国际创新研究期刊》的研究在科学、工程和技术
菜单ISSN在线(2319 - 8753)打印(2347 - 6710)
ISSN在线(2319 - 8753)打印(2347 - 6710)
K.Sornalakshmi1,G.Vadivu2
|
| 相关文章Pubmed,谷歌学者 |
访问更多的相关文章国际创新研究期刊》的研究在科学、工程和技术
智能电网现代化电网与信息技术的支持。智能电网中最具发展潜力的能源和公用事业市场。在许多国家智能电网正在安装,预计多重的利益有效的能源管理。智能电网接收实时计数据与高速度和体积。在这样的场景中,近乎实时的流媒体的有效分析智能电表数据和快速决策具有重要意义。在本文中,我们调查现有的方法和手段在智能电网实时能源数据管理。
关键字 |
| 大数据流分析、机器学习、智能电网 |
介绍 |
| 智能电网是电子网格,允许双向通信。智能电网有许多互连组件[6],如传感器、相量测量单元(pmu),智能电表,微电网可插入混合动力电动汽车(插电式混合动力车)etc.Fig 1显示了智能电网的基本组件。所有这些组件都与电网通信。这些组件也监控或生成数据,分析了网格操作。因此智能电网与传统电网不同,它们包括自动化、通信和信息技术的支持。 |
| 智能电网的各种格式的数据即实时AMI(先进的计量基础设施)数据,静态离线消费者数据,生成数据等,这些数据速度的维度,品种、数量和大数据的真实性。技术自动化仪表读数(AMR)只允许一个单一的方式沟通从米到网格whereasAMI智能电网也提供双向通信[4]。通知从电网动态定价,并计划将被发送到客户。通过太阳能电池板和分布式能源生成可插入电动汽车(明白)应该送入电网。这样的功能不仅需要最新的硬件基础设施,还需要更有效的软件框架,在并行工作。 |
| 智能电网使用AMI,它是一个集成的智能电表系统,传感器,智能电子设备(ied)和数据管理系统。AMI需要智能电表安装在消费者对使用监控的前提。智能电网已经被部署在许多国家由于许多优点如远程控制,节约能源和个性化消费[4]。现代智能电网是一个网络物理系统(CPS),这需要艺术的状态计算基础设施来支持其业务。本文调查了实时数据分析平台和技术可用于智能电网。本文的其余部分组织如下。首先我们讨论当前技术应用于智能电网,然后关键挑战,实现智能电网的软件平台。 |
 |
智能电网技术 |
| 答:流媒体数据分析 |
| 智能电表发送数据在网格每15到30分钟。使网格很聪明,使及时决策,有利于客户,传统的静态存储的数据不是有效的处理。基于预测像原计划提前权力关闭ortime pricingalone是不够的。短期实时准确预测消费或故障是非常必要的。接近实时流数据的智能电表必须立即供应需求不匹配,分析和预测了关税建议etc.Such类型的实时运动数据称为数据相比传统的静态数据。 |
| [1]地址动态需求预测使用智能电表的实时数据摄取使用一种有效的自动数据流管道,浮冰到混合云的软件分析平台之上。根据[4],有两种类型的数据生成的智能电网-事件数据和使用数据。这些数据都是到达快速变化的流到变电站的控制中心。高级分析相比正常的统计数据预测需要在传统SCADA数据驱动决策。 |
| 有效的分析,流数据的特点被认为是[5]像一个通过为每一个记录,没有存储在处理之前,有限的CPU和内存。每秒数以百万计的阅读会报道在变电站水平,应针对各种数据像消费者资料相比,历史数据,气象数据和预测时间制造许多分布式流计算平台可有效对大数据流实时计算[8]——就像雅虎S4 [15], Apache风暴[16],Apache引发[9]。火花介绍了内存分区和计算,从而减少频繁的硬盘的读和写,可以改善响应时间流计算的关键特征。离散流[11]是弹性分布式数据集的元组(抽样)[10],whichprocess流短,确定性的任务也无状态的。抽样重构自己通过血统信息,从而实现容错[12]。 |
| b .预测 |
| 负荷预测不仅是基于流AMI数据,但其他数据,如消费者资料,天气预报,预测消费者局部性和天说周末或工作日或节日/特殊的日子等[1],需求预测是利用ARIMA(自动后退移动平均)和回归树。方法的优点进行了讨论。ARIMA擅长以下趋势和回归树模型错误率较低。它还集中在可伸缩性组装丰富合奏树。集群的消费者根据他们的概要文件使用k - means作为消费群体动态价格时是有用的建议和计划必须提出消费者[4]。讨论了可再生资源如风能预测[5]。这样的可再生能源发电预测是有用的因为负载也为短期预测。风力发电预测基于风速、风力机的位置和方向基于混合方法,说物理和统计方法的总和。生成和使用相应的预测在给定的时间范围。[5]还讨论了如何确定数量的历史点或预测窗口输入构造。静态窗口和动态窗口长度,只有最近的历史点被认为是比较类似。第三种选择分裂期间多个窗口,然后执行预测每一个窗户。 |
