北极星

搜索历史清空

  • 水处理
您的位置:电力技术正文

电力大数据实际案例:基于大数据的短期负荷预测

2016-01-13 09:19来源:机械工业出版社E视界关键词:电力大数据电力系统用电信息采集系统收藏点赞

投稿

我要投稿

电力大数据实际案例分析

1.现状需求

电力系统短期负荷预测结果关系到电力系统调度运行和生产计划的制定,准确的短期负荷预测结果有助于提高系统的安全性和稳定性,能够减少发电成本。电网中短期负荷预测主要根据自然条件与人为影响等多个影响因素与负荷的非线性关系,在满足一定精度要求的条件下,确定未来几天的负荷数据,其中负荷是指电力需求量(功率)或用电量。负荷预测的建模与预测是根据历史数据资料所包含的信息,建立理想的模型及处理随机因素仍然是负荷预测的主要问题,影响负荷预测精度的原因是多方面的,具体可分为三个方面:

(1) 影响因素的不确定性导致负荷规律难以把握。影响负荷走势的因素中包括温度、降水等天气因素,又包含重大设备检修、重大文体活动等人为因素的影响。这些因素呈现显著的随机性和不确定性,因此负荷时间序列的变化呈现非平稳的随机过程。

(2) 负荷预测模型的质量直接关乎预测精度的高低。负荷预测模型的建模与预测是依据历史数据资料所包含的信息,因此预测模型反映历史数据所包含信息的有效性和程度决定了预测水平的高低;

(3) 信息不完整。由于大量用户的用电行为与影响因素(如气象因素)之间的关系在历史数据中是没有记载的,信息的缺失和不完整是无法避免的,这些因素是负荷预测误差进一步减小的瓶颈。

2.应用场景

目前,电网公司根据其业务要求大踏步推进用电信息采集系统的建设。据国家电网公司相关报告指出,预计其用电信息采集系统智能电表数量到2015年将达到三亿块,用户用电信息采集频率更加频繁:15分钟甚至5分钟就需要采集一次数据,且数据是双向互动流转,规模和频率呈指数级增长,以河南省为例,河南全省实现全采集、全覆盖后,用户总量将达到4000万,接入终端量接近300万,采集数据总量接近60TB,年增量约为30TB。

实现对电网用户的用电信息全采集为准确把握用户级负荷变化规律提供了数据基础。目前调度部门短期负荷预测的对象主要针对总量负荷,或者再深一层次变电站的母线负荷,通过母线负荷累加获得总量负荷。而电网负荷是由众多用户负荷构成,不同用户的负荷受自身行业属性和生产特点影响,负荷规律也是千差万别,从电网负荷总量上分析负荷变化规律忽略了用户的用电规律,因此分析结果必然存在一定的偏颇,更加无法精确定位负荷波动的源头-用户。而用电信息采集系统的海量用户级负荷信息将使从用户级负荷入手的短期负荷预测成为可能。

原标题:电力大数据实际案例:基于大数据的短期负荷预测
投稿与新闻线索:陈女士 微信/手机:13693626116 邮箱:chenchen#bjxmail.com(请将#改成@)

特别声明:北极星转载其他网站内容,出于传递更多信息而非盈利之目的,同时并不代表赞成其观点或证实其描述,内容仅供参考。版权归原作者所有,若有侵权,请联系我们删除。

凡来源注明北极星*网的内容为北极星原创,转载需获授权。

电力大数据查看更多>电力系统查看更多>用电信息采集系统查看更多>