使用智能電表數(shù)據(jù)進(jìn)行智能電網(wǎng)負(fù)載分析獲獎(jiǎng)科研報(bào)告

使用智能電表數(shù)據(jù)進(jìn)行智能電網(wǎng)負(fù)載分析獲獎(jiǎng)科研報(bào)告【摘

要】使用智能計(jì)數(shù)器中的大量數(shù)據(jù)進(jìn)行大規(guī)模的詳細(xì)模擬會(huì)導(dǎo)致巨大的it成本。除了大型數(shù)據(jù)問題外，隨機(jī)負(fù)荷建模還面臨復(fù)雜且高度非線性的電氣模型。為此，提出了一種新的載荷建模方法，該方法簡(jiǎn)化了數(shù)據(jù)的復(fù)雜性，同時(shí)保持了數(shù)據(jù)的分辨率并減少了線性載荷曲線的數(shù)量。最后通過試驗(yàn)驗(yàn)證了該方法的有效性和優(yōu)點(diǎn)本文主要分析了智能儀表數(shù)據(jù)在智能電網(wǎng)負(fù)荷分析中的應(yīng)用。

【關(guān)鍵詞】負(fù)載建模;負(fù)載分析;智能電表

1、建模方法

1.1數(shù)據(jù)預(yù)處理

預(yù)處理數(shù)據(jù)是指刪除數(shù)據(jù)集中缺少的值或包含零的數(shù)據(jù)樣本。該數(shù)據(jù)集由大約6000個(gè)用戶每半個(gè)小時(shí)的m條功耗序列記錄組成。

1.2擴(kuò)展k均值聚類算法

擴(kuò)展k平均類算法使用k平均類將每個(gè)類（父類）按層次分為兩個(gè)類（子類），直到類中的每個(gè)節(jié)點(diǎn)都滿足關(guān)閉條件。第一個(gè)關(guān)閉條件是集群中的用戶數(shù)少于閾值。低于閾值的類被認(rèn)為在類中具有足夠的模式相似性。經(jīng)驗(yàn)表明，在智能輻射計(jì)數(shù)據(jù)聚類方案和測(cè)試中，人口少于1%的內(nèi)部聚類模型的相似性足以提取模型。雖然群集內(nèi)的用戶較少，但it成本卻顯著增加。因此，必須在組數(shù)量和特性相似性之間保持平衡，以減少對(duì)it成本的影響，同時(shí)簡(jiǎn)化數(shù)據(jù)。因此，根據(jù)經(jīng)驗(yàn)評(píng)估，1%的用戶被視為第一個(gè)停止條件。分組過程的第二個(gè)停止條件是子類錯(cuò)誤小于父類錯(cuò)誤。選擇錯(cuò)誤作為停止條件的主要障礙是數(shù)據(jù)的可變性。在類別結(jié)果的每個(gè)階段，都會(huì)計(jì)算父項(xiàng)和子項(xiàng)叢集的平均絕對(duì)錯(cuò)誤百分比

1.3曲線平滑和線性化

從類結(jié)果生成平均能耗曲線文件，以便使用單個(gè)函數(shù)來表示類用戶的能耗數(shù)據(jù)模式。平均功耗曲線波動(dòng)很大，使得數(shù)據(jù)模型不清楚。因此，可以應(yīng)用曲線平滑技術(shù)（例如多項(xiàng)式曲線平滑和移動(dòng)平均平滑）來平滑數(shù)據(jù)。較低的多項(xiàng)式次數(shù)難以捕捉，而較高的多項(xiàng)式次數(shù)受到拉格朗日現(xiàn)象的影響，使得曲線難以平滑化。在大多數(shù)情況下，平均功耗曲線可減少由于意外更改功耗而導(dǎo)致的數(shù)據(jù)噪音。要執(zhí)行此操作，請(qǐng)使用移動(dòng)平均平滑處理類數(shù)據(jù)。平滑后，將使用電氣曲線的線性來降低數(shù)據(jù)模型的復(fù)雜性。Taylor類的線性化過程允許對(duì)非線性函數(shù)進(jìn)行線性化。功耗閾值點(diǎn)用作線性工作點(diǎn)。確定閾值點(diǎn)后，將忽略其用于線性化的數(shù)據(jù)點(diǎn)。忽略出現(xiàn)在三個(gè)數(shù)據(jù)點(diǎn)或一個(gè)半小時(shí)內(nèi)的閾值點(diǎn)，以進(jìn)一步減少更改。起點(diǎn)僅用作將泰勒系列擴(kuò)展到第一級(jí)的操作點(diǎn)。高級(jí)別項(xiàng)目將被忽略，因?yàn)樗鼈兊挠绊懳⒉蛔愕馈?/p>

