智能電網(wǎng)背景下的大數(shù)據(jù)處理與短期負(fù)荷預(yù)測綜述

汪威為 陳超洋

摘 要：文章簡單介紹了現(xiàn)代大數(shù)據(jù)和電力系統(tǒng)的短期負(fù)荷預(yù)測兩種技術(shù)，分析了智能電網(wǎng)中大數(shù)據(jù)的特點及應(yīng)用，探討了大數(shù)據(jù)在智能電網(wǎng)運行和調(diào)度上發(fā)揮的作用，并研究分析了智能電網(wǎng)中大數(shù)據(jù)的發(fā)展。然后論述了現(xiàn)代短期負(fù)荷預(yù)測的特點及影響其預(yù)測精度的相關(guān)因素，進一步綜合了解各種預(yù)測方法的原理，相對地將優(yōu)點和不足之處進行分析比較。最后簡述了大數(shù)據(jù)處理與短期負(fù)荷預(yù)測的關(guān)系并分析了大數(shù)據(jù)處理在短期負(fù)荷預(yù)測中的作用。

關(guān)鍵詞：智能電網(wǎng)；大數(shù)據(jù)；短期負(fù)荷預(yù)測

1 智能電網(wǎng)與大數(shù)據(jù)處理

1.1 概念認(rèn)知

1.1.1 智能電網(wǎng)

智能電網(wǎng)是現(xiàn)代社會的新型電網(wǎng)，將現(xiàn)代6種先進技術(shù)：控制技術(shù)、通信技術(shù)、傳感測量技術(shù)、計算機技術(shù)、信息技術(shù)與物理電網(wǎng)技術(shù)，高度集成在特高壓電網(wǎng)骨干網(wǎng)架，并搭配各電壓等級電網(wǎng)協(xié)調(diào)發(fā)展而形成的新型電網(wǎng)[1]。

1.1.2 大數(shù)據(jù)

大數(shù)據(jù)是當(dāng)代社會研究中的高頻詞匯之一。我們通常這樣定義大數(shù)據(jù)：以云計算的分布式處理、分布式數(shù)據(jù)庫和云存儲為基礎(chǔ)，采取分布式的計算結(jié)構(gòu)來收集海量信息源的這樣的數(shù)據(jù)組，通過多樣化的方式聚集起來而形成的龐大數(shù)據(jù)集。近些年，大數(shù)據(jù)的融入已經(jīng)在日常生活中的各個方面得到體現(xiàn)，無論是個體的生活需求和發(fā)展，還是社會的政治經(jīng)濟建設(shè)，都已經(jīng)與大數(shù)據(jù)技術(shù)息息相關(guān)[2]。

1.1.3 大數(shù)據(jù)處理技術(shù)

大數(shù)據(jù)處理技術(shù)指的是從大量的數(shù)據(jù)信息中快速獲取有效信息的技術(shù)能力，是在科學(xué)技術(shù)飛速發(fā)展背景下的產(chǎn)物，主要有大數(shù)據(jù)的收集、輸入、分析和輸出總結(jié)4個分層技術(shù)。

1.2 大數(shù)據(jù)處理技術(shù)在智能電網(wǎng)中的現(xiàn)狀

當(dāng)今社會，隨著云計算的廣泛應(yīng)用，產(chǎn)生了海量的異構(gòu)數(shù)據(jù)，為了更加高效率、更加準(zhǔn)確地去處理這龐大的數(shù)據(jù)，大數(shù)據(jù)技術(shù)也變得越來越重要。世界各地各個層次都在大數(shù)據(jù)技術(shù)方面做出了相關(guān)的工作，都想要做更深一步的研究。如谷歌、淘寶、百度等企業(yè)均在相關(guān)層面投入了大量的資金研究，而致使他們將大量資金投入的原因就是，大數(shù)據(jù)產(chǎn)生于智能電網(wǎng)中的各個環(huán)節(jié)，想要更好地去利用，就必須找到更好更有效更準(zhǔn)確的方法去處理分析這些大數(shù)據(jù)。就近幾年來說，大數(shù)據(jù)處理技術(shù)的關(guān)鍵技術(shù)已經(jīng)相對成熟，全球大數(shù)據(jù)技術(shù)也在很大程度上得到了巨大的提升。但是需要正視的是，我們?nèi)匀辉谶@方面有比較大的發(fā)展空間，如何將大數(shù)據(jù)技術(shù)進一步深入，進一步完善，仍然面臨著一系列挑戰(zhàn)[3]。