| c .云 |
| 使用云计算的智能电网是不可避免的由于其特征如成本效益、可靠性、可伸缩性、可用性、弹性等。[1]讨论了使用私有和公共云的优点。公共云是成本效率而私有云提供更多的安全敏感数据如客户使用模式。因此混合云基础设施组件的网格,根据组件的特点。根据[5],生成大量的数据从智能电表随时间和不是常数。同时,除了流智能电表数据,离线日期像消费者资料,天气,关税计划必须引用。因此需要高度可靠的平台实时计算和存储代价名义。云计算已经答案。 |
| d .需求反应 |
| 有巨大需求响应在住宅领域和行业前景[2]通过适当的需求反应和定制的关税项目为国内和工业使用,如果它是可能的移动相当大的负荷高峰,然后会有显著的成本节约。搬到像微电网分布式发电和资源,可插入混合动力电动汽车(插电式混合动力车),在家庭太阳能发电通过板等,充分利用智能电网的潜力。在智能电网中加入这个功能需要精确的需求反应程序。[1]提出的动态需求响应计划,帮助智能决策通过需求预测和缩减预测模型。这些模型实时准确预测不久的峰值和不匹配和识别领域缩减的建筑物或客户。 |
| e .静态分析 |
| 子站的数据必须综合中期和长期预测。持久性存储之前将在流分析成本高的延迟。因此在分析智能电表可以存储的数据进行进一步分析。中期(MTLF)和长期负荷预测(LTLF)可以使用这种存储数据。同时,各种选项一般关税建议在变电站级和个性化是可能通过分析这些数据。这是[3]所示每一次系统predictsdemandit等大数据存储在任何数据库卡桑德拉[13]和管理存储和检索使用HDFS [14]。静态离线分析还揭示了能量盗窃或计干预模式。 |
主要挑战 |
| 除了智能电网的各种优势,实时分析框架也有重大挑战。 |
| 隐私,道德和安全:软件平台分析更敏感数据如消费者能源/设备在国内使用模式以及产业。恶意访问这些数据,会导致客户的行为的理解。同时,认证的智能电表和频繁的离群值分析或散度分析是欺诈或异常检测所需的工具。可伸缩性:在智能电网试点项目目前正在测试和可伸缩性。当数以百万计的家庭发送高频繁的数据,比较分析和经济激励措施建议秒延迟,软件平台必须考虑的可伸缩性。本地化服务:虽然一般为整个智能电网分析框架,一些基于位置的服务选项可能需要作为主要集中在工业领域,学术领域,旅游景点,当地节日等活动模式可能会有所不同。服务台操作:当需求响应和客户经济激励是智能电网的重要功能操作,为客户服务台,operates24/7是至关重要的。数据和反馈从这样的桌子应该被纳入分析或推荐平台来提高客户满意度。响应时间:需求响应必须快速反应,为客户提出节能选项。客户应该能够查看选项至少提前3 - 4个小时更好的计划和使用提出的动机。 Outages: Renewable energy generating stations often undergo equipment repairs, outages or damages, which some time require more than a day to be fixed. In such cases the utilities or grid should be able to still control the supply demand mismatch. Relevancy of historical data: With the use of electronic items increasing multifold, reference of historical data for prediction is a concern. A domestic customer profile five years back need not match his usage pattern today. His usage of grid energy would have increased, based on new equipment added to his home or would have decreased, in case his house is equipped with solar panels. Such cases should be considered when deployed in real world. |
结论 |
| 本文调查了当前智能电网软件分析框架和技术。我们推断出流分析可伸缩的平台在云智能电网需要大数据分析。实时解决方案需要非常高的规模相比,智能电网试点项目。关键的挑战进行了讨论。我们未来的工作将涉及建立一个实时分析智能电网架构。 |
引用 |
|