论文大数据背景下智能电网的前景与应用综述，本文是关于智能电网类论文写作技巧范文跟智能电网和应用综述和大数据背景方面论文写作技巧范文.
摘 要：随着智能电网的快速发展,大数据产生于整个系统的每一个环节,如电力供应端等.输变电端的智能传感技术的发展,可以对输变电设备进行实时监控；智能终端的部署,可以实时获取发电信息和负荷信息；智能电表的安装,电力供应商可以每隔一段时间自动读取一次用户用电信息.海量的电力数据的收集,从而构成了智能电网中的大数据.通过对海量数据深度挖掘,不仅具有提高电网的稳定性,促进社会资源合理等优点,还能激励用户在低谷时段用电,从而达到削减峰值负荷,节能减排等目的.本文综合大量智能电网相关的文献,分析和总结了智能电网中大数据特点及其相关应用.
关键词：智能电网；大数据；实时电价；负荷预测；故障识别
引言
近年来,随着人类文明的不断进步,工业文明的不断发展,传统能源以惊人的速度在消耗,为此也引发了诸多环境问题,比如：海平面逐渐上升,温室效应日益严重等.为了可持续发展,提高能源利用率和减少二氧化碳及有害气体的排放,现代电网制定了优质、可靠、自适应、经济、绿色环保等目标,智能电网的概念由此而生.
智能电网是一种新型的电力网络,它利用监测、控制、自我协调等功能来提高电网的有效性、灵活性、安全性、可靠性.相较于现在的电网,智能电网不仅具有双向通信、分布式发电、自愈、实时监控、远程调控等优点,而且能够很大程度上调度部署分布式能源,如可再生能源、电力储蓄系统等；允许用户和电力供应商之间的实时交流互动来实现需求侧和控制负载等功能；通过智能电表和监测系统实时监测用户电价[1-3].
大数据分析技术广泛地应用在当今社会和经济中,世界上大多数国家都已将大数据作为战略资源,2012年,美国政府率先宣布推出“大数据的研究和发展计划”,日本、欧盟也紧随其后,相应开展一系列与大数据有关的研究项目.我国也顺应时代的潮流,2013年北京、上海等地率先建立了政府数据资源开放平台,推动数据的开放和共享；中关村牵头建立京津冀“大数据走廊”,启动全国首个大数据交易平台.
基于大数据背景下的智能电网中,智能电表是不可或缺的一部分.它不仅能实时提供用户的电价计费以及税收数据等信息,还具有双向通信、远程调控、功能扩展等能力.利用高速双向交流、信息、控制技术来实现智能电网中多种电价计费、远程断供电、电能质量监测、与用户互动等功能[4-9].
实时数据采集、传输、存储、分析是发展优质、可靠、自适应智能电网的核心技术,其运用于整个电力系统,包括发电、输变电、用电等环节.因此,本文将智能电网中大数据的研究及应用现状进行综述,并对未来挑战提出展望.
1、智能电网大数据及特点
1.1 智能电网中的大数据
与传统电网相比,智能电网具有更高的智能化水平,而实现智能化的前提是能够实时获取海量数据并做出快速分析处理.智能电网中,大数据产生于电力系统的每一个环节中,如图1：
① 电力供应商端：随着现代数据化建设发展,大量的生产数据被保存,这些数据不仅对电力供应商生产运行,优化电力生产策略、故障诊断等方面有着重要的意义,而且能及时准确掌握分布式能源的设备及运行状态.
② 输变电侧：目前,我国已有几百座数字化变电站投入运行使用,一天能收集上亿的数据点,数据量以GB为单位.在输变电设备状态监测中,海量的数据被收集、监测,通过对数据的深度挖掘,异常数据为故障检测、状态检修的重要依据.
③ 用户端：为了能够准确地获取用户的用电数据,电力供应商在用户端部署安装了智能电表,电力供应商每隔5分钟就能读取一次实时用电信息.海量的电力数据的收集,从而构成了智能电网中的大数据,通过对这些海量数据的观察以及定性和定量分析,电力供应商能及时地对用户端的用电模式进行调整,从而做到削峰填谷,节能减排,优化人们生活,为广大用户提供更优质、安全、可靠的服务.
