您好,欢迎访问三七文档
电力智能决策支持系统电力智能决策支持系统神舟通用助力企业科学化管理电力系统信息化概况电力系统智能分析应用电力系统业务分析案例议程议程电力系统发展方向电力系统发展方向————电力市场化电力市场化厂网分离电网:国家电网和南方电网发电:华能、大唐、华电、国电、中电投辅业:电力工程顾问集团、水电工程顾问集团、水利水电建设集团、葛洲坝集团三峡电力输配分离进一步破除电网的垄断电力系统发展方向电力系统发展方向————电力市场化电力市场化市场化的结果电力企业和用户之间的接口越来越开放•发电公司直接面对大客户开放导致竞争•发电公司竞价上网竞争迫使电力企业进行资源的优化配置电力企业的使命经济价值最大化•开源•节流社会价值最大化•提高客户满意度•提升社会形象如何实现电力企业的使命?如何实现电力企业的使命?经济价值开源•如何获得更多的客户?(营销)•如何制定电价?(竞争)节流•如何提高月均负荷率(营销)•如何降低能源损耗(调度)社会价值客户满意度•如何让客户感觉到:我们是关心你的•如何让客户感觉到:您是我们的白金级客户社会形象•去年全年的电力事故降低了X%•我们在为X%的本地经济龙头企业供电精细化运作一切“精细”都源于分析、分析、再分析如何实现精细化运作?如何实现精细化运作?如何实现精细化运作?如何实现精细化运作?商务智能(BI,BusinessIntelligence)软件就是为业务分析而设计商务智能是商务智能是CIOCIO的“头等大事”的“头等大事”Table3:Whatareasareyourtopspendingpriorities?Aug04Oct04Feb05Sep05Jan06BusinessIntelligence/DataWarehousing42%48%28%53%41%Security42%42%31%27%36%ERP12%26%32%17%28%DesktopoperatingsystemandapplicationsNANANA14%24%Document/ContentManagement36%34%27%16%23%Storage26%18%19%23%22%ApplicationIntegration48%40%18%33%21%CustomDevelopment22%20%26%12%20%CRM20%20%28%24%19%SystemsManagement10%8%18%14%19%NetworkManagement20%18%11%12%18%Database10%12%11%11%17%CorporatePortals30%38%22%29%16%SupplyChainManagement14%12%13%26%13%AnalyticApplications16%14%14%12%11%LinuxNANANA7%6%ProductLifecycleManagement8%8%8%5%4%OthersNANANANA4%ApplicationPerformanceManagement12%8%6%3%2%DRPNANANA1%NAHighavailability&disasterrecoveryNANANA1%NA美林公司CIO调研商务智能是商务智能是CIOCIO的“头等大事”的“头等大事”2006年GartnerCIO调研商务智能的发展趋势商务智能的发展趋势阶段一:零散的商务智能阶段二:整合(Integrated)的商务智能阶段三:內嵌(Embedded)的、实时(Real-time)的商业智能主动发送到信息需要的地方WebWireless应用操作eMail数据集市/立方体数据仓库操作型数据源下一代商务智能流程实时,全面的访问整个企业的所有数据优势业务用户能“及时”得到最详细的信息来帮助做出更好的决策和行动基于最新的、最完整的和详实的数据来指导企业决策基于最新的、最完整的和详实的数据来指导企业决策在最合适的时间,最便捷的方式,主动把指导性的信息传送到任何设备在最合适的时间,最便捷的方式,主动把指导性的信息传送到任何设备让需要信息的人得到需要的信息,让需要信息的人得到需要的信息,让执行的人能够立即响应让执行的人能够立即响应内嵌的、实时的商务智能内嵌的、实时的商务智能国家电网公司国家电网公司186186工程工程“1”:信息化建设方面要做到统一平台、统一标准、统一规划、统一实施建立总部/省网两级的数据中心/数据仓库/数据挖掘等分析应用“8”:建设八个应用系统,包括财务(资金)管理、营销管理、安全生产管理、协同办公管理、人力资源管理、物资管理、项目管理、综合管理“6”:建设六大保障系统,包括信息化安全防护体系、标准规范体系、管理调控体系、评价考核体系、技术研究体系和人才队伍体系电力系统信息化概况电力系统智能分析应用电力系统业务分析案例议程议程电力系统的业务智能分析主题电力系统的业务智能分析主题日常报表和随即查询电量电费统计、查询设备故障统计、查询原料库存统计、查询人员绩效统计、查询财务指标统计、查询……电力系统的业务智能分析主题电力系统的业务智能分析主题原料用量预测电力企业,尤其是发电企业,十分关注某些原料的使用情况。对火电厂来讲,用煤量是十分重要的指标。火电厂应该从两个层面上来关注:•自身用煤量变化曲线•市场上的煤价变化曲线通过对用煤量和煤价的变化进行建模,可以预测出未来的用煤量和煤价,从而指导电力公司的煤炭采购策略电力系统的业务智能分析主题电力系统的业务智能分析主题电力负荷预测负荷预测是电力企业面临的一个重要而又困难的问题,尤其是在电力市场化之后。对于负荷的准确预测有利于企业实时制定运营策略。负荷预测又可分为超短期负荷预测、短期负荷预测、中期负荷预测和长期负荷预测。可运用数据挖掘技术对电力负荷数据进行深度挖掘,获得影响负荷的主要因素并对负荷进行有效的建模,从而提高负荷预测的精度。