基于灰色模糊预测的智能配电网大数据调度算法

doi:10.11930/j.issn.1004-9649.201708074

中国电力 ›› 2018, Vol. 51 ›› Issue (10): 103-110.DOI: 10.11930/j.issn.1004-9649.201708074

基于灰色模糊预测的智能配电网大数据调度算法

周生奇, 贾亚军, 朱华

国网青岛供电公司, 山东青岛 266000

收稿日期:2017-08-21 修回日期:2018-04-20 出版日期:2018-10-05 发布日期:2018-10-12
作者简介:周生奇(1979-),男,高级工程师,从事电网系统运行管理,E-mail:267393132@qq.com
基金资助:
国家自然科学基金资助项目（51607068）。

Novel SPDU Big Data Scheduling Algorithm Based on Grey Fuzzy Prediction

ZHOU Shengqi, JIA Yajun, ZHU Hua

State Grid Qingdao Power Supply Company, Qingdao 266000, China

Received:2017-08-21 Revised:2018-04-20 Online:2018-10-05 Published:2018-10-12
Supported by:
This work is supported by National Natural Science Foundation of China (No. 51607068).

摘要/Abstract

摘要： 针对智能配电网大数据服务系统存在数据量大、信息复用困难、调用跨度大等问题，提出了一种基于灰色模糊预测的配电网大数据调度算法（SGFP）。基于灰色模糊预测方法对配电网管理人员和客户潜在需求进行预测，对多服务器中流动数据实施预存取与调度，从而避免和减少了智能配电网大数据服务系统中出现的存取瓶颈和大跨度调用现象。SGFP算法的性能在面向社区用户的用电互动服务系统中有所体现，相较于目前常用算法其预取数据的响应速度与准确度具有较大优势，系统资源开销较低，具有较高的性价比。

关键词: 智能配用电, 大数据, 数据调度, 灰色预测, 用户服务

Abstract: For the problems existing in smart power distribution and utilization (SPDU) data service system, such as big data size, difficult information retrieval and long span scheduling, a novel SPDU big data scheduling algorithm based on grey fuzzy prediction (SGFP) is presented. In order to address the data access bottlenecks and long span scheduling of SPDU big data systems, the SGFP utilizes the grey fuzzy methods to mine the requirements of clients and management personals, and to make pre-access and scheduling of the moving data in several data servers. The SGFP is tested in an interactive community client service system. The simulation result shows that compared to the traditional algorithms, the SGFP has better response speed and accuracy, as well as lower system resource cost.

Key words: smart power distribution and utilization(SPDU), big data, data scheduling, grey prediction, client service

中图分类号:

TM769

周生奇, 贾亚军, 朱华. 基于灰色模糊预测的智能配电网大数据调度算法[J]. 中国电力, 2018, 51(10): 103-110.

ZHOU Shengqi, JIA Yajun, ZHU Hua. Novel SPDU Big Data Scheduling Algorithm Based on Grey Fuzzy Prediction[J]. Electric Power, 2018, 51(10): 103-110.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: https://www.electricpower.com.cn/CN/10.11930/j.issn.1004-9649.201708074

