智能配电网大数据应用技术与前景分析.docxVIP

智能配电网大数据应用技术与前景分析.docx

  1. 1、本文档共5页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多

??

?

??

智能配电网大数据应用技术与前景分析

?

??

?

?

?

?

?

?

?

???

?

?

?

?

?

摘要:大数据技术的存在主要的目的在于帮助人们从大量的数据信息中提取到有用的信息,从而根据此对本身行业的发展存在的不足之处加以改善,达到提高该行业发展水平的目的。而电力行业,随着智能配电网的普及,将大数据技术应用在智能配电网中,能够给对相关的数据进行研究,并通过应用相关数据来提高配电网反馈的能力。

关键字:智能配电网;大数据;应用;前景

关键词:智能配电网;大数据应用;前景

1智能配电网大数据的特点分析

1.1电网数据的规模较大

智能配电网在发展中,其发电机节点和负荷节点的数量也在随之增加,负荷与电网双向交互等因素的影响,增加了电网数据量,数据的存储也随之增加。

1.2高速性

这也是电网重要的属性,可以保持电力的平衡,从理论上来讲,负荷的波动具有很大的随机性,因此发电侧处理需要实时跟踪器负荷的变化。电网在运行中会受到多种不确定因素的影响,其故障发生也具有很大的随机性,要保证电网安全可靠运行,就需要及时发现其故障问题所在并解决问题,尽量避免损失或者将损失降到最低,这也就对电网传输和处理电网数据的速度提出了更高的要求,需要具有高速处理的能力。

1.3电网数据的多样性

其来源较广、存储类型多、采集的周期多样等,数据来源的渠道较多,主要包括电网内部数据和电网外部数据,如互联网、气象信息系统信息等,这些都为其提供了广泛的数据;对于数据的存储结构,除了传统的数据,还包括有用电信息财局、广域测量系统采集大量的有关负荷等。采集周期也具有多样性,不同的数据采样周期存在很大的差异。

2智能配电网大数据应用应用

2.1改善配网重过载,提高配网供电效率

在最近几年里,依据有关的工作理念,相关单位对大配网加大投入量,并且能够促进配网结构的不断完善。然而,由于配网项目管理工作还存在一些不足、配网建设的整体品质以及管理效率都具有一定的差异性,因此用电与供电出现不足的情况。部分地区尤其是城乡结合地区会发生配变重过载的情况,供电过程中还会发生“频繁停电”现象的发生,客户所投诉的主要内容普遍是由于电压不足,这些现象都在一定程度上对供电服务品质带来影响。

配变重过载预警可以理解为是在共和用电的情况下,将气象信息有效的结合在一起,采取预警模型以及相关的模型手段,进而对配网重过载做出详细的研究,采取有效的措施来改善配网重过载,继而将配网供电效率得以提高。与有关部门采取阈值方法来对监测预警做出合理的分析,亦或是结合人工积累的有关经验进行对比,在大数据中存在的配网重过载进行合理的研究,从而能够对于配网重过载的状况做好判断。当前,在短时间里出现重过载预警模型所产生的准确度能够超过81%,在中期阶段重过载预警模型能够达到72%的准确度,和传统采取人工形式进行判断的效率提高了5倍,从而尽可能的将配变重过载效率减少,避免由于配变重过载而产生不利影响,大大从整体上提高了配网供电的效率。

2.2大数据下的GIS系统应用

GIS系统引入空间负荷预测,可以使用计算机程序结合不同城市的地理区域数据,极大地降低数据收集、分析和处理的难度和工作量。下面举例以GIS系统网络聚类分析方法依据规划预测城市小区的负荷密度。

首先在系统中将用电负荷分类,主要分为居民用电负荷、商业用电负荷、农业用电负荷、工业用电负荷等,其次基于城市地理信息的数据库将城市科学规划为若干小区,收集小区内各类负荷及其相关因素的历史数据和各小区的未来负荷分布数据,最后采用聚类分析法提取分类数据与待测数据的隶属度,最后通过修正量计算,预测小区负荷密度。

2.3基于大数据分析的专变客户电量监测管理

经过近些年的专变客户电量监测工作,使得营销业务管理方式得到转变,将原有的需要人工计算判断异常的工作,由监测平台按预设规则自动筛选判断,大大减少人工、缩短判断时间。且数据采集频度由原来的月频度导出改成日频度导出,数据的时间精度更精细,更能满足营销业务管理的时效性需求。在监测部门与营销业务部门等公司内部协同工作过程中,使得公司营销业务管理运转更为高效,同时也逐步深化了该项管理方式的应用,更能适应日常工作的需要。

3智能配电网大数据的应用前景

3.1降低网络损耗,实现智能用电

为了帮助电力企业了解电费和用电量、电网耗损之间的相关变化,通过开发个性化的电源方案为基础的客户服务为导向的概念,并分析数据相关的分析,使匹配数据更准确和准确,在引入分布式电源操作和接入等新的运行机制的同时,构建了一种协同优化模型。在此模型的基础上,参考用户使用电的习惯,除了总结每个用户存在的特点外,由于大多数用户对电气行为的一般使用,我们将全面研究能效水平等因素及相关的联合用户数据通过制定和开发一种人性化的智能化客户力量计划,优化了电力资源,使其能

您可能关注的文档

文档评论(0)

138****4229 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档