智能电网数据挖掘与应用研究

智能电网技术在新能源发电中的应用研究

随着世界能源危机日益加剧，新能源发电已成为未来发展的重要方向，尤其是太阳能、风能这些可再生资源成为新一代发电源的代表。但是，由于新能源发电具有瞬变性、间歇性、不可控性等特点，传统电网无法完全适应其高效安全稳定运行的要求，这就需要智能电网技术的应用。

一、 智能电网技术概述

智能电网是指能够充分利用新能源与现有电网资源，整合先进物联网、云计算、大数据分析等技术，实现集成、可控、智能化的电力系统。其优点在于强调能源的清洁、可再生和节能性，采取多种监控方法来掌控全局，实现对电网的全过程监测、运行、管理、控制与优化。

二、 智能电网技术与新能源发电的应用

智能电网技术在新能源发电中的应用主要包括以下几个方面。

1. 新能源发电预测

由于太阳能和风能发电的不确定性，其发电量不可控，但均具有较强的随机性和波动性。而智能电网系统通过整合大量数据源，使用先进的大数据与AI算法，预测未来一段时间内的新能源发电量，预测成功率高达90%，为后续运行计划提供依据。 2. 储能技术应用

新能源发电本身具有不确定性，而有时候又与用户需求不对等，因此需要通过储能技术来缓解。智能电网配合新能源发电，采用储能技术，在峰谷用能时段内，通过对能量的存储、管理，降低了新能源在传统电力系统上的调峰难度，使其能够为用电高峰期提供稳定能源。通过储能技术对于新能源的储存和调用，确实是提高新能源利用率和电网稳定性的一个有效途径。

3. 新能源接入控制技术

智能电网技术可以有效识别和控制新能源的接入过程，防止新能源接入给电网带来过大的冲击，保护现有的电力设施。智能电网技术可以通过对新能源发电设备的安装，通过专业的保护、控制等技术手段来实现对新能源接入的平稳接收。

4. 智能电网实时监控

智能电网技术可以通过高速通信、远程监控等方式，实时监测电能的生产、传输和使用情况，为管理人员提供信息参考，通过可视化管理实现对电网的全过程监控，大大提高电网运行管理效率的同时确保电网安全稳定运行。

电力大数据技术在智能电网中的应用

随着工业升级以及人民生活水平的不断提高，人们对电力供应的质量与稳定性有着越来越高的要求，传统的电网建设与运行模式将越来越不适应时代发展要求，高度融合了传感、测量、通信等技术的智能电网成为必然的发展趋势。随着各类智能设备在电网中的应用，产生的电力运行数据较之前将高出4个数量级。面对海量的数据，只有有效应用大数据分析技术，才可对其进行分析，并输出有价值的信息，为智能电网的运行与建设提供决策依据。

标签：电力;大数据技术;智能电网;应用

一、智能电网与电力大数据分析技术的关系

简单来讲，大数据（Big-Data）是指无法在一定时间范围内引用常规软件工具对其内容实施抓取、管理及处理的数据集合，具有规模性、多样性及高速性等特点。而电力系统属于社会经济与人类生活的基础内容，也具有大数据的典型特征。由于电力系统属于人造系统最为复杂的一种，不仅包含广泛的地理区域，而且需要传递大量能源，若在运行期间发生故障，短时间内将会产生不可估计的影响。这些内容都与大数据特征相符。尤其是在智能电网的全面推广中，电力系统的智能化与信息化水平越来越高，促使系统内部储备信息数据越来越多，如安装在家庭和企业终端的智能电表收集的数据;电力设备状态监测系统实时跟踪调查发电机、变压器及开关设备等内容的运行信息;对光伏与风电功率实施预测，必须掌握的历史数据、气象信息等。由此可知，在新时代背景下，电网企业要突破以往数据处理技术的制约，在明确自身发展需求的基础上，合理运用电力大数据分析技术，不仅能快速獲取所需信息，而且符合电网企业发展需求。

二、智能电网大数据关键技术

（一）多源异构数据聚合管理技术

前文已经提到过，智能电网是一种非常复杂的系统，其存储的数据量非常大，且种类较多，如果只是简单地进行数据处理工作的话，那么处理速度会非常之慢。正因如此，在智能电网的数据管理方面一定要做好以下几项工作：首先是将数据整合，对其进行排查，选出与此次工作内容相关的数据进行转换，在剔除和修正之后就可以将其投入使用。当然，在开始之前，要选择合适的数据集成模型，现有的模型主要包括数据链板、基于中间体模型、数据仓库等等。

