CN116910681B - 一种基于物联网的电力数据分析方法及系统 - Google Patents
一种基于物联网的电力数据分析方法及系统 Download PDFInfo
- Publication number
- CN116910681B CN116910681B CN202311169014.1A CN202311169014A CN116910681B CN 116910681 B CN116910681 B CN 116910681B CN 202311169014 A CN202311169014 A CN 202311169014A CN 116910681 B CN116910681 B CN 116910681B
- Authority
- CN
- China
- Prior art keywords
- power data
- data
- power
- time
- internet
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000007405 data analysis Methods 0.000 title claims abstract description 43
- 238000000034 method Methods 0.000 title claims abstract description 32
- 230000000007 visual effect Effects 0.000 claims abstract description 13
- 238000004364 calculation method Methods 0.000 claims abstract description 9
- 230000008569 process Effects 0.000 claims abstract description 9
- 230000002159 abnormal effect Effects 0.000 claims abstract description 6
- 238000012545 processing Methods 0.000 claims abstract description 6
- 230000005611 electricity Effects 0.000 claims description 23
- 238000007781 pre-processing Methods 0.000 claims description 21
- 239000011159 matrix material Substances 0.000 claims description 18
- 230000008859 change Effects 0.000 claims description 17
- 238000012800 visualization Methods 0.000 claims description 10
- 230000001932 seasonal effect Effects 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000012217 deletion Methods 0.000 claims description 4
- 230000037430 deletion Effects 0.000 claims description 4
- 238000007670 refining Methods 0.000 claims description 4
- 230000002123 temporal effect Effects 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 abstract description 5
- 238000012544 monitoring process Methods 0.000 abstract description 5
- 235000019580 granularity Nutrition 0.000 description 26
- 238000005516 engineering process Methods 0.000 description 10
- 238000004458 analytical method Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000010248 power generation Methods 0.000 description 4
- 208000025174 PANDAS Diseases 0.000 description 2
- 208000021155 Paediatric autoimmune neuropsychiatric disorders associated with streptococcal infection Diseases 0.000 description 2
