《面向智慧型電網負荷預測的電力大數據關鍵技術》是依託上海電力大學，由雷景生擔任項目負責人的面上項目。
基本介紹
- 中文名：面向智慧型電網負荷預測的電力大數據關鍵技術
- 項目類別：面上項目
- 項目負責人：雷景生
- 依託單位：上海電力大學
項目摘要,結題摘要,
項目摘要
隨著堅強智慧型電網的快速發展,電力數據呈現爆炸性的增長，電力大數據的格局已經形成。電力大數據的數據體量巨大，數據類型繁多，處理速度快特性對傳統的數據處理技術提出了新的挑戰。傳統的數據處理方法以及電力套用技術遠遠不能適應電力大數據的套用需求。本項目針對智慧型電網負荷預測的準確性和實時性要求，對大數據的集成、質量控制、存儲方法、分析與處理等關鍵技術展開深入研究。重點研究：（1）多源異構的電力大數據集成技術；（2）電力大數據的高性能存儲及高效數據訪問；（3）分散式環境下準確、高效的電力負荷預測算法。本項目的研究成果將有效提升電力負荷預測的準確性和實時性，推動電力大數據技術在智慧型電網建設中廣泛和深入的套用。
結題摘要
電力大數據的產生為負荷預測的準確性提供了保障和挑戰。然而傳統的電力負荷預測技術無法適應從電力大數據環境中挖掘出預測模型並進行預測的過程，其實時性也將無法得到保證。本項目針對智慧型電網負荷預測的準確性和實時性要求，對大數據的集成、質量控制、存儲方法、分析與處理等關鍵技術展開深入研究。取得了如下研究成果： （1）在多源異構的電力大數據集成技術方面，提出了電力大數據的異常檢測方法，利用本體方法構建了多源異構電力大數據的統一數據模型。（2）在電力大數據的高性能存儲及高效數據訪問中，構建了適合電力大數據需求的分層存儲、分散式可擴展技術以及高效訪問技術，實現對多源異構數據的高效存儲，對電力大數據分析與處理提供有力支撐。（3）研究分散式環境下屬性的全局約簡方法，從而選取與負荷預測相關的一些參數，大大減少數據處理的工作量。提出了一種“聚類-回歸”模型的短期電力負荷預測方法，能夠在分散式環境下準確、高效的進行電力負荷預測。本項目的研究成果能夠有效提升電力負荷預測的準確性和實時性，推動電力大數據技術在智慧型電網建設中廣泛和深入的套用。