1.2 智能电网大数据的特点
不仅互联网中的大数据有“4V”特点,智能电网中的大数据也具有类似特点[10]：
① 大容量(Volume)：电力供应商每隔5分钟就能读取一次实时用电信息,每年产生上百TB的数据.我国某省电力公司已有178座数字化变电站,每天能产生约700TB的数量,随着检测系统规模的扩大以及数据采样频率的提高,数据量将会成倍增加.
② 多样性(Variety)：智能电网数据不仅分布较广,而且种类繁多,其中主要包括历史数据,实时数据,时间序列数据等原始数据、半结构化和非结构化数据.多样化的数据是智能电网大数据威力所在,可以根据电网数据统计出傍晚办公室集中关灯的时间,加上偏移量就可以估算晚高峰堵车时间段.
③ 价值密度低(Value)：在不间断监控发电设备和输变电设备中,所采集的数据大部分是正常数据,只有少量数据为异常数据,在快速检测电网的异常故障过程中,可能只对异常数据（小时间段的数据）进行关注、处理、分析,而丢弃了“正常数据”,然而对这些正常数据进行深度挖掘也可能是故障分析重要线索.
④ 真实性(Veracity)：数据的规模并不是衡量其是否具有价值的最重要指标,数据的真实性和质量才是其最重要的因素.电力供应端与用户端通过智能电表进行实时信息交互促,准确获取用户的用电行为,对用户进行观察分析,建立风险评估,针对不同用电模式下的用户,提供不同的用电服务,削峰平谷,优化电力分配.
此外,智能电网大数据特征还包括“3E”：数据即交互(Exchange)、数据即能量(Energy)、数据即共情(Empathy).从某种意义上讲,对电力大数据深度挖掘不仅能够做到节能减排,而且能够与电力行业以外的进行数据交互共享,促进社会资源合理利用.
2、智能电网大数据的相关应用
2.1 实时电价
电力定价方式有许多种,其中包括：固定电价、分时电价、阶梯电价、自适应电价和实时电价等.良好的电价机制需要用户根据电网的运行状态和自身的用电需求灵活地调整用电时间和用电数量,实现减少支出.从社会角度来看,良好的电价机制可以有效地缓解电力供需不平衡,将污染与温室气体排放降低到最小程度,从而增加社会综合效益.在各种定价机制中,最理想电价机制应该是实时电价.
实时电价(real-time pricing)的概念最早由Schweppe于上世纪80年代提出[11],实时电价是指电力销售过程中某一瞬间发生的费用,体现电价随时间变化而变化的特点.在实时电价实施过程中,电力供应商根据智能电表所读取的供需信息,实时制定电价来引导用户减少高峰时间段用电,激励用户低谷时段用电,从而达到削峰填谷的目的.
早期的实时电价也被称之为动态电价,包括分时定价,尖峰定价等(殷树刚(2009),Bu(2011),Giuliano(2015)[12-14]).这种实时电价实际上也包括在较长时段上的变化,例如按白天与夜晚,冬季与夏季等划分时段,每个时段制定不同的电力.这种意义下的实时电价相关研究有较长的历史,取得了一系列有意义的研究成果.文献[15-16]中,根据几个小时前甚至一天前的用电数据,对下一阶段电价进行预测,以用于实际电价的制定,在给定的时间段内向用户提供实时电价.
2.2 负荷预测
在智能电网中,电力负荷是一个随机变量,通过智能电表进行采样记录下来的集合是一个时间序列,用这个序列对电力负荷变化的规律进行分析并对未来负荷做出预测.
电力负荷预测对于电力调度,可靠性分析和发电机维护计划至关重要,是一个复杂的非线性问题,通常有天气,城市地理位置,社会和经济等因素.
近年来有关数据挖掘的相关技术被应用于电力负荷预测,并取得了许多的研究成果,其中文献[17]利用灰色模型分析法处理原始发电序列,用新序列来建立灰色模型预测未来值,再进行反变换得到原序列的发电需求；文献[18]使用神经网络算法对长期高峰负荷和平均负荷进行预测,通过数据中应用预处理技术和调整控制参数可以提高精度；文献[19]使用回归方法分析寻找发电量序列与其影响因素之间的因果关系,并建立回归模型进行电力预测；文献[20]针对电力用户侧大数据展开了研究,分析了用户侧大数据的特点,提出了一个大数据分析平台,并在此平台上开发了基于Hadoop的电力用户侧大数据并行负荷预测原型系统；文献[21]基于湖北省发电量数据使用自回归求和滑动平均模型预测其趋势项和周期项,并提出了乘积模型.