- 240000004718 Panda Species 0.000 description 2
- 235000016496 Panda oleosa Nutrition 0.000 description 2
- 238000012300 Sequence Analysis Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000007418 data mining Methods 0.000 description 2
- 238000013079 data visualisation Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000007261 regionalization Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 230000035939 shock Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/904—Browsing; Visualisation therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y10/00—Economic sectors
- G16Y10/35—Utilities, e.g. electricity, gas or water
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/10—Detection; Monitoring
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Marketing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Evolutionary Computation (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Artificial Intelligence (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种基于物联网的电力数据分析方法,涉及电力数据分析技术领域,所述方法包括:服务器在物联网络下进行电力数据采集;服务器对采集到的电力数据进行去除异常数据的预处理,具体包括:缺失数据的生成和产生畸变的数据处理;服务器传输预处理完成的电力数据上传至上位机,上位机对电力数据进行分析处理;建立综合天气、季节、假日影响的电力需求预测模型;所述电力需求预测模型根据设置的时间粒度分段展示预测结果;上位机将分析完成的电力数据与历史数据进行可视化展示。基于物联网络进行电力数据分析,减少数据传输延时,加快计算速率,为电力数据分析提供了实时监控、连接、采集的支持。
Description
技术领域
本发明涉及电力数据分析技术领域,尤其涉及一种基于物联网的电力数据分析方法。
背景技术
随着科技水平逐渐提升,电力行业对技术要求越来越高,发电方式也逐渐呈现出多样化,例如火、风、水、太阳能、核能等都是非常好的发电能源,这也在很大程度上使得电力数据越来越多,而数据分析技术在其中高效运用有利于发电领域多元化发展。随着电力行业的不断发展,电力数据分析技术已成为电力系统中不可或缺的重要组成部分,电力数据分析技术可以对电力系统有效的监控、计算和预测,从而提高电力系统的可靠性、安全性和经济性。电力数据分析技术是利用各种方法、技术和工具对电力系统中各种数据进行收集、存储、处理和分析的一种技术,而物联网技术可以实现物与物的泛在连接,为电力数据分析提供了实时监控、连接、采集的支持,相比目前电力数据分析的4G网络传输更安全、更可靠、延迟更低。
发明内容
本发明提供了一种基于物联网的电力数据分析方法,包括:
Step1、服务器在物联网络下进行电力数据采集;
Step2、服务器对采集到的电力数据进行去除异常数据的预处理,具体包括:缺失数据的生成和产生畸变的数据处理;
Step3、服务器传输预处理完成的电力数据上传至上位机,上位机对电力数据进行分析处理;
Step4、上位机将分析完成的电力数据与历史数据进行可视化展示。
如上所述的一种基于物联网的电力数据分析方法,其中服务器在物联网络下进行电力数据采集,具体包括以下子步骤:
采集传感器采集智能电表的电力数据;
采集传感器传输电力数据到集中器;
集中器传输数据至物联网络服务器。
如上所述的一种基于物联网的电力数据分析方法,其中上位机对电力数据进行分析处理,具体包括以下子步骤:
分析电力数据随时间变化的规律;
建立电力需求预测模型;
根据预测模型进行电力需求预测。
如上所述的一种基于物联网的电力数据分析方法,其中分析电力数据随时间变化的规律,具体包括以下子步骤:
以年为单位进行近n年用电量的数据可视化展示;
为每一年创建一个有功功率图;
