基于配电网全域大数据的负荷智能预测模型

为了精准预测配电网负荷,为电力系统调度运行提供科学依据,设计基于配电网全域大数据的负荷智能预测模型,分析影响配电网负荷因素,依据分析结果采集历史配电网全域数据集,对数据集实施预处理,建立训练样本集,长短期记忆神经网络根据训练集建立配电网负荷智能预测模型,最后结果表明,该模型的配电网负荷预测结果与历史实际负荷几乎吻合,预测性能稳定,预测结果精准可靠,可有效保障电力系统的精准调度运行。

基于支持向量机的配电网全域大数据自动化预测模型设计

针对传统预测模型准确度低、泛化性差的问题,提出基于支持向量机的配电网全域大数据自动化预测模型。在配电网正常运行的情况下,采集全域实时运行数据,并调取该配电网的历史数据。利用聚类划分的方式处理数据采样结果,通过支持向量机的回归处理,分析出配电网全域大数据的特征,从而推断出大数据的变化规律。以数据的特征分析结果为基础,分别得出配地啊暗网全域线损数据、负荷数据以及电能数据的预测结果。经过模型效果测试实验的设计与分析得出实验结论:与传统预测模型相比,设计的配电网全域大数据自动化预测模型的预测误差降低了0.45,具有更高的应用价值。

基于全域电力大数据的配电网现状自动诊断分析技术研究

文中在考虑地区电网实际的基础上,对配电网生产管理系统、电网调度自动化系统、用户用电信息采集系统、气象信息系统以及全业务数据中心的配电网数据进行深度挖掘,提出了基于CIM的配电线路拓扑结构图重构方法,并提出了对中、低压配电网的现状自动进行诊断分析的具体思路和实施步骤。针对配电网存在的线路分段过多、网架冗余问题、供电半径过大等主要问题,提出了配电网自动诊断分析的具体方法及实施步骤。以某市电网进行实例计算分析,列举了配电网现状自动诊断分析结果,获得了与一流配电网目标之间的差距,验证了所提出的配电网现状自动诊断分析方法的有效性。