资料下载
如何使用大数据技术进行短期负荷分析与预测
黑风寨主66
分享资料个
长期以来，预测短期负荷的时间序列法、专家系统法、人工神经网络法等方法的实际应用效果并不理想，在建立系统负荷与众多影响因素之间的关系模型时存在很大困难，引起这一问题的原因主要在于用户负荷的变化千差万别，用户负荷在叠加时会削弱甚至抵消某些用户负荷的变化规律，使得系统负荷变化的规律性变得模糊，难以精确定位负荷波动真正原因;同时负荷的影响因素之间呈现非线性、复杂性和滞后性等特点。
随着智能电表的大面积安装和用电信息采集系统的广泛应用，获取了大量用户的负荷信息，使得研究用户负荷变化规律成为可能，由于用户受行业属性决定，其生产活动具有自身明显的规律性，影响因素相对单一，负荷与影响因素的关系更加简单，负荷特性更易于把握，因此负荷分析点越接近于负荷需求地越有利于掌握负荷发展规律
据的短期负荷预测新方法。但由于电网用户数量众多，数据量大、计算量大，传统的计算框架已无法胜任如此大量的数据计算工作，因此提出了基于Hadoop 大数据技术的解决方案。
针对用户层面的用电规律和负荷预测研究工作，是今后电力系统短期负荷预测的一个全新发展方向，将更加有利于电网公司制定精细化的调度计划，以及提高电网运行的稳定性和经济性。此外，用户负荷与行业属性、GIS 等维度信息的组合，可实现行业和地块负荷的用电趋势研究。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
- 相关下载
- 相关文章