细化时间特征,分别以月、周、日为单位,梳理用电量变化规律,找到图像中时间序列上用电量的特征;
计算在不同时间粒度下的用电需求期望系数。
如上所述的一种基于物联网的电力数据分析方法,其中建立电力需求预测模型,具体包括以下子步骤:
根据需求期望系数,与时间粒度,建立里电力需求预测基础模型;
加入季节影响权重、天气影响权重、假日影响权重;
将时间粒度设置为可调节,形成最终预测模型。
如上所述的一种基于物联网的电力数据分析方法,其中根据预测模型进行电力需求预测,具体包括以下子步骤:
对预测的时间粒度进行设置;
输入预测时间;
根据设置的时间粒度分段展示预测结果。
本发明还提供了一种基于物联网的电力数据分析系统,包括:电力数据采集模块、电力数据预处理模块、电力数据分析模块和电力数据展示模块;
电力数据采集模块用于在物联网络下进行电力数据采集;
电力数据预处理模块用于对电力数据采集模块采集到的电力数据进行预处理;
电力数据分析模块用于接收电力数据预处理模块处理完成的电力数据并对电力数据进行分析;
电力数据展示模块用于将电力数据分析模块分析完成的电力数据与历史数据进行可视化展示。
如上所述的一种基于物联网的电力数据分析系统,其中电力数据预处理模块对畸变数据处理步骤为:
将数据形成数据n*m矩阵;
查找畸变数据进行删除;
对删除的部分进行有效补全。
如上所述的一种基于物联网的电力数据分析系统,其中电力数据展示模块,具体包括:
对智能电表实时采集的电力数据进行动态可视化;
历史电力数据结合天气、季节和假日的可视化;
电力需求预测结果与历史预测记录的可视化。
本发明实现的有益效果如下:基于物联网络进行电力数据分析,减少数据传输延时,加快计算速率,为电力数据分析提供了实时监控、连接、采集的支持,使用科学方法对电力数据分析计算,提供电力数据可视化。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明中记载的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的附图。
图1是本发明实施例一提供的一种基于物联网的电力数据分析方法流程图。
具体实施方式
下面结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例一
如图1所示,本发明实施例一提供一种基于物联网的电力数据分析方法,包括:
步骤S1:服务器在物联网络下进行电力数据采集;
电力数据的采集由采集传感器来完成,其主要作用是采集智能电表的电力数据,包括电压、用电量、电流、功率因素等,提供RS485、电力载波、GPRS等多种通信方式实现智能电表与集中器的数据传输与反馈,集中器与采集传感器采用星型拓扑结构,以以太物联网的方式进行链接,通过添加路由器扩展其通信距离,采集完成的数据作为原始数据存储于物联网络的服务器中。
步骤S2:服务器对采集到的电力数据进行去除异常数据的预处理;
采集到的原始电力数据需要经过过滤,去除异常数据的预处理,保证数据的完整性和准确性。
(1)缺失数据的生成
缺失数据是指在一系列数据中突然降为零或缺失一个数据的值,在电力数据中可能由于跳闸或线路故障引起,这些数据需要进行一个电力数据的有效补全,补全数值的计算公式为:,其中,t表示参考时间的起始值,m为参考时间的终止值,v为电压,i表示t时刻内的细化时间帧,n为时间帧总数,/>为第i个时间帧下的有功功率数值,/>为额定功率数值,/>为时刻t内允许的误差因子。
(2)产生畸变的数据处理
产生畸变的数据分为两类,一类是含有毛刺的数据,毛刺数据是由于某种原因有一个不均匀的部分,在监测时间内,多个负载突然变大或变小;另一类是包含冲击的数据,冲击数据就像在安静稳定的区域中发出的尖锐噪音,主要是由重大扰动引起的,如大量机组的输入或撤除、线路不对称故障等。
处理畸变数据首先要找到这些数据进行删除,再进行有效补全,将数据形成n*m矩阵S,,其中/>表示第n行第m列的电力数据,每组电力数据/>,其中x为/>中的有功功率,y为无功功率,/>为电流,W为电压。
查找畸变数据的公式为:,其中,为设置的查找灵敏系数,i表示矩阵横向第i项数据,j表示矩阵纵向第j项数据,n为矩阵横向总长度,m为纵向总长度,/>为第i行第j列的有功功率,/>为第i行有功功率均值,为第i行第j列的无功功率,/>为数据矩阵中第i行无功功率的平均值,/>为矩阵中第i行第j列数据中的电流,/>为设置的降噪等级,/>为矩阵中第i行第j列数据中的电压值。
步骤S3:服务器传输预处理完成的电力数据上传至上位机,上位机对电力数据进行分析处理;
完成预处理后,输出的电力数据形成电力数据集上传至上位机,上位机向物联网络服务器采集处理完成的数据进行计算、存储、科学分析、查询等步骤。
电力数据分析就是利用数据挖掘技术,对历史电力数据进行分析,预测未来电量走势,为发电配电提供数据参考。采用的分析方法为时间序列分析,具体包括以下子步骤:
(1)分析电力数据随时间变化的规律
