受限于数据信息的不完整和粗粒度,短期网供负荷预测的准确率一直难以进一步提升,而配用电信息系统数据的积累和大数据技术的快速发展为开展基于配用大数据的短期负荷预测提供了数据基础和技术支撑。本文首先针对配用电大数据的特征分析了"脏数据"的来源与类型,并提出了相应的数据清洗方法;其次基于大量的历史负荷、电量和气象数据,构建了行业负荷温度影响模型和行业电量节假日影响模型;最后基于上述用电影响模型开展了江苏电网短期网供负荷预测,实际计算结果验证了预测效果的有效性和准确性。 数据的时间跨度更长。大数据负荷预测方法选取了时间跨度更长的历史数据，用于发现负荷数据随月、季、年周期发生的变化规律本文由公司网站滚圆机网站 转摘采集转载中国知网整理!   http://www.dapengkuoguanji.com/ ，短期负荷预测-电动数控滚圆机滚弧机张家港钢管滚圆机滚弧机折弯机与选取相似日［12］负荷数据进行预测的一些传统方法相比，不存在相似日选取不当而造成预测误差较大的问题。(3)数据的空间粒度更细。大数据负荷预测方法所采用的负荷数据粒度可以细化到地区、行业、变压器、线路、台区、用户等各个级别，而由于江苏地域广阔，存在温度差异(南北最高温差可达20℃)，行业负荷特征明显，因此本文的大数据负荷预测方法采用分地区、行业预测再按比例叠加的思路。这种方法能够考虑不同行业的负荷特性、不同地区的温度差异，而且也便于对预测结果进行成分分析和误差追踪。2数据源建设江苏电力大数据平台以营配集成、用电信息采集、省地县一体化电量系统为基础，结合外部气象和经济数据，建成了江苏配用电大数据中心，为江苏配用电大数据分析工作提供了丰富的数据资源。2．1配用电大数据的来源与分类配用电大数据中心的数据体系架构如图1所示。图1配用电大数据中心的数据体系架构数据主要来源于营配集成、用电信息采集系统、调度省地县一体化电量系统，以及外部的气象数据和宏观经济数据。(1)营配集成数据。全省3596万居民用户档案信息、47万配变及其与用户的户变关系、配网相关低压线路档案信息、电力生产管理系统(po)和地理信息系统(S)数据。(2)用采系统数据。全省3596万居民用户、26万负控用户自2009年以来的负荷和电量数据。(3)调度省地县一体化电量系统数据。自2005年以来全省约2500个厂站的超过40000只电表的上下网电量数据?短期负荷预测-电动数控滚圆机滚弧机张家港钢管滚圆机滚弧机折弯机本文由公司网站滚圆机网站 转摘采集转载中国知网整理!   http://www.dapengkuoguanji.com/