基于云計算的智能電網(wǎng)負荷預(yù)測平臺架構(gòu)研究

羅滇生 王新坤

摘要：提出一種基于云計算的智能電網(wǎng)負荷預(yù)測平臺架構(gòu).深入地闡述了云計算關(guān)鍵技術(shù)、負荷預(yù)測云架構(gòu)、云平臺負荷預(yù)測服務(wù)等.采用Hadoop 云計算技術(shù)，對負荷預(yù)測的資源調(diào)度和計算進行虛擬云計算仿真，驗證了以電力私有云為基礎(chǔ)建立的負荷預(yù)測機制更優(yōu)良.同時在云平臺負荷預(yù)測服務(wù)中引入多維多級協(xié)調(diào)優(yōu)化機制，對原始預(yù)測結(jié)果進行修正與協(xié)調(diào)優(yōu)化，顯著地提升了基于云計算的智能電網(wǎng)負荷預(yù)測水平.由此搭建的平臺架構(gòu)將為智能電網(wǎng)負荷預(yù)測提供廣闊的思路與有力的技術(shù)支持.

關(guān)鍵詞：云計算；智能電網(wǎng)；負荷預(yù)測；電力云；架構(gòu)

中圖分類號：TM711 文獻標(biāo)識碼：A

文章編號：1674-2974（2016）02-0101-08

傳統(tǒng)負荷預(yù)測技術(shù)的研究多處于技術(shù)層面，如預(yù)測模型的改進、預(yù)測過程的完善等，而智能電網(wǎng)下的負荷預(yù)測技術(shù)將進入管理階段，如需求側(cè)用戶用電模式管理、分布式新能源管理、儲能設(shè)備管理等，都將對提高負荷預(yù)測水平產(chǎn)生巨大的影響.

智能電網(wǎng)環(huán)境下的負荷預(yù)測面臨以下問題.第一，隨著大量終端設(shè)備（智能電表、嵌入式智能家電等）投用和“信息化、數(shù)字化、自動化、互動化”過程的推進，數(shù)據(jù)信息采集、處理、計算遇到瓶頸.第二，由于傳統(tǒng)數(shù)學(xué)模型考慮到計算實時性的問題都做了相應(yīng)的簡化，使得多影響因素下的負荷模型通用性不強.隨機性、間歇性負荷的涌入導(dǎo)致現(xiàn)階段的負荷預(yù)測準(zhǔn)確率不穩(wěn)定.第三，現(xiàn)有負荷預(yù)測系統(tǒng)大多基于多層體系Browser/Server（B/S）結(jié)構(gòu)，采用.NET或J2EE技術(shù)，針對的對象不同（有母線、大用戶、系統(tǒng)等），異構(gòu)現(xiàn)象突出，造成不合理的資源配置.第四，服務(wù)器CPU利用率低，大部分時間處于空閑狀態(tài)或者不飽和狀態(tài)，嚴(yán)重浪費了資源.

云計算（Cloud Computing）是對基于網(wǎng)絡(luò)的、可配置的共享計算資源池能夠方便、隨需訪問的一種新型的計算模式[1]，可以解決目前電網(wǎng)日益嚴(yán)峻的問題，以及未來智能電網(wǎng)的三大問題（海量數(shù)據(jù)處理、實時數(shù)據(jù)分析及數(shù)據(jù)共享），因而逐漸應(yīng)用于電力行業(yè)[2-3].電力云是電網(wǎng)的內(nèi)在和本質(zhì)的需要，如文獻[4]指出云計算是未來電力系統(tǒng)的核心計算平臺.云計算可運用到電力系統(tǒng)的以下方面：智能變電站、狀態(tài)監(jiān)測[5]、配網(wǎng)自動化[6]、調(diào)度運行、網(wǎng)損分析[7]等.本文主要根據(jù)云計算的優(yōu)勢，提出一種基于云計算的智能電網(wǎng)負荷預(yù)測平臺架構(gòu)，以電力私有云為基礎(chǔ)建立了更加優(yōu)良的負荷預(yù)測機制，更好地實現(xiàn)海量數(shù)據(jù)處理和資源合理配置.并在云平臺負荷預(yù)測服務(wù)中引入多維多級協(xié)調(diào)優(yōu)化機制，對原始預(yù)測結(jié)果進行修正與協(xié)調(diào)優(yōu)化，顯著提升智能電網(wǎng)負荷預(yù)測水平，為今后的負荷預(yù)測工作提供思路.