基于Pandas和Matplotlib对电力数据集进行可视化分析,首先以年为单位进行近3年用电量的数据可视化展示,再为每一年创建一个有功功率图,观察是否有相同的模式,通过观察图像可确定每年的用电量趋势变化,提取其相同趋势信息,接着细化时间特征,分别以月、周、日为单位,梳理用电量变化规律,找到图像中时间序列上用电量的特征,计算在不同时间粒度下的用电需求期望系数/>,计算公式为:,其中,y为起始年份、yz为终止年份,为y年份在时间粒度/>下的平均峰值,/>为y年份在时间粒度/>下的平均谷值,/>为时间粒度与年的换算率。
(2)建立电力需求预测模型
根据需求期望系数,与时间粒度,加入季节影响权重、天气影响权重、假日影响权重,将时间粒度设置为可调节,最终电力需求预测模型为:,其中,/>为时间粒度,/>为时间粒度下的需求期望系数,/>为自变量,/>为天气标识值,/>为天气对电力需求影响权重,/>为季节标识值,/>为季节对电力需求影响权重,/>为假日标识值,/>为假日对电力需求影响权重,/>为时间粒度可选范围集合。
(3)根据预测模型进行电力需求预测
使用预测模型对电力需求进行预测之前,首先对预测的时间粒度进行设置,可设置年、月、周、日四个选项,设置完成进行数据的输入,输入值为日期型,表示需要预测即刻起至输入日期期间内的电力需求,并可以根据设置的时间粒度分段展示预测结果。
步骤S4:上位机将分析完成的电力数据与历史数据进行可视化展示。
电力数据的可视化通过直观、清晰的图表展示数据,使复杂的数据得以简化和理解,使电力从业者能够迅速识别和理解数据背后的规律和关联,具体地:
(1)对智能电表实时采集的电力数据进行动态可视化;
智能电表采集而来的数据具有区域性,可分为区域化展示与综合展示,区域化展示以采集区域进行分类,分多张图表对不同区域的电力数据进行展示,实时采集实时修改数据,形成动态图表,设置地域选择框,对展示图表做选择;综合展示则不进行分类,所有电力数据整合为一张图表进行展示。横坐标为各测量项,纵坐标为数值。
(2)历史电力数据结合天气、季节和假日的可视化;
历史数据是分析电力需求的基本,以折线图的方式展示电力数据中用电量、功率等数据的变化趋势,并标识历史电力数据发生时的天气、季节和假日这些综合考虑信息,综合展示,为从业人员提供参考,横坐标为时间,时间下面标注综合考虑信息,纵坐标为数值,不同的展示数据以不同颜色的线区分,设置展示数据多选框,可勾选电力数据中需要展示的数据。
(3)电力需求预测结果与历史预测记录的可视化。
电力需求预测结果可视化展示内容为步骤S3的预测结果,同样以图表的方式展示,历史预测记录包含历史预测结果与实际测量结果的对比,横坐标为时间序列,纵坐标为数值。
实施例二
本发明实施例二提供一种基于物联网的电力数据分析系统,包括:电力数据采集模块、电力数据预处理模块、电力数据分析模块和电力数据展示模块。
电力数据采集模块用于在物联网络下进行电力数据采集。电力数据的采集由采集传感器来完成,其主要作用是采集智能电表的用电数据,包括电压、用电量、电流、功率因素等,提供RS485、电力载波、GPRS等多种通信方式实现智能电表与集中器的数据传输与反馈,集中器与采集传感器采用星型拓扑结构,以以太物联网的方式进行链接,通过添加路由器扩展其通信距离,采集完成的数据作为原始数据存储于物联网络的服务器中。
电力数据预处理模块用于对电力数据采集模块采集到的电力数据进行预处理。采集到的原始电力数据需要经过过滤,去除异常数据的预处理,保证数据的完整性和准确性。
(1)缺失数据的生成
缺失数据是指在一系列数据中突然降为零或缺失一个数据的值,在电力数据中可能由于跳闸或线路故障引起,这些数据需要进行一个电力数据的有效补全,补全数值的计算公式为:,其中,t表示参考时间的起始值,m为参考时间的终止值,v为电压,i表示t时刻内的细化时间帧,n为时间帧总数,/>为第i个时间帧下的有功功率数值,/>为额定功率数值,/>为时刻t内允许的误差因子。
(2)产生畸变的数据
产生畸变的数据分为两类,一类是含有毛刺的数据,毛刺数据是由于某种原因有一个不均匀的部分,在监测时间内,多个负载突然变大或变小;另一类是包含冲击的数据,冲击数据就像在安静稳定的区域中发出的尖锐噪音,主要是由重大扰动引起的,如大量机组的输入或撤除、线路不对称故障等。
处理畸变数据首先要找到这些数据进行删除,再进行有效补全,将数据形成n*m矩阵S,,其中/>表示第n行第m列的电力数据,每组电力数据/>,其中x为/>中的有功功率,y为无功功率,/>为电流,W为电压。
查找畸变数据的公式为:,其中,为设置的查找灵敏系数,i表示矩阵横向第i项数据,j表示矩阵纵向第j项数据,n为矩阵横向总长度,m为纵向总长度,/>为第i行第j列的有功功率,/>为第i行有功功率均值,为第i行第j列的无功功率,/>为数据矩阵中第i行无功功率的平均值,/>为矩阵中第i行第j列数据中的电流,/>为设置的降噪等级,/>为矩阵中第i行第j列数据中的电压值。
电力数据分析模块用于接收电力数据预处理模块处理完成的电力数据并对电力数据进行分析。
完成预处理后,输出的电力数据形成电力数据集上传至上位机,上位机向物联网络服务器采集处理完成的数据进行计算、存储、科学分析、查询等步骤。