2.3 故障识别
随着电力系统日益重要,输电线路和变电站发生故障危害社会经济增长,影响人们的日常生活.因此,电力系统的安全稳定运行不仅十分重要,其本身也是一个实时动态系统,所以实时监测其运行状态是十分有必要的[22].
利用大数据技术,配合故障投诉系统,利用聚类划分、异常点检测、深度学习等技术,建立新型配电网故障管理系统,可以更好地对设备进行故障检测与诊断,保证系统的安全稳定运行,提高电网的优质、可靠性.
目前国内已有许多学者利用大数据挖掘技术对电力系统故障诊断进行分类研究：文献[23]通过分析系统中异常数据的电流与波形,为供技术人员更准确、快速处理比对、分析,确定电网故障区提供依据；文献[24][25]使用支持向量机（SVM）和人工神经网络（ANN）的方法来检测和诊断智能电网故障；文献[26]使用生成空间-时间特征和隐马尔可夫模型（HMM）来检测识别智能电网故障,并引入Granger因果关系来研究智能电网中所有公交车故障影响因果分析.
2.4 关联应用
关联规则分析是指挖掘出变量之间的关联性和依存性,例如,用电量与电价之间的关联性等.对关联性规则的数据挖掘,对电力供应商具有重要价值.将关联分析引入电力营销和负荷管理,可以为电力供应商制定合理的售电策略提供数据分析；在城市输配电规划中,为城市用电量与GDP、中心性级别、其后类型等因素潜在关系提供依据；文献[27]介绍了关联分析技术在智能电网监视告警系统中的重要性,并论述了关联事件分析引擎的工作原理以及关联分析引擎应实现的各项功能.
3、结束语
随着智能电网的信息化,通过对海量数据深度挖掘,实现对输变电设备的实时监控,实时获取发电和负荷信息,以达到优化能源结构,实现多种能源供给互补的目的；其不仅能有效地提高能源利用率,增强电网的稳定性、可靠性、灵活性；还实现电力供应商与用户的双向互动,打破了传统的电力服务模式,为用户提高更加优质、便捷的服务.能源互联网是智能电网的进一步深化和发展,以数据为核心的综合能源管理模式,以大数据为支撑下的能源互联,是一场智能体系的改革.
本文总结:这是一篇关于经典智能电网专业范文可作为智能电网和应用综述和大数据背景方面的大学硕士与本科毕业论文智能电网论文开题报告范文和职称论文论文写作参考文献.
参考文献：
1、 大数据背景下的大学英语教育有机化探究 摘要大数据时代的到来给当前的教育模式带来了机遇和挑战,教育的重点从传输知识转变为对人的教育 大学英语教育的有机化模式提出打破学科壁垒的、整合的、有根的、和谐的、愉悦的、审美的大学英语教学模式,且寻求契.
2、 大数据背景下档案工作信息化建设 一、档案工作发展现状介绍档案工作对于社会各个领域而言,其重要性不言而喻,大数据时代的来临,为档案工作带来了前所未有的机会与挑战 从某种角度分析,当前用户对于信息的需求表现出“井喷式&rdq.
3、 基于大数据背景下的医院档案管理优化策略 【摘要】将大数据技术引入医院档案管理工作中来,可以进一步提高医院档案使用效率,提升医院档案管理水平,更好地发挥出档案管理的数字优势 文中分析了大数据对医院档案管理工作的优势,并进一步对大数据背景下医院.
4、 大数据背景下学术期刊数字化出版的困境和 摘要信息技术的不断创新与发展推动了大数据时代的来临 大数据时代下,学术期刊的出版正在面临着极大的挑战与机遇 数字化出版是不同于传统的图书、报纸、期刊、影像……类型出版方式的一种全新业态,它对于学术期刊.
5、 大数据背景下档案管理模式变革的必要性与 【摘要】当下我们逐渐进入了大数据时代,这个时代对我们的档案管理工作产生了极大的影响,主要表现在对档案管理理论基础的冲击、对档案数据资源的影响、档案服务体系的变化、档案安全保障体系的变化……几个方面 本.
6、 大数据背景下高校校友相互信息需求的调查 大数据背景下高校校友相互信息需求的调查研究蒋晓涵（云南师范大学,云南 昆明 650500）摘 要在高校生活学习期间,高校与校友之间需要相互联系,一方面实现信息共享,另一方面增进校友与高校之间的感情 在.