2、網(wǎng)絡(luò)負(fù)載均衡算法分析

2.1關(guān)于物元分析模型的網(wǎng)絡(luò)評(píng)價(jià)

負(fù)載平衡是提高網(wǎng)絡(luò)運(yùn)行質(zhì)量的有效手段之一。對(duì)于異構(gòu)無線網(wǎng)絡(luò)，使用負(fù)載平衡可以緩解資源分配不均的問題，在一定程度上減少企業(yè)擁塞，并有效提高資源利用率。在無線異構(gòu)網(wǎng)絡(luò)環(huán)境中，為了實(shí)現(xiàn)負(fù)載平衡效果，可以通過選擇最佳的網(wǎng)絡(luò)接入來實(shí)現(xiàn)，同時(shí)結(jié)合元數(shù)據(jù)分析和相關(guān)功能的相關(guān)特性，可以對(duì)質(zhì)量水平進(jìn)行全面、精細(xì)的判斷選擇適當(dāng)?shù)木W(wǎng)絡(luò)訪問時(shí)，可以參考配電通訊服務(wù)的優(yōu)先級(jí)順序，并使用相應(yīng)的算法進(jìn)行計(jì)算分析。物理分析是一門新興的法律和方法學(xué)科，用于解決相互矛盾的問題，更適合于多因素評(píng)估。就網(wǎng)絡(luò)質(zhì)量而言，對(duì)網(wǎng)絡(luò)的評(píng)估可導(dǎo)致相應(yīng)的定性或定量評(píng)估。在網(wǎng)絡(luò)評(píng)估中應(yīng)用元數(shù)據(jù)分析可以有效地解決相關(guān)沖突。通過建立適當(dāng)?shù)奈锢砟Ｐ停梢源_定網(wǎng)絡(luò)評(píng)估指標(biāo)的權(quán)重，并通過計(jì)算相應(yīng)的相關(guān)性來確定網(wǎng)絡(luò)級(jí)別。用戶要實(shí)現(xiàn)負(fù)載平衡，所選網(wǎng)絡(luò)的訪問權(quán)限必須高。

2.2評(píng)定網(wǎng)絡(luò)的質(zhì)量等級(jí)

距離和相關(guān)功能為了量化要評(píng)估的網(wǎng)絡(luò)要素的特性，本文引入了距離概念。這基本上是實(shí)際變形函數(shù)中距離的概念。對(duì)于無線異構(gòu)網(wǎng)絡(luò)的性能指標(biāo)，根據(jù)相關(guān)知識(shí)理論，該指標(biāo)差異越大，信息熵越小，系統(tǒng)需要給予更大的權(quán)重;另一方面，隨著業(yè)績(jī)指標(biāo)之間的差距縮小，信息的熵值也隨之增大，因此提供的信息較少，只需對(duì)指標(biāo)給予較低的權(quán)重即可。確定適當(dāng)?shù)年嚵屑?jí)別，以及對(duì)象在多大程度上與標(biāo)準(zhǔn)對(duì)象級(jí)別相對(duì)應(yīng)，通常由相關(guān)性大小指示。相關(guān)性值越高，對(duì)象越符合要求。因此，可以通過計(jì)算不同網(wǎng)絡(luò)級(jí)別之間的相關(guān)性來確定網(wǎng)絡(luò)級(jí)別。