电力数据分析就是利用数据挖掘技术,对历史电力数据进行分析,预测未来电量走势,为发电配电提供数据参考。采用的分析方法为时间序列分析,具体包括以下子步骤:
(1)分析电力数据随时间变化的规律
基于Pandas和Matplotlib对电力数据集进行可视化分析,首先以年为单位进行近3年用电量的数据可视化展示,再为每一年创建一个有功功率图,观察是否有相同的模式,通过观察图像可确定每年的用电量趋势变化,提取其相同趋势信息,接着细化时间特征,分别以月、周、日为单位,梳理用电量变化规律,找到图像中时间序列上用电量的特征,计算在不同时间粒度下的用电需求期望系数/>,计算公式为:,其中,y为起始年份、yz为终止年份,为y年份在时间粒度/>下的平均峰值,/>为y年份在时间粒度/>下的平均谷值,/>为时间粒度与年的换算率。
(2)建立电力需求预测模型
根据需求期望系数,与时间粒度,加入季节影响权重、天气影响权重、假日影响权重,将时间粒度设置为可调节,最终电力需求预测模型为:,其中,/>为时间粒度,/>为时间粒度下的需求期望系数,/>为自变量,/>为天气标识值,/>为天气对电力需求影响权重,/>为季节标识值,/>为季节对电力需求影响权重,/>为假日标识值,/>为假日对电力需求影响权重,/>为时间粒度可选范围集合。
(3)根据预测模型进行电力需求预测
使用预测模型对电力需求进行预测之前,首先对预测的时间粒度进行设置,可设置年、月、周、日四个选项,设置完成进行数据的输入,输入值为日期型,表示需要预测即刻起至输入日期期间内的电力需求,并可以根据设置的时间粒度分段展示预测结果。
电力数据展示模块用于将电力数据分析模块分析完成的电力数据与历史数据进行可视化展示。电力数据的可视化通过直观、清晰的图表展示数据,使复杂的数据得以简化和理解,使电力从业者能够迅速识别和理解数据背后的规律和关联,具体地:
(1)对智能电表实时采集的电力数据进行动态可视化;
智能电表采集而来的数据具有区域性,可分为区域化展示与综合展示,区域化展示以采集区域进行分类,分多张图表对不同区域的电力数据进行展示,实时采集实时修改数据,形成动态图表,设置地域选择框,对展示图表做选择;综合展示则不进行分类,所有电力数据整合为一张图表进行展示。横坐标为各测量项,纵坐标为数值。
(2)历史电力数据结合天气、季节和假日的可视化;
历史数据是分析电力需求的基本,以折线图的方式展示电力数据中用电量、功率等数据的变化趋势,并标识历史电力数据发生时的天气、季节和假日这些综合考虑信息,综合展示,为从业人员提供参考,横坐标为时间,时间下面标注综合考虑信息,纵坐标为数值,不同的展示数据以不同颜色的线区分,设置展示数据多选框,可勾选电力数据中需要展示的数据。
(3)电力需求预测结果与历史预测记录的可视化。
电力需求预测结果可视化展示内容为步骤S3的预测结果,同样以图表的方式展示,历史预测记录包含历史预测结果与实际测量结果的对比,横坐标为时间序列,纵坐标为数值。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的技术方案的基础之上,所做的任何修改、等同替换、改进等,均应包括在本发明的保护范围之内。
Claims (6)
1.一种基于物联网的电力数据分析方法,包括:
Step1、服务器在物联网络下进行电力数据采集;
Step2、服务器对采集到的电力数据进行去除异常数据的预处理,具体包括:缺失数据的生成和产生畸变的数据处理;
Step3、服务器传输预处理完成的电力数据上传至上位机,上位机对电力数据进行分析处理;
建立综合天气、季节、假日影响的电力需求预测模型;
所述电力需求预测模型根据设置的时间粒度分段展示预测结果;
Step4、上位机将分析完成的电力数据与历史数据进行可视化展示;
上位机对电力数据进行分析处理,具体包括以下子步骤:
分析电力数据随时间变化的规律;
建立电力需求预测模型;
根据预测模型进行电力需求预测;
分析电力数据随时间变化的规律,具体包括以下子步骤:
以年为单位进行近n年用电量的数据可视化展示;
为每一年创建一个有功功率图;
细化时间特征,分别以月、周、日为单位,梳理用电量变化规律,找到图像中时间序列上用电量的特征;
计算在不同时间粒度下的用电需求期望系数,计算公式为:,其中,y为起始年份、yz为终止年份,为y年份在时间粒度/>下的平均峰值,/>为y年份在时间粒度/>下的平均谷值,/>为时间粒度与年的换算率;
建立电力需求预测模型,具体包括以下子步骤:
根据需求期望系数,与时间粒度,建立里电力需求预测基础模型;
加入季节影响权重、天气影响权重、假日影响权重;
将时间粒度设置为可调节,形成最终预测模型为:,其中,/>为时间粒度,/>为时间粒度下的需求期望系数,/>为自变量,/>为天气标识值,/>为天气对电力需求影响权重,/>为季节标识值,/>为季节对电力需求影响权重,/>为假日标识值,/>为假日对电力需求影响权重,/>为时间粒度可选范围集合。
2.根据权利要求1所述的一种基于物联网的电力数据分析方法,其特征在于,服务器在物联网络下进行电力数据采集,具体包括以下子步骤:
