一种基于移动互联网的智能电表数据收集系统

生产企业的用电信息是构成电力大数据的重要组成部分,本文提出了一种基于移动互联网的企业用电信息数据收集系统;本系统通过GPRS网络连接智能电表,利用多组线程结构维护与智能电表的数据交互过程,进而实现数据的存储。实际运行表明本系统可以同时与多台电表保持可靠的连接并获得数据,利用本系统可以用较低的成本维护管理大量智能电表,收集企业的用电信息为电力大数据提供数据基础。     

输配电用电工程施工要点及管理

电能是企业生产安全进行以及保障人民日常生活中必不可少的能源之一,是保障我国经济发展不能缺少的基本能源之一,而输电线路则是我国电力输送的主要组成部分,是电能可以安全输送到千家万户的基础,随着输配电用电工程技术的不断提高,我国输配电用电工程的施工中的相关技术要求也随之不断地提高,所以本文讨论了输配电用电工程施工要点及管理,仅供大家参考。     

智能用电分时调度和远程调控系统设计与开发

设计一款可以实现随电价波动来对家用电器进行自主开关控制的智能用电系统.系统通过获取电网耗电信息,将耗电量大的用电设备转移到电价低谷阶段运行,从而降低用户用电费用和电网用电负荷峰均比;读取电力信息流中分时电价信息进行分析和决策来控制电器;使用手机等终端进行远程调控和实时监控等.试验结果表明,该方案可以有效实现对可控家电的调度控制,降低用电费用.     

基于大数据的电力用户群体识别与分析方法研究

随着能源互联网及智能用电技术的发展,深入了解电力用户群体特征,并提供精准电力服务,成为"互联网+"智慧能源的重要研究内容.通过对售电体积累的用户社会属性、用电行为等大数据进行分析,构建用户间相似度权重模型,提出基于"用户-标签"二元网络的相似群体识别方法,并通过群体分析获取群属性和典型负荷特征,预测新入网用户的用电行为.该方法通过对标签数据的分析,便于发现群体中的重要用户,为互联网售电体实施个性化用电服务和增值服务推荐提供支撑,进而提升电力服务质量.     

基于模拟退火-轻型梯度提升机的电厂出力短时多点预测方法

电力作为当今社会重要的能源之一,被广泛应用于社会的生产和生活,并在促进社会经济发展、改善居民生活水平等方面发挥了重要的推动作用.但在现实生活中,由于电能具有难以大量存储的特点,电厂发电与电网侧用电消耗水平的不匹配,导致电力资源的浪费.因此,对电厂出力的准确预测对于优化电厂发电计划具有重要意义.文章基于模拟退火算法和LightGBM构建了一种考虑多因素的电厂出力短时多点预测方法,并利用实际的电厂出力数据和影响因素数据对模型的预测效果进行了验证.实验结果表明,该模型的预测精度可达87%.     

缓解电力危机的节能技术

针对近几年中国用电空调和高耗能企业的数量剧增,全国大范围内拉闸限电的问题.提出节约电力资源优于开发电力资源的观点.结合中国各地的实际情况,在有集中冷、热负荷的情况下,热电厂实行热电冷三联供;既节约了燃料和一定数量的电力,又可以有效控制用电空调的数量,减少夏季的空调用电负荷.同时提出在全国范围内实现电力网互联,提高能源的有效利用率,达到对中国现有电力资源的优化配置.     

基于用电信息的居民行为分析

基于某市主城区1795个小区1287794户居民的一年半左右的日用电信息可以发现:第一,有13.93%的居民户在半年以上无人居住;第二,该市假日存在明显人口流动特点;第三,小区用电水平与住房价格呈现正相关。该文首次以电力数据的视角开展对住房、人员流动和居民分群的分析,探索电力数据的外延性价值,也为实现能源数据社会化共享做出了尝试。     

基于聚类和随机矩阵理论的用电行为刻画方法

针对配网大数据应用背景下难以建立用户用电行为刻画模型的问题,提出一种基于聚类和随机矩阵理论的电力用户用电行为刻画方法.首先利用K-means聚类法对海量用户用电特征数据进行分析,根据不同用电模式对用户进行群体划分.然后基于随机矩阵理论建立用户用电行为分析模型,利用各用户群体的经济数据、气候数据及电力价格数据等辨识与用户群体用电量相关联的因素,实现对电力用户用电行为的刻画.最后通过甘肃省武威市电网实际用电数据验证所提方法的有效性和准确性,为电力精准营销和制定电力需求侧响应策略提供数据支撑.     