龙源期刊网

大数据在智能电网中的研究现状与展望

作者：凌超 蔡晖 胡波

来源：《华中电力》2014年第02期

摘要：借助大数据技术，智能电网的整体价值迅速得到跃升，这种价值的跃升也使得电力企业具有大数据的时代特征。本文从大数据、智能电网及两者的融合三个方面讨论了它们的研究现状、关键技术与展望。

关键词：智能电网，大数据

0、引言

随着电力工业与信息化的深度融合，智能电网将同时承载电力流、信息流和业务流。届时，电网和电力信息通信网的用户将发生叠加。作为继云计算、物联网之后信息产业的又一次颠覆性技术变革， 大数据已经成为当前科技创新、产业政策及国家安全领域的新知识增长点。[1]

大数据方面，2012 年 3 月 22日，奥巴马宣布美国政府投资2亿美元启动“大数据研究和发展计划（Big Data Re-search and Development Initiative）”。这是继1993年美国宣布“信息高速公路”计划后的又一次重大科技发展部署。美国政府认为，大数据是“未来的新石油”，并将对大数据的研究上升为国家意志。智能电网方面，日本计划在2030年全部普及智能电网，同时官民一体全力推动在海外建设智能电网。在蓄电池领域，日本企业的全球市场占有率目标是力争达到50%，获得约 10万亿日元的市场。日本经济产业省已经成立“关于下一代能源系统国际标准化研究会”，日美已确立在冲绳和夏威夷进行智能电网共同实验的项目[2]。智能电网成为世界各国竞相发展的一个重点领域，将大数据技术融合进智能电网已经成为智能电网的发展方向。

上海电力学院计算机与信息工程学院院长雷景生透露，仅在省一级的电力公司数据服务中心，就有上千台计算机用来保存电网历史数据，每年为此所耗费的电量大得惊人。然而，历史数据虽多，但多在“沉睡”。目前电力公司分配电量主要还是依靠经验，若能唤醒这些数据，利用大数据的技术与用户产生互动，实时监控用电量数据，就能为智能分配电量提供可靠依据。[3]

第３２卷第３期　２０１１年６月　华北水利水电学院学报　Ｊｏｕｒｎａｌ　ｏｆ　Ｎｏａｈ　Ｃｈｉｎａ　Ｉｎｓｔｉｔｕｔｅ　ｏｆ　Ｗａｔｅｒ　Ｃｏｎｓｅｒｖａｎｃｙ　ａｎｄ　Ｈｙｄｒｏｅｌｅｃｔｒｉｃ　Ｐｏｗｅｒ　Ｖｏ１．３２　Ｎｏ．３　Ｊｕｎ．２０１１　

文章编号：１００２—５６３４（２０１１）０３—００４３—０３　

智能电网中电力负荷短期预测数据挖掘模型　

高庆敏，孟繁为，王利平，蔡宇飞　

（华北水利水电学院，河南郑州４５００１１）　

摘要：依据数据挖掘理论对数据进行收集、整合，运用改进型ＢＰ神经网络模型处理数据，建立电力负荷模　型进行短期预测．通过不同精度下的实验分析，结果表明，改进型神经网络负荷预测模型在高精度下预测结果　优于低精度下预测结果，最大误差同比降低８０％，适用实际负荷预测．　关键词：数据挖掘；改进ＢＰ算法；人工神经网络；电力负荷预测；Ｌ—Ｍ法　

ＩＢＭ高级电力专家ＭａｒｔｉｎＨａｕｓｋｅ解释智能电网　

有３个层面的含义：首先是利用传感器对发电、输　电、配电、供电等关键设备的运行状况进行实时监　

控；然后把获得的数据通过网络系统进行收集、整　

合；最后通过对数据的分析、挖掘，达到对整个电力　系统运行的优化管理．笔者对电力负荷数据进行数　据挖掘，达到负荷准确预测的目的¨　．　

１　数据挖掘　

数据挖掘在人工智能领域习惯上又称为数据库　

中知识发现（Ｋｎｏｗｌｅｄｇｅ　Ｄｉｓｃｏｖｅｒｙ　ｉｎ　Ｄａｔａｂａｓｅ，　

ＫＤＤ），也有人把数据挖掘视为数据库中知识发现　过程的一个基本步骤．知识发现过程由以下３个阶　

段组成：数据准备；数据挖掘；结果表达和解释．　

以住的数据挖掘中多采用以时间序列法为代表　的各种经典负荷预测方法，该法很难找出负荷与影　

响因素之间呈高度非线性化的量化关系．采用ＢＰ　

神经网络算法可以任意逼近非线性系统，能很好地　

对历史负荷曲线进行拟合　．　

２　ＢＰ神经网络　

ＢＰ网络也称误差回传神经网络，是一种无反馈　的前向网络，网络中的神经元分层排列．每一层内神