相对于传统负荷预测方法,数据挖掘可以考虑更多的与电力负荷相关的因素,比如天气、日期、节假日、地方经济指数、太阳黑子等等,从而可以进一步提高预测精度其他时间相关指标预测一切与时间相关的指标都可以采用基于数据挖掘的时间序列方法来预测,比如电厂用煤量、现金流量等等。基于数据挖掘的时间序列方法比传统的基于统计的时间序列方法更具优越性电力系统的业务智能分析主题电力系统的业务智能分析主题电厂经济运行对发电企业来讲,节煤、节水就意味着节省成本。通过人工智能的方法,挖掘出跟用煤量、用水量最相关的因素,对其进行调优,从而达到节煤、节水的目的。违规用电分析偷电、违规用电行为虽然千差万别,但在变化各异的表象之下隐藏着很多共同的规律。通过把跟违规用电相关的各种信息输入数据挖掘工具并建立决策树模型,分析人员能够找到违规用电现象下面的规律,从而主动预防违规用电行为的发生电力系统的业务智能分析主题电力系统的业务智能分析主题发电智能控制利用人工智能的方法实现系统状态与参数的的识别和控制,这已经在发电励磁控制中得到了应用。实践证明,利用神经元网络设计的最优励磁调节器比估定点线性励磁调节器具有更强的稳定性和动态品质,使发电机在瞬时故障和永久故障下的暂稳极限都接近事故前的静稳极限,从而大大改善系统的静稳极限和暂稳极限电力系统稳定性分析和安全性评估这一类知识发现以决策树或依存表形式存在。如利用决策树,对电力系统的稳定性进行预测,从而防患于未然,或利用其他一些机器学习技术对电力系统的安全性进行评估电力系统的业务智能分析主题电力系统的业务智能分析主题设备故障分析电力企业已经积累了大量的故障数据。故障的发生既有偶然的一面,又有规律性可遵循。运用数据挖掘技术对故障数据进行挖掘分析,获得故障发生与外部因素(如天气、负荷的变化,人员的误操作)之间的联系,并预测故障的发生,从而辅助设备管理人员进行决策,合理安排检修计划,保证企业安全可靠运行,尽可能减少不必要的损失电力市场营销分析/用户特征分析随着电力市场的发展和竞争的加剧,地区供电企业需要制定出有竞争力的实时电价,因此,必须对电力用户进行准确分析。电力系统的用户具有多样性和随机性,可利用OLAP多维分析的特性,对用户的行为模式及负荷要求进行分门别类,在保证系统安全和稳定性的前提下,对不同类别的用户,采用不同的营销策略,制定出合理的电价收费表,以提高市场竞争力电力系统的业务智能分析主题电力系统的业务智能分析主题电网/电厂规划我国电力工业已经步入了大电网、高电压和大机组的时代,对于这样一个发展迅速的时代,传统的电网规划方法及其管理体系已不能适应。在大型电力网络中,规划专家凭借经验进行判断决策,在实际工作中显得越来越困难。为此,有必要引入人工智能和数据挖掘理论(聚类分析等),将规划专家的经验进行系统化表示,存储在辅助决策系统的知识库中,并利用辅助决策系统进行综合决策。电力系统信息化概况电力系统智能分析应用电力系统业务分析案例议程议程国际电力负荷预测大赛概况国际电力负荷预测大赛概况EUNITE(欧洲人工智能组织)国际电力负荷预测大赛数据来源:捷克斯洛伐克电力公司的真实数据参赛者:来自21个国家的56位参赛者赛题概况使用97-98两年的用电负荷数据、天气数据和节假日数据预测99年1月份31天的最大用电负荷19971997和和19981998年历史负荷数据年历史负荷数据300400500600700800151101151201251301351401451501551601651701DayLoad[MW]62064066068070072074076078080082000:3001:3002:3003:3004:3005:3006:3007:3008:3009:3010:3011:3012:3013:3014:3015:3016:3017:3018:3019:3020:3021:3022:3023:30HourLoad[MW]某一天的数据(每半小时测量一次)-15,0-10,0-5,00,05,010,015,020,025,030,0151101151201251301351401451501551601651701DayTemperature[C]19971997和和19981998年历史气温数据年历史气温数据60062064066068070072074076078080082012345678910111213141516171819202122232425262728293031DayMaxload[MW]19991999年年11月份的真实负荷月份的真实负荷赛题阐述赛题阐述根据97&98两年(共701天)的历史负荷预测99年1月31天的每天最大电力负荷使用多步预测方法将预测结果与真实负荷做比较,误差越小,成绩越好主要衡量指标:MAPE•MAPE(MeanAbsolutePercentageError,平均绝对误差率)次要衡量指标:MaxError•MaxError,时间序列预测中的最大预测误差,单位MW0246810121416Chih-JenLinDavidEspWernerBrockmannADaliborZivcakWojtekKowalczykBAchimLewandowskiWojtekKowalczykAFranciscoOrtegaIainKingAhmadLotfiBerthaGuijarroRobWeizeneggerZviBogerGianlucaBontempiEmilPelikanBWernerBrockmannD1EmilPelikanAFabioRivieccioWernerBrockmannC1GregoryIvakhnenkoWernerBrockmannB1WernerBrockmannD2WernerBrockmannC2WernerBrockmannB2PeterOttoJavierMarinMAPE[%]0501001
本文标题:电力行业数据挖掘
链接地址:https://www.777doc.com/doc-4485879 .html