采集传感器采集智能电表的电力数据;
采集传感器传输电力数据到集中器;
集中器传输数据至物联网络服务器。
3.根据权利要求1所述的一种基于物联网的电力数据分析方法,其特征在于,根据预测模型进行电力需求预测,具体包括以下子步骤:
对预测的时间粒度进行设置;
输入预测时间;
根据设置的时间粒度分段展示预测结果。
4.一种基于物联网的电力数据分析系统,包括:电力数据采集模块、电力数据预处理模块、电力数据分析模块和电力数据展示模块;
电力数据采集模块用于在物联网络下进行电力数据采集;
电力数据预处理模块用于对电力数据采集模块采集到的电力数据进行预处理;
电力数据分析模块用于接收电力数据预处理模块处理完成的电力数据并对电力数据进行分析;
电力数据展示模块用于将电力数据分析模块分析完成的电力数据与历史数据进行可视化展示;
上位机对电力数据进行分析处理,具体包括以下子步骤:
分析电力数据随时间变化的规律;
建立电力需求预测模型;
根据预测模型进行电力需求预测;
分析电力数据随时间变化的规律,具体包括以下子步骤:
以年为单位进行近n年用电量的数据可视化展示;
为每一年创建一个有功功率图;
细化时间特征,分别以月、周、日为单位,梳理用电量变化规律,找到图像中时间序列上用电量的特征;
计算在不同时间粒度下的用电需求期望系数,计算公式为:,其中,y为起始年份、yz为终止年份,为y年份在时间粒度/>下的平均峰值,/>为y年份在时间粒度/>下的平均谷值,/>为时间粒度与年的换算率;
建立电力需求预测模型,具体包括以下子步骤:
根据需求期望系数,与时间粒度,建立里电力需求预测基础模型;
加入季节影响权重、天气影响权重、假日影响权重;
将时间粒度设置为可调节,形成最终预测模型为:,其中,/>为时间粒度,/>为时间粒度下的需求期望系数,/>为自变量,/>为天气标识值,/>为天气对电力需求影响权重,/>为季节标识值,/>为季节对电力需求影响权重,/>为假日标识值,/>为假日对电力需求影响权重,/>为时间粒度可选范围集合。
5.根据权利要求4所述的一种基于物联网的电力数据分析系统,其特征在于,电力数据预处理模块对畸变数据处理步骤为:
将数据形成数据n*m矩阵;
查找畸变数据进行删除;
对删除的部分进行有效补全。
6.根据权利要求4所述的一种基于物联网的电力数据分析系统,其特征在于,电力数据展示模块,具体包括:
对智能电表实时采集的电力数据进行动态可视化;
历史电力数据结合天气、季节和假日的可视化;
电力需求预测结果与历史预测记录的可视化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311169014.1A CN116910681B (zh) | 2023-09-12 | 2023-09-12 | 一种基于物联网的电力数据分析方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311169014.1A CN116910681B (zh) | 2023-09-12 | 2023-09-12 | 一种基于物联网的电力数据分析方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116910681A CN116910681A (zh) | 2023-10-20 |
CN116910681B true CN116910681B (zh) | 2024-01-30 |
Family
ID=88367163
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311169014.1A Active CN116910681B (zh) | 2023-09-12 | 2023-09-12 | 一种基于物联网的电力数据分析方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116910681B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105701570A (zh) * | 2016-01-11 | 2016-06-22 | 国网浙江省电力公司经济技术研究院 | 一种基于全过程技术提升的短期电力需求分析方法 |
CN110991700A (zh) * | 2019-11-08 | 2020-04-10 | 北京博望华科科技有限公司 | 基于深度学习改进的天气与用电相关性预测方法及装置 |
CN111242807A (zh) * | 2020-02-26 | 2020-06-05 | 深圳市中电电力技术股份有限公司 | 一种变电站数据接入泛在电力物联网的方法 |
CN111427286A (zh) * | 2020-01-03 | 2020-07-17 | 南昌航空大学 | 一种基于5g通信的智能远程电能监控系统及监控方法 |
