發(fā)布時間：2021-04-26 09:14

　　大數(shù)據(jù)的時代已經(jīng)悄悄來臨,國內(nèi)外各個行業(yè)都在積極發(fā)展大數(shù)據(jù)技術(shù)以創(chuàng)造價值。隨著能源互聯(lián)網(wǎng)和新電改的推行,傳統(tǒng)電力行業(yè)日積月累的海量歷史數(shù)據(jù)也亟需大數(shù)據(jù)帶來技術(shù)變革。如何利用這海量的歷史數(shù)據(jù),并從中發(fā)掘重要信息,成為現(xiàn)在電力系統(tǒng)的一個尖端問題。本文依托這樣的思想,研究了大數(shù)據(jù)在國內(nèi)外的發(fā)展過程,以及各行業(yè)如何利用大數(shù)據(jù)創(chuàng)造價值。并將這種結(jié)合歷史數(shù)據(jù),分析用戶特點,再創(chuàng)造有用價值的思想運用在電力行業(yè)中。通過聚類、預(yù)測和可視化展示,為工作人員提供更加便利的數(shù)據(jù)展示平臺,方便工作人員查看、統(tǒng)計和發(fā)掘數(shù)據(jù)。在此基礎(chǔ)上,提高管理監(jiān)控用戶電量信息。負荷預(yù)測關(guān)系到電能生產(chǎn),一直是電力調(diào)度的重要依據(jù):電能需求的規(guī)律直接關(guān)系到發(fā)電計劃的安排,發(fā)電計劃的優(yōu)化是整個電力系統(tǒng)經(jīng)濟運行的最基本的手段。本文依托大數(shù)據(jù)技術(shù),結(jié)合氣象情況,對漢中市部分用戶的歷史用電量進行分析。在對數(shù)據(jù)預(yù)處理,解決缺失值、異常值等不良字段后,通過K-means算法對用戶進行聚類,分析各類用戶的不同用電情況。在聚類結(jié)果的輔助下,通過利用RBF和MLP兩種不同結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)算法預(yù)測用戶的用電量,對比不同神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的預(yù)測結(jié)果,選擇出準確性更... 

【文章來源】：陜西理工大學(xué)陜西省

【文章頁數(shù)】：75 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 課題研究的背景和意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 經(jīng)典方法
        1.2.2 傳統(tǒng)方法
        1.2.3 現(xiàn)代方法
    1.3 本文主要工作
第2章 負荷分類及漢中地區(qū)用電情況
    2.1 負荷的分類及特點
    2.2 漢中基本情況
        2.2.1 漢中經(jīng)濟情況
        2.2.2 漢臺區(qū)氣象情況
        2.2.3 漢中電力消費情況
    2.3 本章小結(jié)
第3章 用戶聚類特性分析
    3.1 數(shù)據(jù)及預(yù)處理
        3.1.1 數(shù)據(jù)源
        3.1.2 數(shù)據(jù)預(yù)處理
    3.2 聚類及特性分析
        3.2.1 K-means算法
        3.2.2 K-means聚類
    3.3 聚類結(jié)果分析
        3.3.1 聚類類別分析
        3.3.2 聚類特點分析
    3.4 本章小結(jié)
第4章 基于神經(jīng)網(wǎng)絡(luò)的電量預(yù)測
    4.1 神經(jīng)網(wǎng)絡(luò)的基本原理
        4.1.1 激活函數(shù)
        4.1.2 神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)及工作方式
        4.1.3 神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)
    4.2 神經(jīng)網(wǎng)絡(luò)模型
        4.2.1 RBF神經(jīng)網(wǎng)絡(luò)模型
        4.2.2 MLP神經(jīng)網(wǎng)絡(luò)模型
    4.3 預(yù)測模型搭建
        4.3.1 數(shù)據(jù)準備
        4.3.2 建模過程
    4.4 預(yù)測結(jié)果比較
    4.5 本章小結(jié)
第5章 可視化平臺展示
    5.1 Tableau介紹
    5.2 平臺構(gòu)建
        5.2.1 可視化地圖
        5.2.2 用電量信息工作表
    5.3 可視化交互平臺
    5.4 本章小結(jié)
總結(jié)與展望
參考文獻
攻讀碩士學(xué)位期間取得的學(xué)術(shù)成果
致謝