2 短期負(fù)荷預(yù)測

2.1 概念認(rèn)知

對電力系統(tǒng)的管理調(diào)度來說，短期負(fù)荷預(yù)測可以說是最為重要的，如一小時到一周的短期負(fù)荷預(yù)測，可以為發(fā)電計劃提供數(shù)據(jù)支持，來確定最滿足經(jīng)濟要求、安全要求、環(huán)境自然要求和設(shè)備限制要求的發(fā)電計劃，確保電力系統(tǒng)的經(jīng)濟安全運行[4]。

2.2 短期負(fù)荷預(yù)測的特點和影響因素

2.2.1 短期負(fù)荷預(yù)測的特點

短期電力負(fù)荷預(yù)測，是收集影響電力負(fù)荷的外在因素的歷史數(shù)據(jù)，收集整合處理并建立相關(guān)的模型，然后對之后的電力負(fù)荷情況進行系統(tǒng)科學(xué)的預(yù)測。雖然是科學(xué)的預(yù)測，但是未來的電力負(fù)荷還是具有不確定性和隨機性，這就導(dǎo)致了負(fù)荷預(yù)測具有如下的幾個特點。（1）結(jié)果的不確定性。（2）預(yù)測后結(jié)果的時間性，即無論何種預(yù)測，一般來說都得存在一定的時間上的限制范圍。（3）條件性，即需要滿足在具體的條件下進行預(yù)測。（4）方案性，因為有上述的不確定等特點，所以通常準(zhǔn)備多個方案[5]。

2.2.2 影響負(fù)荷預(yù)測精度的因素

因為負(fù)荷預(yù)測是利用適合的數(shù)學(xué)模型，收集歷史的影響因素數(shù)據(jù)進行預(yù)測，所以主要有以下幾個影響因素：（1）歷史數(shù)據(jù)；（2）天氣情況；（3）日期類型；（4）預(yù)測模型；（5）社會事件等。

2.3 短期負(fù)荷預(yù)測的研究現(xiàn)狀

2.3.1 時間序列法

時間序列法是短期負(fù)荷預(yù)測的經(jīng)典預(yù)測方法之一，其本質(zhì)就是收集電力負(fù)荷的歷史資料，建立數(shù)學(xué)模型，把電力負(fù)荷作為數(shù)學(xué)模型里的隨機變量，根據(jù)統(tǒng)計規(guī)律性去研究隨機變量的變化過程，推導(dǎo)出表達式來對負(fù)荷進行預(yù)測。方法大致可以分為以下幾個過程：自回歸（Autoregressive，AR）過程；滑動-平均（Moving Average，MA）過程；自回歸滑動平均（Auto-Regressive Moving Average，ARMA）過程；積分型自回歸滑動（Autoregressive Integrated Moving-Average，ARIMA）過程；用傳遞函數(shù)（Transfer Function，TF）建模的序列。經(jīng)典的時間序列法對歷史負(fù)荷資料的需求相對較少，不太需要人工上的干預(yù)，所以工作量也相對較少，整個預(yù)測過程計算速度優(yōu)異且可以自動完成，這些都是本方法的優(yōu)點。缺點是太過于依賴電力負(fù)荷資料數(shù)據(jù)，對其他變化因素處理不足，導(dǎo)致無法達到比較高的預(yù)測精度，一般只適應(yīng)于本身就比較穩(wěn)定均勻的負(fù)荷預(yù)測中[6]。

2.3.2 回歸分析法

回歸分析法也是以負(fù)荷的歷史資料數(shù)據(jù)作為基礎(chǔ)進行的經(jīng)典預(yù)測方法之一，只是回歸分析法在歷史數(shù)據(jù)的基礎(chǔ)上，也加入了對影響負(fù)荷的外在因素的考慮。大致上可以分為線性回歸和非線性回歸，線性回歸又可以分為一元和多元線性回歸。其優(yōu)點是簡單方便，但是缺點也比較明顯，即在實際的負(fù)荷變化中，該方法所需要假定的函數(shù)基本形式通常在實際上是一種變化的函數(shù)關(guān)系，所以，回歸模型對實際負(fù)荷與影響因素間的變化達不到完全真實的反映。