1智能電網(wǎng)負荷預(yù)測

智能電網(wǎng)環(huán)境下的負荷預(yù)測主要呈現(xiàn)以下特點：1）不僅要考慮傳統(tǒng)因素（氣象、經(jīng)濟、社會因素等），還要考慮分布式電源、需求側(cè)管理、儲能等對負荷的影響；2）負荷預(yù)測不僅關(guān)心負荷在一定時間、一定區(qū)域有多大，而且還要關(guān)注電能消耗的原因；3）隨著高級量測體系（Advanced Metering Infrastructure，AMI）的逐步推廣與應(yīng)用，通過各種通信方式傳輸?shù)綌?shù)據(jù)管理系統(tǒng)的海量負荷預(yù)測數(shù)據(jù)，對各類負荷進行分類、分析研究至關(guān)重要；4）智能電網(wǎng)中雙向的電力流、信息流要求負荷預(yù)測技術(shù)更具智能性和自適應(yīng)性；5）智能電網(wǎng)下負荷預(yù)測涉及的對象（點、線、面、體四級）多維多級化，因此要考慮多維多級預(yù)測結(jié)果之間協(xié)調(diào)優(yōu)化，以提高預(yù)測精度.智能電網(wǎng)負荷預(yù)測框架如圖1所示.

2云計算及電力云

云計算是隨著其構(gòu)成（云基礎(chǔ)設(shè)施作為服務(wù)， Infrastructure as a Service， IaaS；云平臺作為服務(wù)， Platform as a Service， PaaS； 云軟件作為服務(wù)， Software as a Service， SaaS）發(fā)展起來的.智能電網(wǎng)是電網(wǎng)2.0，云計算可以說是Web3.0，是一個諸如電網(wǎng)一樣的云網(wǎng)，“按需即用，隨需應(yīng)變”，是一個創(chuàng)新的系統(tǒng)，因此云計算與智能電網(wǎng)有著天然的聯(lián)系.

未來電力系統(tǒng)是超大規(guī)模的，電力計算是多節(jié)點、多任務(wù)、多目標(biāo)、多層次、多策略、實時性的，依靠傳統(tǒng)集中式的調(diào)度計算平臺是遠遠達不到要求的.融入嶄新的云計算，利用其獨特的優(yōu)點[1，8]，適用于電網(wǎng)這樣快速增長的場景，實現(xiàn)配置優(yōu)化、管理優(yōu)化、計算優(yōu)化、服務(wù)優(yōu)化等等，因此電力云隨之產(chǎn)生.

云計算按照其部署模式[1]可以分為：私有云、社區(qū)云、公共云和混合云.私有云優(yōu)良的數(shù)據(jù)安全性、高效的服務(wù)質(zhì)量、合理地整合資源能夠滿足電力云安全可靠穩(wěn)定的需要.

圖2所示為部署電力調(diào)度云，其中不同云層里包含一個負荷預(yù)測云，負荷預(yù)測云的運行原理是由用戶（計劃、方式、繼保、調(diào)度、運行等不同專業(yè)）發(fā)出請求，通過互聯(lián)網(wǎng)發(fā)送到主節(jié)點服務(wù)器，然后向存儲節(jié)點服務(wù)器調(diào)用預(yù)測算法，向計算節(jié)點服務(wù)器分配資源，安排不同節(jié)點采用不同算法進行預(yù)測，各類數(shù)據(jù)通過請求從存儲節(jié)點服務(wù)器獲得.最后預(yù)測結(jié)果匯總到主服務(wù)器，進行分析并反饋給用戶.

