数据挖掘技术在负荷特性分析中的应用

近年来,江苏经济持续快速发展拉动了电力需求的强劲增长,全省全社会用电量及增幅屡创新高,电力企业网建设规模日趋扩大,要使负荷特性分析能继续可靠地发挥作用,就必须为其提供大量数据:负荷类、经济类、气象类、企业类等等,其数据量极其庞大。近年来,随着计算机技术的迅速发展及其在电力系统中的应用,数据采集的自动化水平也愈来愈高。但由于所需数据分布在各部门,如调度、生产、营销、负控等,各部门系统设备的不一致性导致各相关数据格式和类型、存储形式、通信规约均不相同,这样就难以组织信息传输网络和统一的分析手段。如何从海量的数据中快速准确地提取用于电力企业科学决策的信息,已经成为一个亟待解决的课题。在电力市场环境下,要求企业为提高经济效益努力实现自动化和信息化将是一项重要工作。而日臻成熟的数据仓库和数据挖掘技术在其中已经表现出了一定的优势,并可以广泛地获得应用,以期更好地提高系统运行的可靠性和经济性。 本文首先介绍了电力负荷特性分析的概念,内容及意义。然后介绍了近年来当地国民经济发展和地区电网供电概况。在负荷特性分析方面,首先是介绍了负荷特性分析的基本概念及主要指标,然后进行了详细的分析计算,其中包括负荷率分析、峰谷差分析等。采用数据挖掘算法中的ID3判定树算法,对常用的负荷指标按反映年度和季度变化进行分析筛选,得到适合当地负荷分析的一套负荷指标体系。 接着详细定量地分析了经济水平、气温等因素与负荷的相关性。在此基础上用数据挖掘中的关联规则算法进一步分析了它们之间的联系。统计出各类因素出现的频度,在限定最小支持度和最小置信度的前提下,得出一些有意义的结论。 最后应用数据挖掘技术研究用户的负荷特性分析。采用模糊聚类方法对典型行业典型用户的负荷特性进行分析,将用户分类,然后在分类后的曲线的基础上构筑全社会的负荷曲线,之后进行拟合曲线和实际曲线的比较,得出结论。