基于预测模型的电力精准营销框架研究

<正>针对用电服务现有的泛营销等问题，本文利用大数据技术和人工智能技术，提出了一种基于预测模型的电力精准营销框架。该精准营销框架可以通过分析用户的用电历史，为其提供更合理、经济适用的用电建议和服务，进而有效提高售供电公司的品牌形象和服务质量。     

基于LMDI-CS-LSSVM的区域中长期电力需求预测

中长期用电需求预测对地区电网规划与运行具有重要意义,准确地对其进行预测有助于配电网利用效率的提高。中长期用电需求与地区宏观经济形势息息相关,本文选用LMDI分解模型对用电增长量进行了分解,根据影响因素分解为生产效应、结构效应及强度效应,然后选用布谷鸟搜索优化的最小二乘支持向量机对各效应数据进行拟合及预测,再加总得到预测用电需求量。最后,本文以冀北地区为例对模型进行测算,通过与不同预测方法比较证明了基于LMDI电量分解的CS-LSSVM模型在中长期电力需求预测方面有较高的准确度。     

基于Spark/Shark的电力用采大数据OLAP分析系统

用电信息大数据上的OLAP查询涉及数据量大,具有多表连接操作频繁、SQL结构复杂等特点,传统关系型数据库面对该类应用,表现出可扩展性弱、数据写入吞吐量低与查询效率低等问题.为此设计了一套基于Spark/Shark的电力大数据OLAP分析系统,该系统采用分布式文件系统HDFS保存电力用电信息采集系统的大数据,通过Shark进行前端SQL解析,Spark进行查询计算;然而,原生Shark只支持粗粒度分区,不支持细粒度的索引技术,难以高效地过滤无关数据,影响了查询性能.为克服这一不足,该系统设计了一种基于前缀树的细粒度索引结构TrieIndex,并通过数据重组技术优化了数据在HDFS的分布,提升了Shark的数据过滤能力以及用电信息大数据OLAP分析的性能.真实用电信息采集系统数据与查询的实验结果表明,该系统比关系型数据库的写入速度提升了12倍,比原生Shark的查询效率提升了10倍以上.     

新形势下探讨住宅小区供电方案

小区用电,牵涉千家万户,牵动着城市的神经,是城市电网建设中不可忽视的重要环节,做好住宅小区配套电力建设,作为小区建设中十分关键的部分,能否保障今后居民可靠供电,将成为影响今后居民生活的重要因素.本文主要针对小区电模式进行探讨.     

智能变电站工程实践探析

众所周知,智能变电站的发展是信息化时代的要求,也是大势所趋,人类对于电力资源的需求量变得越来越大,智能变电站在一定程度上可以针对人们的用电需求进行随时调整,极大地满足了人们的用电需求。该文通过指出目前智能变电站存在的一些问题来分析其相关的技术特征,并且探讨其相应的解决方法和应对手段,最后提出了在目前技术条件下,按照安全、可靠、实用等要求来对智能变电站的工程实践进行了一系列详尽的探讨与阐述,使智能变电站在未来社会能发挥出它应有的水平和效果。     

探索科技资源共享的大数据路径

<正>科技资源大数据除了具有数据和大数据的特征外,还具有其自身的特性。当前社会经济的发展对科技资源共享提出了更多的现实需求,大数据为科技资源管理的内在发展、科技资源服务水平提升和科技资源共享的技术突破提供了技术支持。大数据在我国科技资源共享中能够发挥重要作用,可以通过完善科技资源大数据平台建设、加快科技资源的大数据管理、共享机制和评估机制等途径实现,同时还需通过与之相协调的政策保障来支撑,主要包括共享法规制度、共享新模式和试点工作等提供保障。     