3 智能電網(wǎng)負荷預(yù)測云架構(gòu)

目前，負荷預(yù)測的工作主要集中在平臺開發(fā)、預(yù)測技術(shù)研究、預(yù)測管理中心的建立.但是，電力系統(tǒng)內(nèi)部預(yù)測的需求不是單一的，系統(tǒng)平臺異構(gòu)性問題突出（服務(wù)器等基礎(chǔ)設(shè)施多樣化，開發(fā)平臺多樣化，數(shù)據(jù)標(biāo)準(zhǔn)多樣化，預(yù)測技術(shù)多樣化，對象多樣化）.建立基于云計算的負荷預(yù)測系統(tǒng)，能夠解決數(shù)據(jù)不能共享、處理速度慢等問題，適應(yīng)了智能電網(wǎng)的發(fā)展.圖3為基于云計算的負荷預(yù)測系統(tǒng)架構(gòu).

調(diào)度的時效性要求負荷預(yù)測的期限越來越短，甚至可能出現(xiàn)“超超短期負荷預(yù)測”.這就需要云計算的“虛擬化”技術(shù)，將分散在不同空間的服務(wù)器、數(shù)據(jù)庫、網(wǎng)絡(luò)等設(shè)施，整合分散的資源、統(tǒng)一數(shù)據(jù)和服務(wù)標(biāo)準(zhǔn)，構(gòu)成一個“資源池”，通過負荷分配將任務(wù)分派給不同任務(wù)機器，進行分布式計算.如圖3所示，分布式技術(shù)是PaaS的核心內(nèi)容，包含分布式基礎(chǔ)設(shè)施、分布式大規(guī)模數(shù)據(jù)處理（如Google采用的Hadoop Mapreduce框架）、分布式數(shù)據(jù)庫（如MySQL）技術(shù).SaaS在傳統(tǒng)負荷預(yù)測系統(tǒng)的基礎(chǔ)上，著力研究大規(guī)模的負荷分析、典型用戶負荷預(yù)測、分布式負荷預(yù)測、多級協(xié)調(diào)機制、實現(xiàn)分析、預(yù)測、管理、服務(wù)一體化.而SOA （Service-Oriented Architecture）真正地將以上系統(tǒng)重構(gòu)和重組，形成一個全面有序的系統(tǒng).以上幾個部分形成構(gòu)架的“云”，而用戶“端”主要通過桌面虛擬化等虛擬化技術(shù)來呈現(xiàn).

4基于云平臺的負荷預(yù)測服務(wù)

云計算的關(guān)鍵技術(shù)包括：虛擬化技術(shù)、并行編程模型、海量數(shù)據(jù)分布存儲技術(shù)、海量數(shù)據(jù)管理技術(shù)、SOA構(gòu)架等[8].虛擬化技術(shù)與SOA構(gòu)架融合的SOAOV（Service-Oriented Architecture of Virtualization）系統(tǒng)框架能夠增加負荷預(yù)測應(yīng)用系統(tǒng)的靈活性，提高資源利用率.

SOA是一種分布式、開放的架構(gòu)，以一切服務(wù)最大化作為出發(fā)點，可以將現(xiàn)有的雜亂無章的負荷預(yù)測系統(tǒng)整合并形成一套新的系統(tǒng).[9-10]SOA提供了一種與平臺無關(guān)的、松散耦合、可擴展、可重用的體系架構(gòu)組織方式.

SOA可以將傳統(tǒng)的.NET和J2EE平臺的負荷預(yù)測系統(tǒng)，通過服務(wù)封裝的形式進行組合，實現(xiàn)服務(wù)交互.SOA構(gòu)架與負荷預(yù)測云運行機制的契合性高.因此，負荷預(yù)測服務(wù)與云機制優(yōu)勢結(jié)合，大大提升了預(yù)測的整體性能.

傳統(tǒng)的負荷預(yù)測主要采用直接預(yù)測的方法，目前也逐步涌現(xiàn)出間接預(yù)測方法，如考慮網(wǎng)損的各地區(qū)負荷之和來預(yù)測省級負荷的研究、考慮地方小水電、檢修、轉(zhuǎn)供等因素的母線負荷預(yù)測來預(yù)測省級統(tǒng)調(diào)負荷的研究等，都推動了負荷預(yù)測的發(fā)展，但存在結(jié)果協(xié)調(diào)的問題.智能電網(wǎng)下將不同對象的負荷預(yù)測通過協(xié)調(diào)機制平衡各個結(jié)果，并轉(zhuǎn)換成多種服務(wù)呈現(xiàn)給用戶.

4.1云平臺基礎(chǔ)化負荷分析服務(wù)

負荷分析是負荷預(yù)測的基礎(chǔ).隨著大量智能設(shè)備的投入，負荷數(shù)據(jù)的采集更加細化.在負荷聚類分析的基礎(chǔ)上，可以將地區(qū)負荷分為各行業(yè)負荷進行實時滾動分析，克服以往通過負荷比重分析的不科學(xué)性；緊密結(jié)合實時氣象要素、轉(zhuǎn)供、檢修等，展開對母線負荷的相關(guān)性分析；以集中空調(diào)負荷、居民空調(diào)負荷為主進行空調(diào)負荷分析；考慮企業(yè)生產(chǎn)計劃、高速電氣化鐵路運行時刻表等的典型大用戶波動性負荷特性分析；考慮氣象、地理信息數(shù)據(jù)的光伏發(fā)電、風(fēng)力發(fā)電功率分析；考慮運行狀況、氣象、路面狀況等因素的電動汽車充電負荷分析.

4.2基于云平臺負荷分析的負荷預(yù)測服務(wù)

在云計算平臺下，負荷預(yù)測服務(wù)多樣化、多級化，而負荷分析也更加精細化、科學(xué)化，因此基于負荷分析的研究方式更具實際意義.負荷預(yù)測服務(wù)主要包括：

1）行業(yè)負荷預(yù)測.將采集到的各行業(yè)（居民、商業(yè)、工業(yè)、農(nóng)業(yè)、輕工業(yè)、服務(wù)業(yè)等）數(shù)據(jù)，分別進行預(yù)測，特別注重基于實時氣象要素的商業(yè)負荷和居民負荷預(yù)測.

2）母線負荷預(yù)測.采用聚類方法進行母線分類，考慮氣象、檢修、小水電、轉(zhuǎn)供對負荷的影響，建立面向電網(wǎng)安全校核的精細化母線負荷預(yù)測流程.

3）典型大用戶負荷預(yù)測.了解大型企業(yè)的生產(chǎn)計劃、結(jié)合負荷分析，采用概率預(yù)測算法；考慮高鐵的運行時刻表，掌握隨機性負荷的特點，歸納出一套針對波動性負荷的預(yù)測算法.

4）風(fēng)力發(fā)電功率預(yù)測.以數(shù)值氣象預(yù)報為基礎(chǔ)，運用信息融合、數(shù)據(jù)挖掘、人工智能等理論，提出基于元學(xué)習(xí)（Metal-Learning）的前向評估自適應(yīng)組合預(yù)測方法.

5）光伏發(fā)電功率預(yù)測.研究相關(guān)因子對光伏發(fā)電負荷的影響（如溫度、陣列的高度、空隙、風(fēng)速、覆塵率、濕度等），研究輸入數(shù)據(jù)的篩選方法，提出基于主成分分析方法的數(shù)據(jù)同化、篩選與融合新方法.

6）電動汽車充電負荷預(yù)測.考慮電動汽車類型、日期類型、運行區(qū)域、氣象、道路狀況等因素，獲取電動汽車的日負荷曲線，采用概率方法進行預(yù)測.

4.3云平臺多維多級協(xié)調(diào)負荷預(yù)測優(yōu)化服務(wù)

智能電網(wǎng)下負荷預(yù)測往往出現(xiàn)各預(yù)測結(jié)果不平衡的現(xiàn)象，需要建立協(xié)調(diào)機制[11-14]，如上下級電網(wǎng)之間、各個行業(yè)與地區(qū)之間、母線與系統(tǒng)之間等.將智能電網(wǎng)預(yù)測分為點、線、面、體多維多級負荷預(yù)測，同時也帶來了各級之間的協(xié)調(diào).如圖4所示.

“點”指的是典型用戶、高鐵以及間歇性分布式負荷預(yù)測，“線”指的是母線負荷預(yù)測，“面”指的是傳統(tǒng)的地區(qū)系統(tǒng)負荷預(yù)測，“體”指的是省、網(wǎng)及全網(wǎng)負荷預(yù)測.

協(xié)調(diào)1是指典型用戶與母線負荷預(yù)測之間的協(xié)調(diào).一方面有利于分析母線的負荷成分，另外一方面通過預(yù)測結(jié)果對比校正母線負荷預(yù)測結(jié)果.

協(xié)調(diào)2是指母線負荷預(yù)測與地區(qū)系統(tǒng)負荷預(yù)測之間的協(xié)調(diào)[11].這個過程往往在安全校核中涉及到，母線是安全校核的節(jié)點，幾條母線構(gòu)成一個安全校核斷面.通過母線結(jié)果來協(xié)調(diào)地區(qū)負荷，由地區(qū)結(jié)果來修整母線負荷.

協(xié)調(diào)3是指各個省級電網(wǎng)與上級之間的協(xié)調(diào).協(xié)調(diào)過程考慮各個省級之間的外部聯(lián)絡(luò)線的負荷、網(wǎng)損、同時率等.如式（1）.

5算例分析

5.1基于云計算的負荷預(yù)測計算仿真

通過本文分析，云平臺中包含的計算資源構(gòu)成了一個服務(wù)器集群，為客戶端提供負荷預(yù)測計算服務(wù).實驗仿真使用Hadoop平臺，采用的版本為Hadoop-0.23.2.Hadoop平臺是一個工作在Unix系統(tǒng)環(huán)境下的軟件框架，通過安裝Linux虛擬機或者用Cygwin軟件來模擬Unix運行環(huán)境.

本文的仿真實驗中要求參與搭建云平臺的計算機能正常運行Linux系統(tǒng).單機的詳細配置為：Intel（R）CoreTM2 Quad CPU Q9400，3.19 GHz，4 GB的內(nèi)存，500 G硬盤.將這些計算機連接到一個局域網(wǎng)里面，網(wǎng)絡(luò)帶寬為2 M，每臺計算機分配一個固定IP地址，即完成云計算平臺的硬件部署.將實驗集群搭建好后，在每個節(jié)點上配置運行環(huán)境.其中任務(wù)調(diào)度器采用虛擬Linux服務(wù)器，它是服務(wù)器集群的唯一入口，類似一個高性能服務(wù)器.當(dāng)客戶端提交計算請求時，任務(wù)調(diào)度器可根據(jù)請求內(nèi)容選擇服務(wù)器執(zhí)行操作.以負荷預(yù)測計算為例，針對云計算對資源的調(diào)度的要求，將各節(jié)點負荷預(yù)測分為小的計算單元.并且選取不同數(shù)量的節(jié)點的負荷預(yù)測計算，分別采用單機服務(wù)器計算和云計算（本文中云平臺提供不超過40個虛擬機）方法進行仿真對比.所謂單機模式是在一臺計算機上進行算例仿真，云計算模型是在多臺計算機組成的計算集群上進行算例仿真，又簡稱多機模式.兩種方法的計算時間及使用的虛擬機個數(shù)如表1所示，圖5給出了計算時間的變化趨勢.

通過實驗仿真結(jié)果可以發(fā)現(xiàn)，隨著負荷預(yù)測計算中的節(jié)點數(shù)目增加，使用單機服務(wù)器進行負荷預(yù)測計算的時間幾乎呈線性增長.而在計算資源（虛擬機數(shù)目）滿足計算需求時，采用云計算所需的計算時間增長并不明顯，這說明在負荷預(yù)測資源調(diào)度和計算中采用云計算的優(yōu)勢非常明顯.當(dāng)預(yù)測計算計劃節(jié)點個數(shù)超過了云平臺所能提供的最大計算資源數(shù)時，計算時間又開始有一定的增加，但仍然遠遠低于單機服務(wù)器模式的計算時間.若需要在較短時間內(nèi)獲得更多數(shù)量節(jié)點預(yù)測計算結(jié)果，只需要在云平臺內(nèi)增加一定計算資源節(jié)點即可.

5.2云平臺多維多級預(yù)測優(yōu)化協(xié)調(diào)模型仿真

本文采用某省基于氣象要素的省地一體化負荷預(yù)測系統(tǒng)、母線負荷預(yù)測系統(tǒng)以及地區(qū)典型大用戶負荷分析管理系統(tǒng)數(shù)據(jù)庫樣本數(shù)據(jù)進行負荷預(yù)測計算.分別通過“三系統(tǒng)”下的一般修正和基于云平臺多級短期負荷預(yù)測協(xié)調(diào)優(yōu)化方法，對原始預(yù)測結(jié)果進行修正與協(xié)調(diào)，表2所示為某月某一時刻的預(yù)測數(shù)據(jù)對比.其中地區(qū)1～14表示為某省各個市網(wǎng)供負荷；母線1～9為隸屬于地區(qū)8不同電壓等級的變電站高壓側(cè)負荷；用戶1～3為所屬母線3的典型用戶負荷.圖6給出了各方法預(yù)測值與實際負荷百分比誤差對比.圖中，一般修正指的是單一的下（上）級負荷對上（下）級負荷的修正.它和優(yōu)化協(xié)調(diào)都減小了原始預(yù)測負荷的誤差，但是后者效果更佳，提高了整體預(yù)測精度.上下級電網(wǎng)的預(yù)測水平都有顯著提升.本文方法同樣適用于超短期、中長期等其他時間尺度的協(xié)調(diào)預(yù)測.

圖7為某省級統(tǒng)調(diào)和14個所屬地區(qū)短期負荷預(yù)測結(jié)果經(jīng)過協(xié)調(diào)后得到的負荷預(yù)測準(zhǔn)確率變化情況統(tǒng)計.圖中采用連續(xù)10個負荷點進行統(tǒng)計，地區(qū)級短期負荷預(yù)測準(zhǔn)確率提高的地區(qū)個數(shù)都多于降低個數(shù)，總體上提高了地區(qū)級短期負荷預(yù)測準(zhǔn)確率.表3為省級短期負荷預(yù)測準(zhǔn)確率變化統(tǒng)計情況.在省級短期負荷預(yù)測有7次協(xié)調(diào)結(jié)果得到了提高，而4，7，9號負荷點由于地區(qū)級準(zhǔn)確率降低個數(shù)增多，直接導(dǎo)致了省級短期負荷預(yù)測出現(xiàn)了3次協(xié)調(diào)結(jié)果降低的情況.出現(xiàn)該情況主要基于以下兩點原因：第一，本文采用的協(xié)調(diào)過程只進行了一個循環(huán)周期，可通過設(shè)置一定的約束進行多次循環(huán)協(xié)調(diào)，尋求最優(yōu)協(xié)調(diào)解.第二，本文的算法只能在原先預(yù)測結(jié)果的基礎(chǔ)上加上一個不平衡量或者減去一個不平衡量，不能隨機改變不平衡量的增減，有可能會增大誤差.因此，在智能電網(wǎng)云平臺下要繼續(xù)研究負荷預(yù)測優(yōu)化協(xié)調(diào)技術(shù)，尋找更加合理的算法，采用諸如關(guān)聯(lián)協(xié)調(diào)模型、負荷類指標(biāo)協(xié)調(diào)方法等，提高基于云平臺的智能電網(wǎng)負荷預(yù)測水平.

6結(jié)語

本文針對傳統(tǒng)負荷預(yù)測出現(xiàn)的不足，結(jié)合智能電網(wǎng)下負荷預(yù)測的新需求，提出了構(gòu)建基于云計算的智能電網(wǎng)負荷預(yù)測平臺架構(gòu)，描繪了電力調(diào)度云、云平臺的關(guān)鍵技術(shù)以及負荷預(yù)測服務(wù).

云計算作為一種嶄新的計算方式，以其優(yōu)異的特性已運用于廣大領(lǐng)域.本文通過實驗仿真，充分證明云計算技術(shù)能在智能電網(wǎng)負荷預(yù)測中的資源調(diào)度和計算等方面發(fā)揮巨大優(yōu)勢.本文還闡述了基于云平臺的負荷預(yù)測服務(wù)，并建立云平臺多維多級預(yù)測優(yōu)化協(xié)調(diào)模型進行仿真研究，通過引進多級協(xié)調(diào)優(yōu)化機制，同時進行上級和下級雙側(cè)負荷修正預(yù)測，有效地提升了上下級電網(wǎng)的預(yù)測準(zhǔn)確率，智能電網(wǎng)負荷預(yù)測整體水平也有明顯的提高.本文提出的協(xié)調(diào)優(yōu)化預(yù)測過程思路非常簡單，已經(jīng)成功應(yīng)用于某省基于氣象要素的省地一體化負荷預(yù)測系統(tǒng)、集中式省地一體化母線負荷預(yù)測系統(tǒng)以及地區(qū)典型大用戶負荷分析管理系統(tǒng)中.

云計算與電力負荷預(yù)測的結(jié)合，才剛剛萌芽.雖然本文提出了基本的框架和一部分負荷預(yù)測服務(wù)，但是隨著智能電網(wǎng)的發(fā)展，也要隨之拓展.云平臺關(guān)鍵技術(shù)與電網(wǎng)負荷預(yù)測如何更好地協(xié)同工作以及云平臺安全性方面的提升，將是接下來研究的核心內(nèi)容.

參考文獻

[1]雷萬云，朱近之，薛峰，等.云計算技術(shù)、平臺及應(yīng)用案例[M].北京：清華大學(xué)出版社，2011：7-8.

LEI Wan-yun， ZHU Jin-zhi， XUE Feng， et al. Cloud computing technologies， platforms and applications[J]. Beijing： Tsinghua University Press， 2011：7-8.（In Chinese）

[2]饒威，丁堅勇，路慶凱.云計算：智能電網(wǎng)云計算平臺構(gòu)建[J].華東電力，2011，39（9） ：1493-1496.

RAO Wei，DING Jian-yong，LU Qing-kai.Cloud computing platform construction for smart grid [J].East China Electric Power，2011，39（9） ：1493-1496.（In Chinese）

[3]潘睿，劉俊勇，郭曉鳴.面向智能電網(wǎng)的電力系統(tǒng)云計算[J].四川電力，2009，32（Z1）：6-10.

PAN Rui，LIU Jun-yong，GUO Xiao-ming.Power system cloud computing about smart grid [J].Sichuan Electric Power Technology，2009，32（Z1）：6-10.（In Chinese）

[4]趙俊華，文福拴，薛禹勝，等.云計算：構(gòu)建未來電力系統(tǒng)的核心計算平臺[J].電力系統(tǒng)自動化，2010，34（15）：1-7.

ZHAO Jun-hua，WEN Fu-shuan，XU Yu-sheng，et al.Cloud computing： implementing an essential computing platform for future power systems [J].Automation of Electric Power Systems，2010，34（15）：1-7.（In Chinese）

[5]白紅偉，馬志偉，宋亞奇.基于云計算的智能電網(wǎng)狀態(tài)監(jiān)測數(shù)據(jù)的處理[J].華東電力，2011，39（9）：1485-1487.

BAI Hong-wei，MA Zhi-wei，SONG Ya-qi.Processing of smart grid monitoring data based on cloud computing [J]. East China Electric Power，2011，39（9）：1485-1487.（In Chinese）

[6]范寅秋，弭娟.云計算技術(shù)在智能配網(wǎng)自動化中的應(yīng)用研究[J].電腦知識與技術(shù)，2011，7（25）：6168-6170.

FAN Yin-qiu，MI Juan.Cloud computing in the smart distribution automation applied research [J].Computer Knowledge and Technology，2011，7（25）：6168-6170.（In Chinese）

[7]何邁，劉俊勇.基于云計算平臺的電能網(wǎng)損計算分析實驗系統(tǒng)設(shè)計[J].實驗技術(shù)與管理，2011，28（7）：112-116.

