【摘要】：目前,由于電力行業(yè)的持續(xù)發(fā)展,供電企業(yè)管理對以往的電力系統(tǒng)的要求已大大提高。同時,電力行業(yè)管理者也會遇到越來越多的決策問題。因此基于大數(shù)據(jù)平臺應用的供電量分析及預測系統(tǒng),將會成為支持企業(yè)決策分析和改善企業(yè)管理的重要工作。另一方面是在當下的經(jīng)濟環(huán)境下,電量數(shù)據(jù)作為可以客觀衡量經(jīng)濟形勢的重要指標,得到了政府部門的高度重視。特別是各行業(yè)的電量計算和分析預測,能夠輔助政府對經(jīng)濟形勢進行預判,從而進一步作出經(jīng)濟方面的決策。因此基于大數(shù)據(jù)平臺應用的供電量分析預測勢在必行。但是基于大數(shù)據(jù)平臺應用的供電量分析及預測系統(tǒng)中已有的預測方法預測精度不高,各方法均存在自身局限性,所以預測結果不能令人滿意,因而提高預測精度一直是人們致力研究的方向。為了更加精準的預測目標年用電量,本文將對佛山市未來用電量的預測方法進行重點研究,通過對所建立模型的研究和與傳統(tǒng)的單項負荷預測模型進行實例驗證,表明使用本文中的預測模型可以得到更加精確的預測結果。本文先對基于大數(shù)據(jù)平臺的用電量分析及預測系統(tǒng)進行了詳細的分析與介紹,并重點分析了基于歷史電量數(shù)據(jù)進行預測進而得到未來用電量走勢的功能;然后對佛山市電網(wǎng)歷史數(shù)據(jù)進行統(tǒng)計,利用時間序列分解法揭示負荷時序序列的內(nèi)在規(guī)律,在規(guī)律性分析中應用該方法,分析總結出負荷時間序列的變化規(guī)律,運用科學合理的方法進行數(shù)據(jù)處理,從而找出負荷客觀實際的用電量規(guī)律,為指導電網(wǎng)規(guī)劃研究提供了理論基礎;為了對用電量預測方法上的創(chuàng)新及預測精度的提高,本文充分挖掘并利用負荷歷史數(shù)據(jù)的更多信息,在對負荷序列進行分析的基礎上,構建了雙向預測模型,利用所建模型對歷史數(shù)據(jù)進行處理,得到目標年各月度用電量預測值;另外,本文提出一種基于多變量模型的佛山市用電量預測方法,對影響佛山市用電量電量發(fā)展的多個因數(shù)進行綜合分析,建立電量預測模型,通過運用該模型來改善預測結果的精度。最后,以佛山地區(qū)電網(wǎng)為例,利用已收集的歷史數(shù)據(jù)驗證所建立的預測模型來證明所提預測方法是有效的、可行的,所以研究佛山市未來用電量預測方法,對電量預測結果精度的提高具有重大意義。
【圖文】：

圖 2-1 系統(tǒng)架構圖 2-1 中可以看出，持久層、業(yè)務邏輯層、展現(xiàn)層組成系統(tǒng)構架。外部數(shù)據(jù)等進行同步、加工；業(yè)務邏輯層主要采用數(shù)據(jù)分析的方信息進行處理；數(shù)據(jù)應用層主要對系處理結果進行呈現(xiàn)，，負責滿提供電量預測、歷史用電情況查詢、大客戶管理、95598 服務管模塊功能。持久層一些技術化的手段或第三方工具，如 ETL 工具、數(shù)據(jù)庫的 DBLML 將用戶基本信息、量價費數(shù)據(jù)、天氣、宏觀經(jīng)濟等信息收集到（Greenplum）中[13]。據(jù)平臺的數(shù)據(jù)存儲和處理能力非常強，可支持 50PB(1PB=1000T采用流行的 MPP 并行處理架構。通過在 MPP 架構中增加節(jié)點，的存儲容量和處理能力[14]。數(shù)據(jù)庫軟件系統(tǒng)節(jié)點基于業(yè)界各種開有高性價比，并提供資源管理功能(workload managemnt)來管理數(shù)據(jù)隊列管理能夠?qū)⒂脩艚M的資源合理分配[15-16]。

應用構架及相應平臺環(huán)境 佛山市用電量預測確的電量預測能夠幫助電力企業(yè)更好地了解市場需求和動態(tài)，是電力難點工作。通過依托大數(shù)據(jù)技術緊密結合業(yè)務需求，沉淀業(yè)務專家經(jīng)學精確的預測模型和預測結果。將用電量情況及系統(tǒng)歷史數(shù)據(jù)、天氣氣溫、降水等，業(yè)擴報裝情況、社會經(jīng)濟狀況等指標參數(shù)維護維護到系務需求，對客戶進行分類型，建立預測目標客戶類型，并對客戶類型行采集。本模塊中使用大數(shù)據(jù)平臺的線性回歸模型、灰色模型、BP 以及 winters 模塊四種預測模型算法[19]。月度或年度根據(jù)不同的預測模型進行電量預測，并對預測記錄及預測，查詢不同時間段的歷史預測值，并提供上報和數(shù)據(jù)審核功能[20]。月度預測電量,界面如圖 2-2 所示。
【學位授予單位】：華北電力大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TM715

【參考文獻】

相關期刊論文 前10條

1 穆海振;孫蘭東;侯依玲;;上海市全社會月用電量預測模型[J];中國電力;2016年06期

2 張魁;王亞明;劉明;伏祥運;李紅;;基于大數(shù)據(jù)及智能算法的連云港電量負荷預測研究[J];江蘇電機工程;2016年03期

3 王兵;崇陽;楊彬;;大數(shù)據(jù)時代的大數(shù)據(jù)管理研究[J];無線互聯(lián)科技;2016年08期

4 陳淘;劉利兵;;大數(shù)據(jù)技術在智能電網(wǎng)中應用[J];物聯(lián)網(wǎng)技術;2016年04期

5 李文婧;黃超彬;謝瑞浩;;基于大數(shù)據(jù)的電網(wǎng)營銷管理分析[J];信息通信;2016年01期

6 張東霞;苗新;劉麗平;張焰;劉科研;;智能電網(wǎng)大數(shù)據(jù)技術發(fā)展研究[J];中國電機工程學報;2015年01期

7 楊秋勇;江疆;翟鴻榮;;電力企業(yè)客戶服務輔助決策支持系統(tǒng)的設計與實現(xiàn)[J];電子設計工程;2014年23期

8 吳雪花;;應用于月度用電量預測的小波分析法[J];江蘇電機工程;2014年02期

9 曹曉梅;沈何陽;朱海濤;;基于模糊預測的無線傳感器網(wǎng)絡信任模型[J];計算機應用;2014年03期

10 李貴兵;羅洪;;大數(shù)據(jù)下的智能數(shù)據(jù)分析技術研究[J];科技資訊;2013年30期

相關博士學位論文 前1條

1 盧蕓;短期電力負荷預測關鍵問題與方法的研究[D];沈陽工業(yè)大學;2007年

相關碩士學位論文 前3條

1 凌建鳳;線損管理下的供、售電量分析及預測[D];上海交通大學;2007年

2 王白玲;電力負荷組合預測的理論方法及影響因素分析[D];華北電力大學（北京）;2005年

3 梁泉;復雜系統(tǒng)預測中知識約簡算法及其表示的研究[D];中南林學院;2004年

本文編號：2558913