基于北斗通信SRP机制的电力计费信息远程传输系统的设计与实现

针对在无公网覆盖的偏远地区,用电信息远程抄表这一历史性难题,文章研究了一种基于北斗短报文通信的电力远程抄表系统。研制的电表数据采集与传输设备,可以按多种工作模式抄取电力数据,并进行数据拆包(segmentation,S)和北斗协议封装处理,然后通过北斗短报文模块完成数据的远程传输;同时研制的主站端接收设备可以完成北斗短报文的接收、数据解析和组包(reassembly,R)处理,有效的补包(patching,P)操作保证了电力抄表的成功率。实际测试结果表明,该基于北斗通信SRP机制的电力计费信息远程传输系统的抄表成功率可达98.9%,可以作为偏远地区用电信息远程抄表的一种高效可靠的方案。     

基于对数平均迪氏指数-布谷鸟搜索算法-最小二乘支持向量机的区域中长期电力需求预测

中长期用电需求预测对地区电网规划与运行具有重要意义。准确地对其进行预测有助于配电网利用效率的提高。中长期用电需求与地区宏观经济形势息息相关,选用(对数平均迪氏指数)LMDI分解模型对用电增长量进行了分解。根据影响因素分解为生产效应、结构效应及强度效应,然后选用布谷鸟搜索优化的最小二乘支持向量机对各效应数据进行拟合及预测,再加总得到预测用电需求量。最后,以冀北地区为例对模型进行测算,通过与不同预测方法比较证明了基于LMDI电量分解的CS-LSSVM模型在中长期电力需求预测方面有较高的准确度。     

智能电网环境下企业客户端电力智能单元

企业客户端电力智能单元,不仅可以为客户自身的安全用电、合理用电与节约用电提供数据支持,同时也可以通过信息平台,为供电部门提供丰富的实时数据、统计分析数据,实现用户侧用电数据信息发布,进而拓展供电部门的服务内容（包括个性化服务）、方便供电部门为用户用电提供科学指导。     

电力系统短期负荷新型Volterra预测模型研究

针对电力系统负荷短时预测问题,从分析负荷数据的混沌特性入手,利用相空间重构理论对负荷数据进行重构,构建了一种新型的Volterra模型对电力系统负荷进行预测。该模型采用二次线性微分方程方法对原Volterra级数进行变换,与以往Volterra级数相比,该模型无截断误差,包含了系统更多精确的信息。最后,以某地区实际用电负荷数据为对象进行验证,结果表明:该模型2d和4d用电负荷预测结果和实际结果误差不超过5%,完全能够满足电力调度需求,同时也为电力公司制定经济模型和实时电价调整提供了理论支持。     

融合多元影响因素的配电台区BiLSTM负荷预测方法

配电台区负荷预测是保障电力供需平衡的关键,对电力系统的安全预警、应急维护和经济运行具有重要的指导作用．受多种耦合因素影响,面向台区负荷的中短期常规预测方法存在较大的局限性．为提高台区负荷预测方法的泛化能力,提出一种基于双向长短期记忆网络(bidirectionallongshort-termmemory,BiLSTM),并引入要素主成分分析(principalcomponentanalysis,PCA)和用电行为分析的中短期日负荷预测模型．首先,基于PCA方法提取预选的影响用电负荷外在因素的主成分,实现对包含冗余、缺失和异常信息的输入变量的降维和修正;其次,依据历史负荷数据,利用基于遗传算法(geneticalgorithm,GA)的模糊C均值(fuzzyC-means,FCM)聚类提取台区内不同用户的用电行为特征并依此划分台区内的用户集合,降低用电行为差异对预测结果的影响;然后,搭建每类用户的BiLSTM预测模型,并应用随机权重平均(stochasticweightaveraging,SWA)算法提升预测模型的泛化能力,以年为单位预测日负荷电量;最后,将每类用户的负荷预测数据进行线性...     

基于集成多尺度LSTM的短时风功率预测

风能作为一种无污染可再生能源,风力发电的比例在全球范围内逐年增加.针对风力发电存在出力波动大,从而导致电网电力不稳定的问题,提出基于集成多尺度长短时记忆网络(LSTM,long short-term memory)的短时风功率预测模型.利用LSTM对序列数据的特殊处理能力,集成多个基预测模型对不同尺度时间数据的预测结果,共同进行短时风功率预测.风功率的精确预测有利于电力资源的全面掌控和调度.采用中国东北地区风力发电真实数据集对模型进行验证,结果证实研究方法预测精度较高,有很好的稳定性.