蒙西电网电力大数据应用发展探讨

随着我国经济实力和科技水平的不断发展,大数据时代已然到来,作为国民经济基础支柱的电力行业,在发电、输变电以及用电等各个环节每时每刻都会产生海量数据,这些数据既包含传统业务意义上的结构化数据,亦有大量的文档、图片和音视频信息等非结构化数据,这些海量的业务数据中蕴含着巨大的商业价值,是当前发展迅速的热门领域之一。本文主要对蒙西电网电力大数据的价值挖掘进行探讨,希望对大数据的创新应用有所帮助。

基于多种群协同粒子群人工智能算法的电力系统负荷调度研究

高效的电力系统负荷调度已成为解决电力供需平衡的新途径,对降低企业成本意义重大。通过对蒙西地区电力情况的分析,确定低污染排放与低成本发电两个调度目标,构建电力负荷调度模型。同时引入一种多种群协同粒子群模型求解电力负荷调度模型,采用协同策略分种群处理多个目标问题,避免模型陷入局部最优。在前沿性比较中,所提出的模型相比多目标进化与多目标粒子群性能提升18.65%与12.65%。在电力系统调度测试中,所提出的模型最优发电成本为30.4133×10^(4)元,最优污染排放量为1.8592×10^(4)1 b。在发电成本与污染排放上相比另外两种模型具有明显优势。由此可见,所提出的技术应用效果更好,研究技术为电网的调度优化与节能减排提供技术参考。