2.3.3 指數(shù)平滑法

指數(shù)平滑法指采用電力系統(tǒng)負(fù)荷趨勢外推預(yù)測技術(shù)，是用過去數(shù)周的同類型日的相同時間負(fù)荷組成一組時間上有序的數(shù)組y（t） ，y（t?1），y（t?2），…，接著對該數(shù)組進行加權(quán)平均，其迭代公式為：

Lt+1=axt+a[1-a]xt-1+a[1-a]2xt-2+…。其中，t+1時刻的負(fù)荷值是Lt+1，a=1/n，n為所有數(shù)據(jù)累積的個數(shù)。

指數(shù)平滑法的核心是將電力負(fù)荷資料中的關(guān)鍵數(shù)據(jù)組成一組有序的序列，即將以往負(fù)荷資料中同時間同類型日的負(fù)荷收集，作為數(shù)據(jù)，以時間順序組合成一組序列，然后對此序列進行加權(quán)平均并根據(jù)電力負(fù)荷預(yù)測中規(guī)則來分配加權(quán)系數(shù)。但是其平滑系數(shù)的選擇，在很大程度上只能靠以往的經(jīng)驗得來，如果選取的序列波動較大，就會產(chǎn)生無法適應(yīng)，預(yù)測不理想的結(jié)果[7]。

2.3.4 灰色系統(tǒng)理論預(yù)測法

灰色預(yù)測技術(shù)，以灰色系統(tǒng)理論作為基礎(chǔ)，需要的數(shù)據(jù)量少，根據(jù)電力系統(tǒng)每個時期的不同，找出其每個時間段里的規(guī)律來完成預(yù)測模型的搭建。就整個灰色預(yù)測方法來說，其優(yōu)點大致體現(xiàn)在數(shù)據(jù)需求量小，計算便利。缺點則是預(yù)測精度與數(shù)據(jù)的離散程度相關(guān)，數(shù)據(jù)越離散，預(yù)測效果越差，所以一般不適用于長期的電力系統(tǒng)負(fù)荷預(yù)測[8]。

2.3.5 人工神經(jīng)網(wǎng)絡(luò)預(yù)測法

在電力負(fù)荷預(yù)測中，天氣與電力負(fù)荷值之間存在著非線性關(guān)系，于是在短期的負(fù)荷預(yù)測中，把天氣因素考慮進去就成為可能。而神經(jīng)網(wǎng)絡(luò)技術(shù)，具有強大的多元非線性捕捉映射能力，可以做到精確地獲取分析天氣與電力負(fù)荷值之間的關(guān)系。相對于前面所提到的幾種負(fù)荷預(yù)測技術(shù)，神經(jīng)網(wǎng)絡(luò)技術(shù)具有極好的函數(shù)能力，基本上不需要提供負(fù)荷模型就能進行預(yù)測分析，能夠比較直觀地反映天氣、溫度等與電力負(fù)荷的關(guān)系。它的缺點是受制于天氣的地域化，比較受限于局部狀態(tài)、極小狀態(tài)等。

2.3.6 模糊邏輯預(yù)測方法

近年來，隨著計算機算法、模糊數(shù)學(xué)理論等技術(shù)的發(fā)展完善，電力系統(tǒng)負(fù)荷預(yù)測技術(shù)也在這兩種技術(shù)上得到體現(xiàn)。模糊預(yù)測法是以上述兩種技術(shù)為基礎(chǔ)而來，以規(guī)則的形式把電力系統(tǒng)的經(jīng)驗、信息給表示出來，然后轉(zhuǎn)化成算法在計算機上運行。這種方法十分實用，在電力系統(tǒng)的各個領(lǐng)域中都有應(yīng)用，其預(yù)測精準(zhǔn)度也較高，能夠做到較好地解決電力需求中各種模糊因素產(chǎn)生的影響。

2.3.7 小波分析預(yù)測法

在現(xiàn)代社會的各個領(lǐng)域中，小波分析理論都受到了極大的重視和關(guān)注。在負(fù)荷預(yù)測中亦是如此，小波分析預(yù)測法通過對小波進行選擇分類，將不同性質(zhì)的負(fù)荷區(qū)分出來，然后針對不同的性質(zhì)，挑選某種負(fù)荷，分析其規(guī)律來決定采用相對應(yīng)的預(yù)測方法，將挑選的負(fù)荷進行分別預(yù)測，分解出序列后對序列進行重新構(gòu)成，最后達到預(yù)測的目的。小波預(yù)測法可以觀察到信號中的細(xì)節(jié)，尤其是信號中的某些奇異信號，其反應(yīng)尤為敏感，可以做到很好地處理突變的或者某些微弱的信號。