CN113283679A (zh) * | 2021-06-30 | 2021-08-20 | 南京理工大学 | 一种基于ai人工智能的电力负荷预测系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10977586B2 (en) * | 2018-02-13 | 2021-04-13 | The Trustees Of Indiana University | Forecasting and managing daily electrical maximum demands |
-
2023
- 2023-09-12 CN CN202311169014.1A patent/CN116910681B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105701570A (zh) * | 2016-01-11 | 2016-06-22 | 国网浙江省电力公司经济技术研究院 | 一种基于全过程技术提升的短期电力需求分析方法 |
CN110991700A (zh) * | 2019-11-08 | 2020-04-10 | 北京博望华科科技有限公司 | 基于深度学习改进的天气与用电相关性预测方法及装置 |
CN111427286A (zh) * | 2020-01-03 | 2020-07-17 | 南昌航空大学 | 一种基于5g通信的智能远程电能监控系统及监控方法 |
CN111242807A (zh) * | 2020-02-26 | 2020-06-05 | 深圳市中电电力技术股份有限公司 | 一种变电站数据接入泛在电力物联网的方法 |
CN113283679A (zh) * | 2021-06-30 | 2021-08-20 | 南京理工大学 | 一种基于ai人工智能的电力负荷预测系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116910681A (zh) | 2023-10-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110097297B (zh) | 一种多维度窃电态势智能感知方法、系统、设备及介质 | |
CN110458195B (zh) | 一种基于多判据融合的异常数据甄别方法 | |
CN107340492A (zh) | 基于大数据挖掘和场景预判的电能计量装置故障分析方法 | |
CN106570778A (zh) | 一种基于大数据的数据集成与线损分析计算的方法 | |
CN107732970A (zh) | 一种新能源并网电力系统的静态安全概率评估方法 | |
CN113420162B (zh) | 一种基于知识图谱的设备运行链状态监测方法 | |
CN112084684B (zh) | 一种基于物联网的桥梁健康可视化监测系统 | |
CN213754105U (zh) | 一种基于大数据的光伏电站智能管理系统 | |
CN117335411B (zh) | 一种光伏电站群的中长期发电量预测方法 | |
CN115759708A (zh) | 一种考虑电力时空分布特性的线损分析方法及系统 | |
CN110968703B (zh) | 基于lstm端到端抽取算法的异常计量点知识库构建方法及系统 | |
CN115409120A (zh) | 一种基于数据驱动的用户窃电行为检测辅助方法 | |
CN115859099A (zh) | 样本生成方法、装置、电子设备和存储介质 | |
CN116523140A (zh) | 窃电检测方法、装置、电子设备和存储介质 | |
CN105958474B (zh) | 一种电网调控系统用输电线路动态增容方法和系统 | |
CN116910681B (zh) | 一种基于物联网的电力数据分析方法及系统 | |
CN110413622B (zh) | 一种基于电力大数据平台的数据处理方法 | |
CN116933201A (zh) | 低压充电桩违约用电行为识别的方法和系统 | |
CN105809369A (zh) | 考虑新能源功率不确定性分布的日前计划安全校核方法 | |
CN116450625A (zh) | 一种基于用电信息采集系统的计量异常数据甄别装置 | |
CN117764547A (zh) | 一种光伏组串故障诊断方法及系统 | |
CN114168662A (zh) | 一种基于多数据源的配电网问题梳理分析方法及系统 | |
CN113537770A (zh) | 一种基于云计算的决策树配置寿命预测的方法及系统 | |
Li | Abnormal energy consumption analysis based on big data mining technology | |
Grigoras et al. | Knowlegde extraction from Smart Meters for consumer classification |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |