光伏发电大数据远程传输质量实时监测研究

为有效降低光伏发电大数据在传输路径上的无用损耗,提升远距离输送电子的物理应用价值,提出一种基于RASMF结构的光伏发电大数据远程传输质量实时监测算法。利用MDI光伏发电指标,计算光伏电压、电流的基本量,并以此为依据测量大数据包的传输时延,完成光伏发电大数据的传输需求分析。在此基础上,通过RASMF实时监测框架,确定光伏发电大数据的传输质量精度,并对远程传输质量的实时监测流程进行完善,实现新型算法的搭建,完成光伏发电大数据远程传输质量实时监测研究。对比实验结果表明,与现有技术手段相比,应用RASMF监测算法后,光伏发电大数据无用损耗率下降至50%左右,完成保值远距离输送的电子总量提升明显。

基于改进kmeans++算法的用户分类与电价政策影响分析

以上海市张江某工业园大工业用户为研究对象,采用大数据方法分析典型用户用电与电价政策的相关性。针对传统kmeans聚类算法的缺点,提出基于复合距离的kmeans++算法,考虑用电曲线的空间相近性与形态相似性,并优化初值选择,具有更好的聚类效果。采用该算法对大工业用户进行聚类,得到大工业具有5种典型行业用户并分析其原因。基于典型行业用户变压器容量和用电量数据,计算各典型行业用电量标杆值并分析其在新电价政策实施前后的波动情况,明确电力公司后续提升工作的重点方向并对不同用户的用电提出合理意见。

基于混合高斯模型的用电量计量数据聚类算法研究

针对传统用电量计量数据聚类算法中存在聚类性能较差的问题,提出一种基于混合高斯模型的用电量计量数据聚类算法。通过主成分分析方法对用电量计量数据进行线性降维处理,利用线性降维后的用电量计量数据实施数据预处理,具体步骤包括用电量负荷数据矩阵表示、异常用电量数据修正及辨识以及用电量数据归一化处理,根据预处理后的用电量计量数据,采用混合高斯模型实现用电量计量数据聚类。为了证明基于混合高斯模型的用电量计量数据聚类算法的集中聚类性能较强,将传统用电量计量数据聚类算法与该算法进行对比实验,实验结果证明该算法的集中聚类性能优于传统用电量计量数据聚类算法,更适用于用电量计量数据的聚类。

基于大数据高维分析的电力负荷参数提取方法研究

现有的电力负荷参数提取方法存在负荷参数识别效果差的问题,为了解决上述问题,提出基于大数据高维分析的电力负荷参数提取方法。依据电力系统特征构建电力负荷模型,以此为基础,利用大数据高维分析模型并行化处理电力负荷数据。构建电力负荷数据分解模型,采用蚁群算法识别分解后的电力负荷数据,通过粒子群算法提取电力负荷参数,实现了电力负荷参数的提取。仿真对比实验结果显示:与现有的电力负荷参数提取方法相比,提出的基于大数据高维分析的电力负荷参数提取方法极大地提升了电力负荷参数识别效果,充分说明提出方法具备更好的性能。