3、智能負(fù)載的提出

目前，世界主要的風(fēng)能國家正在積極探索將風(fēng)能等可再生能源納入電網(wǎng)的可能性，重點(diǎn)是積極發(fā)展智能電網(wǎng)和先進(jìn)的大規(guī)模儲(chǔ)存系統(tǒng)。但是，智能電網(wǎng)本身并不生產(chǎn)和消耗電力，它們只是電力的載體，而發(fā)電終端則通過電網(wǎng)無條件地滿足電力終端的需求。因此，歐洲和美國的一些國家和地區(qū)，在迅速發(fā)展風(fēng)能的同時(shí)，根據(jù)石油、天然氣和水力的優(yōu)勢(shì)，正在大力適應(yīng)先進(jìn)能力燃料/天然氣股和混合動(dòng)力股的發(fā)展，以適應(yīng)對(duì)以下方面的需求和歐洲的西班牙一樣，過去十年來風(fēng)力發(fā)電發(fā)展強(qiáng)勁，充電能力超過2×107kW，但具有深度調(diào)節(jié)能力的機(jī)組發(fā)展達(dá)到2×107kw，調(diào)整機(jī)組總數(shù)遠(yuǎn)遠(yuǎn)高于l的總數(shù)由于中國的能源以煤炭為主，發(fā)電商很難立即轉(zhuǎn)變輸出電力以滿足電力消費(fèi)者不斷變化的需求，國際先進(jìn)智能電網(wǎng)的概念也無法解決大規(guī)模利用風(fēng)能的問題發(fā)電機(jī)鍋爐燃燒系統(tǒng)具有延遲（反應(yīng)緩慢）、延遲和無法對(duì)水、電和煤氣等機(jī)組進(jìn)行深度調(diào)節(jié)等特點(diǎn)。如果用于深度調(diào)整，會(huì)增加煤炭消耗，降低機(jī)組效率，增加機(jī)組故障概率。表1顯示了200兆瓦的煤炭消費(fèi)量因超臨界燃燒裝置在各種不同條件下的貢獻(xiàn)減少而產(chǎn)生的價(jià)值。風(fēng)力發(fā)電充足時(shí)，參與峰值調(diào)節(jié)的電力機(jī)組輸出功率降低，煤炭消耗量逐級(jí)快速增加;當(dāng)輸出功率降至額定功率的80%時(shí)，煤炭消耗量增加6g;50%的煤電消耗量增加24克，燃煤發(fā)電廠處于虧損狀態(tài);50%的煤電消耗量增加24克，燃煤發(fā)電廠處于虧損狀態(tài);50%的煤電消耗量增加24克，燃煤發(fā)電廠處于虧損狀態(tài);50%的煤電消耗量增加24克，燃煤發(fā)電廠處于虧損狀態(tài);50%的煤電消耗量增加24克，燃煤發(fā)電廠處于虧損狀態(tài)。煤炭消費(fèi)量下降到30%時(shí)，將增加約36克，燃煤發(fā)電廠將遭受嚴(yán)重?fù)p失。

4、仿真試驗(yàn)

實(shí)驗(yàn)數(shù)據(jù)是來自某一區(qū)域近5000個(gè)用戶的一年智能測(cè)距儀數(shù)據(jù)。數(shù)據(jù)集由六個(gè)CSV（逗號(hào)分隔值）文件組成，總大小為3go。使用MATLAB在配備8gbram的intelcorei7筆記型電腦上實(shí)作此方法并執(zhí)行兩項(xiàng)模擬。第一次試驗(yàn)以每周一次的頻率收集預(yù)處理數(shù)據(jù)。一年中52周的數(shù)據(jù)每周匯總一次，共有52個(gè)分組。以30分鐘時(shí)間分辨率顯示的每周功耗分布圖的大小為d=（60x168）/30，即336。提取并線性化每個(gè)最終組的平均功耗分布，以生成加權(quán)線性分布。第二次測(cè)試的聚集過程從一周增加到一個(gè)月。一年的智能壓力表數(shù)據(jù)每月用于聚合一次。每個(gè)月的功耗數(shù)據(jù)文件大小因月份日期而異。每個(gè)測(cè)試都有幾個(gè)單