基于大數(shù)據(jù)技術的配電網(wǎng)規(guī)劃研究.pdf

1、隨著社會經(jīng)濟發(fā)展和人民生活水平提高，當前用電市場的主要矛盾已經(jīng)轉化為用戶對于高供電能力和質量的要求與現(xiàn)實中低下的供電能力和質量之間的矛盾。配電網(wǎng)是電力系統(tǒng)的重要組成部分，其規(guī)劃的水平直接影響系統(tǒng)對用戶供電的能力和質量，將電力大數(shù)據(jù)用于配電網(wǎng)規(guī)劃是促進其規(guī)劃水平提高的思路之一。為提高配電網(wǎng)規(guī)劃的精細程度和效率，本文針對規(guī)劃過程中涉及的多源異構數(shù)據(jù)分析處理及規(guī)劃模型中的數(shù)據(jù)密集型問題，重點開展基于大數(shù)據(jù)技術的配電網(wǎng)規(guī)劃研究，主要內容如下:<

2、br>　　(1)梳理并分析了與配電網(wǎng)規(guī)劃相關的大數(shù)據(jù)特點與處理方法。分析了文本結構化、異常數(shù)據(jù)挖掘、數(shù)據(jù)歸一化等預處理過程在MapReduce模型下的表達形式，并針對結構性較弱的電力文本，提出根據(jù)語言學分類對文本內程度副詞進行標度的文本結構化方式，實現(xiàn)部分基于語義的文本結構化，為后續(xù)研究中數(shù)據(jù)信息的提取和挖掘奠定基礎。
　　(2)提出了基于深度學習與多源信息融合的飽和負荷空間分布精準預測方法。首先，獲取負荷元胞的高維信息特征，將其

3、中非結構化的特征進行結構化處理，然后采用棧式降噪自編碼器學習特征，最后以頂層的回歸器預測待規(guī)劃區(qū)域的空間飽和負荷密度。算例分析結果表明，與基于最小二乘支持向量機、基于主成分分析-BP神經(jīng)網(wǎng)絡等特征提取及預測的方法相比，本文所提方法的負荷預測精度較高。
　　(3)提出了基于深度學習算法的變電站預選址和基于并行計算的配電網(wǎng)變電站-線路聯(lián)合規(guī)劃方法。首先，采用卷積神經(jīng)網(wǎng)絡學習與變電站選址原則相關的區(qū)域特征進行變電站預選址，并將其結果作為