https://www.electricpower.com.cn/CN/Y2018/V51/I10/103

参考文献

[1] 王守相, 梁栋, 葛磊蛟. 智能配电网态势感知和态势利导关键技术[J]. 电力系统自动化, 2016, 40(12):2-8 WANG Shouxiang, LIANG Dong, GE Leijiao. Key technologies of situation awareness and orientation for smart distribution system[J]. Automation of Electric Power Systems, 2016, 40(12):2-8
[2] 董旭柱, 吴争荣, 刘志文, 等. 智能配电网研究热点[J]. 南方电网技术, 2016, 10(5):1-9 DONG Xuzhu, WU Zhengrong, LIU Zhiwen, et al. Research focuses on smart distribution systems[J]. Southern Power System Technology, 2016, 10(5):1-9
[3] 郭建成, 钱静, 陈光, 等. 智能配电网调度控制系统技术方案[J]. 电力系统自动化, 2015, 39(1):206-212 GUO Jiancheng, QIAN Jing, CHEN Guang, et al. Technical scheme of smart distribution grid dispatching and control systems[J]. Automation of Electric Power Systems, 2015, 39(1):206-212
[4] 葛磊蛟, 王守相, 瞿海妮. 智能配用电大数据存储架构设计[J]. 电力系统自动化, 2016, 36(6):194-202 GE Leijiao, WANG Shouxiang, QU Haini. Design of storage framework for big data of SPDU[J]. Automation of Electric Power Systems, 2016, 36(6):194-202
[5] 刘广一, 朱文东, 陈金祥, 等. 智能电网大数据的特点、应用场景与分析平台[J]. 南方电网技术, 2016, 10(5):102-110 LIU Guangyi, ZHU Wendong, CHEN Jinxiang, et al. Characteristics, application scenarios and analysis platform technology of smart grid big data[J]. Southern Power System Technology, 2016, 10(5):102-110
[6] 宋杰, 谢海宁, 杨增辉. 基于多源异构数据挖掘的配电网故障信息统计分析[J]. 电力系统保护与控制, 2016, 44(3):141-147 SONG Jie, XIE Haining, YANG Zenghui. Statistical analysis of the distribution fault based on multiple source and isomerism data mining technology[J]. Power System Protection and Control, 2016, 44(3):141-147
[7] 王守相, 张卫涛, 葛磊蛟. 智能配电网统一模型云与应用服务技术系统[J]. 电力自动化设备, 2015, 35(2):49-54 WANG Shouxiang, ZHANG Weitao, GE Leijia. Unified model cloud and application service system for smart distribution network[J]. Electric Power Automation Equipment, 2015, 35(2):49-54
[8] 丁杰, 奚后玮, 韩海韵, 等. 面向智能电网的数据密集型云存储策略[J]. 电力系统自动化, 2012, 36(12):66-70 DING Jie, XI Houwei, HAN Haiyun, et al. A smart grid-oriented data placement strategy for data-intensive cloud environment[J]. Automation of Electric Power Systems, 2012, 36(12):66-70
[9] 于永军, 祁晓笑, 南东亮. 大数据在配电网低电压评估中的应用[J]. 电气技术, 2015(1):92-94 YU Yongjun, QI Xiaoxiao, NAN Dongliang. Big data applications in low-voltage distribution network to assess[J]. Electrical Engineering, 2015(1):92-94
[10] 马其燕, 秦立军. 智能配电网关键技术[J]. 现代电力, 2010, 27(2):39-46 MA Qiyan, QIN Lijun. Key technologies of smart distribution grid[J]. Modern Electric Power, 2010, 27(2):39-46
[11] MAYILVAGANAN M, SABITHA M. A cloud-based architecture for big-data analytics in smart grid:A proposal[C]//Proc. IEEE International Conference on Computational Intelligence and Computing Research (ICCIC), 2013:1-4.
[12] AHMED H. Applying big data analytics for energy efficiency[D]. Finland:Aalto University, 2014.
[13] ZHENG Zhigao, WANG Ping, LIU Jing, et al. Real-time big data processing framework:challenges and solutions[J]. Applied Mathematics & Information Sciences, 2015, 9(6):3169-3190.
[14] LIU Guangyi, YU Yang, GAO Feng. Research of smart distribution network big data model[C]//The 23th International Conference on Electricity Distribution, 2015:15-18.
[15] DIVYA V, GRACE P T. Big data information management of smart grid in cloud computing[C]//International Conference of Emerging Technology in Computer Science & Electronics, 2016:71-74.
[16] LILY M. A big data pilot project with smart meter data[C]//Proceedings of Statistics Canada Symposium, 2014:177-185.
[17] JANINA P. Cloud computing and smart grids[J]. Database Systems Journal, 2012, 3(3):57-66.
[18] 梁海峰, 林嘉麟, 李鹏. 含分布式能源直流配电网的优化调度[J]. 中国电力, 2016, 49(3):123-127, 159 LIANG Haifeng, LIN Jialin, LI Peng. The optimal scheduling of distributed energy DC power distribution network[J]. Electric Power, 2016, 49(3):123-127, 159
[19] 宁剑. 基于电网分区辨识的静态安全在线校正策略改进及应用[J]. 中国电力, 2017, 50(8):118-124 NING Jian. Improvement and application of static security on-line correction strategy based on power grid division identification[J]. Electric Power, 2017, 50(8):118-124