HE Mai，LIU Jun-yong.Experimental system design of power network loss calculation and analysis based on cloud computing platform[J].Experimental Technology and Management，2011，28（7）：112-116.（In Chinese）

[8]陳全，鄧倩妮.云計算及其關(guān)鍵技術(shù)[J].計算機應(yīng)用，2009，29（9）：2562-2566.

CHEN Quan，DENG Qian-ni.Cloud computing and its key techniques[J].Journal of Computer Applications，2009，29（9）：2562-2566.（In Chinese）

[9]朱志良，苑海濤，宋杰，等.SOA與云計算：競爭還是融合[J].計算機科學(xué)，2011，38（12）：6-11.

ZHU Zhi-liang，YUAN Hai-tao，SONG Jie，et al.SOA and cloud computing： competition or integration [J]. Computer Science，2011，38（12）：6-11.（In Chinese）

[10]秦輝，史維峰，張丹.面向服務(wù)的動態(tài)體系結(jié)構(gòu)描述語言SO.DADL[J].計算機工程與應(yīng)用，2011，47（6）：68-74.

QIN Hui，SHI Wei-feng，ZHANG Dan.Service oriented dynamic architecture description language SO-DADL[J]. Computer Engineering and Applications，2011，47（6）：68-74. （In Chinese）

[11]康重慶，牟濤，夏清.電力系統(tǒng)多級負荷預(yù)測及其協(xié)調(diào)問題（一）研究框架[J].電力系統(tǒng)自動化，2008，32（7）：34-38.

KANG Chong-qing，MU Tao，XIA Qing.Power system multilevel load forecasting and coordinating part one research framework[J]. Automation of Electric Power System，2008，32（7）：34-38.（In Chinese）

[12]牟濤，康重慶，夏清，等.電力系統(tǒng)多級負荷預(yù)測及其協(xié)調(diào)問題（二）基本協(xié)調(diào)模型[J].電力系統(tǒng)自動化，2008，32（8）：14-18.

MU Tao，KANG Chong-qing，XIA Qing，et al.Power system multilevel load forecasting and coordinating part two basic coordinating model[J].Automation of Electric Power System，2008，32（8）：14-18.（In Chinese）

[13]牟濤，康重慶，夏清，等.電力系統(tǒng)多級負荷預(yù)測及其協(xié)調(diào)問題（三）關(guān)聯(lián)協(xié)調(diào)模型[J].電力系統(tǒng)自動化，2008，32（9）：20-24.

MU Tao，KANG Chong-qing，XIA Qing，et al.Power system multilevel load forecasting and coordinating part three correlative coordinating model[J]. Automation of Electric Power System，2008，32（9）：20-24.（In Chinese）

[14]康重慶，趙燃，陳新宇，等.多級負荷預(yù)測的基礎(chǔ)問題分析[J].電力系統(tǒng)保護與控制，2009，37（9）：1-7.

KANG Chong-qing，ZHAO Ran，CHEN Xin-yu，et al. Fundamental analysis of multilevel load forecasting[J]. Power System Protection and Control，2009，37（9）：1-7.（In Chinese）

[15]程義明，羅滇生，蔡劍彪，等.分步預(yù)測法在省級電網(wǎng)短期負荷預(yù)測中的應(yīng)用[J]. 電力系統(tǒng)及其自動化學(xué)報，2012，24（4）：54-58.

CHENG Yi-ming， LUO Dian-sheng， CAI Jian-biao， et al. Step by step forecasting method in short term load forecasting in the provincial power grid[J]. Automation of Electric Power Systems， 2012， 24（4）：54-58. （In Chinese）

[16]廖峰，劉清良，賀輝，等.基于改進灰色模型與綜合氣象因素的母線負荷預(yù)測[J]. 電網(wǎng)技術(shù)，2011，35（10）：183-188.

LIAO Feng， LIU Qing-liang， HE Hui， et al. A bus load of improved grey model and combined forecasting based on weather factors[J]. Power System Technology， 2011， 35（10）： 183-188. （In Chinese）