2.3.8 支持向量機預(yù)測法

此方法是在以統(tǒng)計學(xué)理論作為基礎(chǔ)和核心的情況下，由Vapnik提出的一種通用學(xué)習(xí)算法，將支持向量機應(yīng)用到電力系統(tǒng)中，來進行短期的負(fù)荷預(yù)測，優(yōu)點是比神經(jīng)網(wǎng)絡(luò)等預(yù)測方法具有更高的精準(zhǔn)度和更好的魯棒性。

3 智能電網(wǎng)大數(shù)據(jù)與短期負(fù)荷預(yù)測的關(guān)系

3.1 智能電力大數(shù)據(jù)對短期負(fù)荷的意義

3.1.1 電力大數(shù)據(jù)的概念

當(dāng)代社會，可持續(xù)發(fā)展是大趨勢，低碳化的經(jīng)濟發(fā)展和清潔化的能源是社會的主流，而電力系統(tǒng)、智能電網(wǎng)的發(fā)展就是這個趨勢里極其重要的一環(huán)，智能電網(wǎng)的發(fā)展最終形態(tài)，便是建設(shè)成覆蓋整個電力系統(tǒng)生產(chǎn)過程的智能電網(wǎng)。整個電力系統(tǒng)的生產(chǎn)過程包括電力系統(tǒng)前期的發(fā)電、輸電、變電、配電等環(huán)節(jié)，還囊括后期的電網(wǎng)用電情況、電力調(diào)度和通信等。要建設(shè)成這樣一個包括整個電力生產(chǎn)過程的智能電網(wǎng)全景實時系統(tǒng)，就必需要有大數(shù)據(jù)技術(shù)的支持，在所有環(huán)節(jié)做到數(shù)據(jù)的實時采集、實時傳輸和儲存，并且可以對大量的、來源多元的、結(jié)構(gòu)各異的、多模態(tài)的數(shù)據(jù)進行快速準(zhǔn)確地分析處理。這樣才可以保證和支撐整個智能電網(wǎng)，做到安全的、自愈的、可靠的、綠色的發(fā)展[9]。

3.1.2 大數(shù)據(jù)在電力系統(tǒng)負(fù)荷預(yù)測中的作用

電力負(fù)荷的來源多種多樣，無論是工業(yè)上的用電還是農(nóng)業(yè)上的用電，是城鄉(xiāng)用電還是農(nóng)村用電，是商業(yè)用電還是市政用電，是個體用電還是集體用電，都是整個電力負(fù)荷的構(gòu)成。所以，電力負(fù)荷受制于非常多的不穩(wěn)定因素，隨這些因素變化而變化。這些因素通常具有地域性和時間性，而且對電力負(fù)荷變化有著不同程度、互不相同的影響。所以在電力系統(tǒng)的負(fù)荷預(yù)測中，有著太多的不確定影響因素，而大數(shù)據(jù)生來就是為了處理這類問題，其核心作用就是分析和預(yù)測，所以很顯然，大數(shù)據(jù)技術(shù)對電力系統(tǒng)的負(fù)荷預(yù)測有著極大的意義。

3.2 智能電網(wǎng)大數(shù)據(jù)在短期負(fù)荷預(yù)測中的應(yīng)用

3.2.1 優(yōu)化負(fù)荷預(yù)測的意義

目前，電力市場發(fā)展日益成熟，隨著電力系統(tǒng)的不斷發(fā)展完善，對電力系統(tǒng)負(fù)荷預(yù)測的要求也越來越高。雖然已經(jīng)有了比較成熟的傳統(tǒng)方法，但是傳統(tǒng)方法普遍有預(yù)測精準(zhǔn)度方面的問題，預(yù)測出來的結(jié)果雖然有著一定的參考價值，但是還遠(yuǎn)遠(yuǎn)達不到電力企業(yè)的期望水平。隨著現(xiàn)代科學(xué)理論研究的不斷進步，出現(xiàn)了新一批的新興電力負(fù)荷預(yù)測手段，如神經(jīng)網(wǎng)路理論、模糊數(shù)學(xué)、支持向量機等，這些都是電力負(fù)荷預(yù)測的進步和發(fā)展，在預(yù)測精度上都有了進一步的提高。但是，隨著大數(shù)據(jù)處理技術(shù)的普及，為優(yōu)化負(fù)荷預(yù)測提供了理論依據(jù)和基礎(chǔ)，對電力系統(tǒng)的負(fù)荷預(yù)測提出了更高的要求[10]。