编辑推荐 0

Metrics

阅读次数

全文

556

HTML			PDF

最新录用	在线预览	正式出版	最新录用	在线预览	正式出版
0	0	271	0	0	285

来源	本网站	其他网站

次数	301	255
比例	54%	46%

摘要

101

最新录用	在线预览	正式出版

0	0	101

来源	本网站	其他网站

次数	37	64
比例	37%	63%

基于灰色模糊预测的智能配电网大数据调度算法

Novel SPDU Big Data Scheduling Algorithm Based on Grey Fuzzy Prediction

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐 0

Metrics

[1]	刘文君, 董明, 徐元孚, 韩强, 王鑫, 许雷, 杜明. 电力设备运行状态大数据标签体系与关键技术[J]. 中国电力, 2022, 55(1): 126-132.
[2]	李博, 方彤. 北斗卫星导航系统（BDS）在智能电网的应用与展望[J]. 中国电力, 2020, 53(8): 107-116.
[3]	安然, 吴俊勇, 石琛, 朱孝文, 邵美阳, 黄杏, 蔡蓉. 基于随机矩阵和历史场景匹配的配电网无功优化[J]. 中国电力, 2020, 53(4): 69-78.
[4]	程瑛颖, 杜杰, 周全, 张家铭, 张晓勇, 李刚. 基于随机矩阵理论和聚类算法的电能表运行状态评估方法[J]. 中国电力, 2020, 53(11): 116-125.
[5]	郭敬东, 陈彬, 王仁书, 王佳宇, 仲林林. 基于YOLO的无人机电力线路杆塔巡检图像实时检测[J]. 中国电力, 2019, 52(7): 17-23.
[6]	罗昊, 苏盛, 杨浩, 林楠, 袁晨. 基于FPGA的电力巡线无人机硬件加密通信方法[J]. 中国电力, 2019, 52(7): 11-16.
[7]	王忠杰, 文乐, 杨新民. 大数据在智能化电厂中的应用研究与展望[J]. 中国电力, 2019, 52(3): 133-139.
[8]	岳国良, 路艳巧, 常浩, 孙翠英. 一种基于可见光巡检图像的杂草智能识别方法[J]. 中国电力, 2019, 52(11): 138-144,174.
[9]	韩华锋, 马玉娟, 黄一志, 杨萌萌, 郭滔, 刘然, 张伟, 孙亚飞. 1 000 MW级火电机组智慧电厂建设研究[J]. 中国电力, 2018, 51(10): 49-55.
[10]	商皓, 雷明, 马海超, 刘俊杰, 周若馨. 电网供应链大数据应用规划方法研究[J]. 中国电力, 2017, 50(6): 69-74.
[11]	王然, 张志刚, 安连锁. 基于新型测温技术的电站锅炉燃烧优化模型研究[J]. 中国电力, 2017, 50(5): 151-155.
[12]	吕守旭. 基于大数据分析的智能电网降损效果估计模型仿真[J]. 中国电力, 2017, 50(4): 172-175.
[13]	周琪, 杨洁, 韩俊杰, 罗欣, 赵燃. 基于大数据的业扩用户用电行为特征研究[J]. 中国电力, 2017, 50(10): 176-180.
[14]	孙栓柱, 代家元, 周春蕾, 王林, 张友卫. 基于大数据的供热机组调峰能力研究与应用[J]. 中国电力, 2016, 49(7): 82-85.
[15]	王刚，梁正玉，李存文，杨涛. 大数据分析在汽轮机调节门特性参数辨识及优化中的应用[J]. 中国电力, 2016, 49(6): 15-19.

模态框（Modal）标题

基于灰色模糊预测的智能配电网大数据调度算法

Novel SPDU Big Data Scheduling Algorithm Based on Grey Fuzzy Prediction

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐 0

Metrics