能源大数据中心建设标准框架体系研究

能源大数据中心的建设是国家“新基建”的重点范围,是响应国家“碳中和、碳达峰”发展目标的重要措施,而能源大数据标准体系是能源大数据中心建设的重要保障,可以规范、指导各地能源大数据中心的建设。在全面调研能源行业和大数据产业发展趋势,结合大数据领域前沿技术,分析国内外能源大数据服务产业相关标准的发展现状、发展趋势和实际需求的基础上,创新性提出能源行业大数据中心数据标准体系框架,覆盖基础标准、数据标准、技术标准、管理标准和安全标准等内容,定义了通用的基础术语,明确了数据标准内容的分类、构成以及相互之间的关系,对于推动能源大数据中心的建设具有重要意义。     

一种基于用电规律的污染企业违规生产监控方法

在雾霾严重时期,部分地方政府会要求污染企业采取关停措施,以减少污染物的排放。但某些污染企业为追求经济利益,在被要求关停期间仍然违规生产,由于其生产行为具有较高的隐蔽性,环保部门难以判定其是否在存在违规生产行为,同时也无法准确掌握违规生产企业的生产时段,这严重阻碍了环保督查工作的开展。本文针对上述问题,给出了一种污染企业违规生产监控方法。该方法基于污染企业的日用电量与日用电最大负荷,实现了对污染企业违规生产行为的研判。另外,该方法还基于污染企业的用电负荷数据,实现了对污染企业生产时段的分类。该方法为相关部门准确的掌握污染企业的生产规律提供了有效的技术手段。本文利用污染企业的用电负荷历史数据对该方法进行了验证,结果表明该方法有效可行。     

能源大数据中心数据模型研究

能源大数据模型用于指导各级能源大数据中心规划、设计、开发、建设及运营等环节,支撑能源数据融合共享和价值挖掘。各级能源大数据中心能源大数据的共享开放实现的关键在于能源数据公共信息模型的构建。从能源行业数据出发,提出以国家电网公司SG-CIM模型为基础,构建能源大数据中心煤炭、石油、天然气等能源领域统一数据模型。阐述了基于统一数据模型的数据的特征提取算法、模型训练的具体实现路径,基于能源大数据中心实际数据应用需求,提出了能源大数据典型价值挖掘应用场景。     

基于海量用电数据的农业灌溉用户识别方法

为了确定农业灌溉系统的使用者,优化水资源利用效率,提高农业生产效率,为以电折水系数计算提供支撑。利用农业灌溉的通用行为规律建立初步分类模型,进行数据标签与特征关联度构建,最终构建用户识别模型。首先针对种植不同作物的用户样本进行统计分析,结合不同作物普适的灌溉用电规律,建立基于降雨特征的农业灌溉用户识别规则模型。其次选取某个区县的用户,利用密度聚类算法,为不同簇群用户打上分类标签,构建基于随机森林的农业灌溉用户用电特征识别分类模型。最后进行模型融合,构建混合农业灌溉用户分类模型,实现农业灌溉用户、混合农业灌溉用户、非农业灌溉用户的精准识别。依据模型计算结果在现场核实,准确率达90%以上,减少了人力成本,为后续以电折水系数的精确计算提供了一定基础。     

一种基于用电规律的污染企业违规生产监控方法

在雾霾严重时期,部分地方政府会要求污染企业采取关停措施,以减少污染物的排放。但某些污染企业为追求经济利益,在被要求关停期间仍然违规生产,由于其生产行为具有较高的隐蔽性,环保部门难以判定其是否在存在违规生产行为,同时也无法准确掌握违规生产企业的生产时段,这严重阻碍了环保督查工作的开展。本文针对上述问题,给出了一种污染企业违规生产监控方法。该方法基于污染企业的日用电量与日用电最大负荷,实现了对污染企业违规生产行为的研判。另外,该方法还基于污染企业的用电负荷数据,实现了对污染企业生产时段的分类。该方法为相关部门准确的掌握污染企业的生产规律提供了有效的技术手段。本文利用污染企业的用电负荷历史数据对该方法进行了验证,结果表明该方法有效可行。     

基于改进长短期记忆网络的电力负荷预测研究

针对用户用能分析中电力负荷预测模型的变量冗余和收敛困难问题，提出一种基于改进长短期记忆网络(long short-term memory, LSTM)的短期负荷预测模型。首先利用FP-tree对复杂的负荷数据和气象数据进行分析，筛选负荷强关联因素，构建出训练数据集；其次建立LSTM负荷预测模型，并使用关联性分析得到的强关联因素训练负荷预测模型；最后，选取美国Homestead地区的历史数据进行仿真分析。通过对比遗传算法优化反向传递神经网络算法和鲁棒性损失函数的人工神经网络型的预测结果，预测模型的精度和稳定性满足要求，在实际中具有一定的应用价值。