【參考文獻】：
期刊論文
[1]教育大數(shù)據(jù)戰(zhàn)略下美國州縱向數(shù)據(jù)系統(tǒng)建設(shè)與運用[J]. 唐曉玲,張力文,王正青.  電化教育研究. 2019(02)
[2]大數(shù)據(jù)時代:人工智能與商業(yè)銀行創(chuàng)新[J]. 李佳,錢晨,黃之豪.  新金融. 2018(12)
[3]一種基于全過程優(yōu)化支持向量機的短期電力負荷預(yù)測方法[J]. 簡獻忠,顧祎婷.  電力科學(xué)與工程. 2018(11)
[4]大數(shù)據(jù)思維在高校學(xué)生信息化管理中的支撐作用[J]. 王紅平,唐永鋒.  科技創(chuàng)新導(dǎo)報. 2018(13)
[5]運用PSO和GRNN的短期負荷二維組合預(yù)測[J]. 陳鴻琳,李欣然,冷華,唐海國.  電力系統(tǒng)及其自動化學(xué)報. 2018(02)
[6]基于K-means聚類算法的住院費用數(shù)據(jù)挖掘[J]. 謝筱筱.  現(xiàn)代計算機(專業(yè)版). 2017(26)
[7]中美圖書情報專業(yè)研究生教育中數(shù)據(jù)管理項目的發(fā)展狀況研究[J]. 段宇鋒,步坤.  圖書館雜志. 2016(07)
[8]大數(shù)據(jù)在智能電網(wǎng)領(lǐng)域的應(yīng)用[J]. 張根周.  電網(wǎng)與清潔能源. 2016(06)
[9]基于大數(shù)據(jù)技術(shù)的電力用戶行為分析及應(yīng)用現(xiàn)狀[J]. 沈玉玲,呂燕,陳瑞峰.  電氣自動化. 2016(03)
[10]能源互聯(lián)網(wǎng):理念、架構(gòu)與前沿展望[J]. 孫宏斌,郭慶來,潘昭光.  電力系統(tǒng)自動化. 2015(19)

博士論文
[1]大數(shù)據(jù)分析的經(jīng)濟價值評價與過度挖掘風(fēng)險研究[D]. 劉磊.天津財經(jīng)大學(xué) 2017
[2]發(fā)電商市場預(yù)測與競價決策優(yōu)化新方法研究[D]. 楊尚東.華北電力大學(xué)（北京） 2007

碩士論文
[1]電網(wǎng)企業(yè)營配貫通服務(wù)管理模式設(shè)計及評價研究[D]. 保瑞.華北電力大學(xué)(北京) 2017
[2]大型供電企業(yè)營配貫通管理方式分析[D]. 肖曉鵬.華北電力大學(xué)(北京) 2016
[3]基于神經(jīng)網(wǎng)絡(luò)的地震災(zāi)害損失預(yù)測研究[D]. 張志棟.云南大學(xué) 2016
[4]基于用戶設(shè)備容量的網(wǎng)供負荷預(yù)測方法研究[D]. 王磊.華北電力大學(xué) 2015
[5]基于競爭型ISPO雙胞支持向量回歸短期負荷預(yù)測[D]. 王洪森.廣東工業(yè)大學(xué) 2014
[6]呼和浩特市深層土壤稀有稀土元素基準值研究[D]. 于雪.內(nèi)蒙古大學(xué) 2013
[7]配電網(wǎng)規(guī)劃的回歸分析負荷預(yù)測方法研究[D]. 黃珊.湖南大學(xué) 2010
[8]基于市際信息的外匯市場神經(jīng)網(wǎng)絡(luò)預(yù)測模型[D]. 滕磊.電子科技大學(xué) 2010
[9]一種新的短期電力負荷預(yù)測方法[D]. 劉晨歌.華北電力大學(xué)（北京） 2010
[10]自適應(yīng)神經(jīng)網(wǎng)絡(luò)模糊推理在中長期電力負荷預(yù)測中的應(yīng)用[D]. 覃彬.湖南大學(xué) 2008



本文編號：3161154