和特征性描述對象。聚類分析是把定量數(shù)據(jù)依據(jù)相似度劃分為不同類的過程。趨勢分析也是時間序列分析，重點研究的是數(shù)據(jù)的前因后果關系。偏差檢測則是通過檢測和剔除明顯異常的數(shù)據(jù)，得到可信度高的數(shù)據(jù)庫。數(shù)據(jù)預測是分析以往的數(shù)據(jù)，并將其應用到所建的數(shù)學建模中預測未來變化趨勢。 5 大數(shù)據(jù)技術在用電負荷預測中的應用大數(shù)據(jù)是數(shù)據(jù)庫和人工智能算法的結合，在用電負荷預測中會用到關聯(lián)規(guī)則挖掘、聚類分析、人工神經網(wǎng)絡技術、決策樹、粗糙集理論等。智能電網(wǎng)的建設過程中，電力相關數(shù)據(jù)的增長是呈幾何態(tài)勢的。電力負荷的特性除了內在因素的影響，還有外因的影響，這時電力負荷既有規(guī)律性，也有波動性。對于外在影響因素，通過關聯(lián)規(guī)則算法在數(shù)據(jù)庫中找到各個數(shù)據(jù)項的關聯(lián)性，通過這種關聯(lián)性的分析獲得對電力負荷更深層次的獲知。關聯(lián)規(guī)則挖掘對用電負荷特性的發(fā)掘更為客觀。通過選擇特定的用電負荷研究對象，作相關性分析，分析負荷與環(huán)境、居民收入水平、時間等因素的關系，應用關聯(lián)規(guī)則，統(tǒng)計各類因素的頻度，限定最小支持度和可信度，從而獲得有價值信息。 電力負荷特性的預測中也常用到聚類分析法，通過對負荷數(shù)據(jù)和影響因素的聚類，把數(shù)據(jù)形成一組，同一類的數(shù)據(jù)資料具有相似性，這一類型的負荷或影響因素放在一起，其負荷的特性就可以更好地體現(xiàn)出來。神經網(wǎng)絡技術是大數(shù)據(jù)技術中一個實用性較強的研究方法，它可以模仿人腦的智能化處理，對于非線性、非規(guī)律性的數(shù)據(jù)有學習能力。這在電力負荷的預測中已取得較為滿意的效果，而且神經網(wǎng)絡技術可以和很多理論，比如混沌、粗糙集理論等結合[4]。 6 結 論當今科技的飛速發(fā)展，電力系統(tǒng)的信息化程度也在迅猛發(fā)展，這就意味著電力數(shù)據(jù)信息的幾何倍數(shù)增長態(tài)勢。數(shù)據(jù)量的龐大，已經很難用傳統(tǒng)的組織信息傳輸網(wǎng)絡進行分析。而大數(shù)據(jù)技術已經成為用電負荷預測中，海量數(shù)據(jù)分析和發(fā)掘有價值信息一個很重要的手段。 相對傳統(tǒng)的用電負荷預測，現(xiàn)在的預測技術有了新的挑戰(zhàn)，從單純的負荷預測技術向更加精細化的管理服務轉變。智能電網(wǎng)的建設和量測體系的大面積推廣，都對用電負荷預測的精密度提出了高要求，難度加大，大數(shù)據(jù)技術的運用是智能電網(wǎng)建設的必然趨勢。 結合大數(shù)據(jù)技術的聚類分析、神經網(wǎng)絡算法，把結果通過篩選得到與預測最為相似的結果，并將這類樣本作為訓練數(shù)據(jù)。大數(shù)據(jù)技術的結合運用提高了預測的精準度和運算的效率。某些數(shù)據(jù)的搜集較為困難，比如濕度、降雨量等，分析負荷特性的時候，選取的影響因素數(shù)據(jù)較少，這對于用電負荷的相關數(shù)據(jù)挖掘會顯得比較片面，因此在今后的工作中，要盡可能地把相關影響因素都考慮進去，進行搜集。關于聚類算法中比如等價關系等，需要選擇合適的分類進行優(yōu)化，通過大數(shù)據(jù)技術完成對用電特征的搜集，用電特征參數(shù)的定義，建立更深入的定性定量統(tǒng)計，和更為直觀的相關數(shù)據(jù)支撐，建立基于大數(shù)據(jù)平臺的用電負荷24小時功率預測模式。 參考文獻： [1]杜明建.大數(shù)據(jù)技術在負荷預測與負荷特性分析中的應用[J].東南大學，2015（5）. [2]楊屹洲.基于數(shù)據(jù)挖掘的商業(yè)電力負荷預測及用電優(yōu)化算法研究[J].華僑大學，2015（4）. [3]謝峰.基于智能算法的電力負荷預測分析[J].河北工業(yè)大學，2013（2）. [4]王賀，于淼.淺談智能電網(wǎng)下的負荷分析與預測技術[J].黑龍江科技信息，2016（6）. [5]郎坤，張明媛，袁永博.基于迭代誤差補償?shù)暮藰O端學習機模型在短期電力負荷預測中的應用[J].計算機應用，2015（7）. Study of Electric Load Forecasting Technology and Application Practice PENG Zewu，ZHOU Long，HUANG Jianwen Abstract：Power load forecasting plays a key role in the safe operation of power system，and it is also an important research direction of power system automation.With the development of smart grid，it is often necessary to weigh the rationality of the mathematical model and the utilization ratio of the server in the prediction of the power load.Power load forecasting including massive data management，load forecasting and load fluctuation forecasting precision，big data technology is an important means of power load forecasting for data mining analysis，in the future smart grid field will use widely. Keywords：load forecasting；technology；application practice 中圖分類號：TM714 文獻標識碼：A 文章編號：2096-4706（2017）01-0113-02 收稿日期：2017-05-26 基金項目：2017年廣東電網(wǎng)有限責任公司信息中心用戶用電構成解析及其應用項目研究開發(fā)子項（000000KK52160001）。 作者簡介：彭澤武，男，漢族，湖北監(jiān)利人，博士。研究方向：大數(shù)據(jù)技術研發(fā)研究。 |
|
|