3.2.2 大數(shù)據(jù)在短期負(fù)荷預(yù)測中的應(yīng)用

將電力系統(tǒng)負(fù)荷預(yù)測進一步精細(xì)化，這是電力大數(shù)據(jù)目前最可能的方向之一。通過大數(shù)據(jù)技術(shù)，進一步加強對電力負(fù)荷預(yù)測中的各個因素的精細(xì)化處理分析，如加強分析氣象因素對電力負(fù)荷產(chǎn)生的影響，加強對特殊日期的負(fù)荷特性的分析，加強對電力系統(tǒng)各種負(fù)荷類型的識別和分析。這樣可以將眾多相關(guān)因素對負(fù)荷特性變化的影響精細(xì)化，更加容易把握每一地區(qū)、每一個局部區(qū)域的電荷變化規(guī)律，找到其發(fā)展趨勢，大幅度提高負(fù)荷預(yù)測在短期內(nèi)的精準(zhǔn)度。在提高電力系統(tǒng)經(jīng)濟水平的同時，為電力企業(yè)下一步的營銷、電力市場的開拓、電源結(jié)構(gòu)的調(diào)整、資源的進一步優(yōu)化配置等，提供最堅實的理論基礎(chǔ)和最科學(xué)的決策依據(jù)。同時，將負(fù)荷預(yù)測精細(xì)化并提高精確度后，可以進一步掌控不同區(qū)域的負(fù)荷變化規(guī)律及整體的發(fā)展趨勢，然后針對采取實行具體的方法，來調(diào)控區(qū)域的電力負(fù)荷，達到使區(qū)域電荷分布趨于平穩(wěn)的效果，從而提高電力企業(yè)發(fā)電機組、發(fā)電設(shè)備運行的穩(wěn)定性、安全性、可靠性，有利于保護設(shè)備良好運行，提高電力設(shè)備的利用率并延長電力設(shè)備的使用壽命，減少了電力系統(tǒng)運行的不必要的成本支出。如此將大數(shù)據(jù)技術(shù)結(jié)合電力系統(tǒng)的負(fù)荷預(yù)測，既為電力用戶提供了穩(wěn)定、合適、可靠的電力能源，又強化了電力企業(yè)的經(jīng)濟發(fā)展效益。

[參考文獻]

[1]楊悅，戴茜璐.智能電網(wǎng)大數(shù)據(jù)處理技術(shù)現(xiàn)狀與挑戰(zhàn)研究[J].科技創(chuàng)新導(dǎo)報，2017（25）：149-150.

[2]駱楊陽.淺談大數(shù)據(jù)處理技術(shù)在智能電網(wǎng)中的應(yīng)用[J].通信電源技術(shù)，2017（4）：186-187.

[3]LEVIN M A，WANDERER J P，EHRENFELD J M.Data，big data，and meta data in anesthesiology[J].Anesthesia & Analgesia，2015（6）：1661-1667.

[4]MICHAEL S，HOLMER H，CHRISTOPH B，et al.Big data[J].Wirtschaftsinformatik，2014（5）：261-266.

[5]孫寶貴，王欣紅，王振世.智能電網(wǎng)中大數(shù)據(jù)處理技術(shù)分析[J].通訊世界，2016（23）：150-151.

[6]曲燕燕，蔣玲芳，林烽.論大數(shù)據(jù)技術(shù)在智能電網(wǎng)中的應(yīng)用[J].中國新技術(shù)新產(chǎn)品，2016（22）：14-15.

[7]MING LI.Research for strategies of visual literacy cultivation in the age of big data[J].Cross-Cultural Communication，2015（10）：166-168.

[8]吳亞盼，邵佩佩，楊岸.中國特色智能電網(wǎng)的結(jié)構(gòu)框架及技術(shù)應(yīng)用[J].黑龍江科技信息，2016（4）：114-115.

[9]屈鵬飛.復(fù)雜產(chǎn)品生命周期設(shè)計知識大數(shù)據(jù)集成和應(yīng)用研究[D].杭州：浙江大學(xué)，2016.

[10]USLAR M，ROHJANS S，GONZ?LEZ J M，et al.Smart grid standardization – an overview[J].E&I Elektrotechnique and Informationstechnique，2011（4）：128.