住宅电力负荷预测外文翻译doc.docxVIP

住宅电力负荷预测Patrick Day, Michael Fabian, Don Noble, George Ruwisch, Ryan Spencer,Jeff Stevenson, Rajesh ThoppayGeorgia Institute of Technology,North Avenue, Atlanta, GA 30332, USA摘要：智能电网技术的采用很大程度上驱动了预付电力计量市场的进步。先进的智能电表促进了智能预付费电表的预付费系统的部署。一个成功的计划取决于能够准确为每个终端用户预测每天的能量消耗。这种预测的方法称为住宅电力负荷预测(RPLF)。本文描述了为推荐项目发起人开发一个的负荷预测模型,SmartGridCIS的系统工程(SE)流程和工具。基本概念是,电力付费采用类似于“预付电话费”的方式。建模技术探讨分析的替代方案(AoA)包括模糊逻辑、时间序列移动平均,和人工神经网络(ANN)。SE工具,如优先级和普矩阵被用来选择最终作人工神经网络的最佳模型。认知系统与任务分析相结合。IBM Rational DOORS?商业工具的使用满足了基本要求。?2014由爱思唯尔公司出版由南加州大学审批关键词:能源负荷预测 短期预测 长期预测 智能电网一、简介智能电网的指数增长和software-enable工具的快速部署为事业公司和消费者提供了电力传递和消费的新方式。近几年来，电力预付费在全球范围内一直保持较高水平的增长，但是现在，由于智能网络预付费计量市场正准备在更大规模的基础上起飞。预付费能源市场类似于预付费手机的概念。能源消费者能够提前支付能源使用,制作一个账户存款,并且每日能源使用成本由此账户扣除。这个系统提供了工具来为信用等级较差或有拖欠付款历史的客户服务因为智能电表允许实时监控个人客户的使用。为了给最终用户提供所有的通知和准确的帐户余额状态,一个精确的单个客户的预测方法是必要的。住宅电力负荷预测方法(RPLF)在个人用户使用的能源量结合天气数据的基础上对个体消费者的电力用量进行预测。本文的目的是展示如何使用系统工程为RPLF确定最合适的预测模型。本文的其余部分如下：第二部分：能源预测与认知系统的背景信息第三部分：单个负荷预测的文献综述第四和第五部分：分别讨论设计和架构的考虑第六部分：提出预测模型轮廓第七部分：未来的工作大纲第八部分：结论1.1 系统描述图1描述了预付费智能电表系统（sos）的概述，描述了信息在系统操作元素之间的流动以便为这项工作设置一个参照系。　图１：系统描述客户的家庭住宅设有一个特别设计的预付费智能电表,而不是一个标准的射频(RF)通信启用智能电表或机电仪。客户向其账户中添加更多可用能源的过程中使用到一个预付费智能电表上插着的可刷卡预付重载芯片卡。芯片卡的平衡是通过各种与客户交互的方法实现监测，例如：智能手机/平板电脑应用程序,短信,web应用程序,电子邮件,信息站，等等。这些交互方法通知客户他们的预付款将提供多久的可用能量,并将能源(通过增加信贷的方式)添加到他们的帐户。安装在用户方的智能电表被连接的公用事业公司的先进基础计量设施（AMI）所监测与控制。例如能源消耗统计数据的类型的收集由客户智能电表包括千瓦每各种时间间隔,使用智能设备的使用细节,等等方面取得。这些数据被送入公用事业公司中的仪表数据管理系统（MDMS）进行存储和分析。在图中没有显示出天气数据同样输入到公用事业公司第三方来源,作为能量计算预测的一个因素。二、背景2.1 能源预测未来负荷预测方法会被用于计算系统的预期能源需求。预测者依靠历史小号数据来确定客户（或一组客户）可能的能源需求。数据分析使用复杂的线性回归模型,不同于成熟的神经网络。模型的输入也不同,包括星期、假日日历、天气状况和预测、地理差异、人口信息,等等。传统上,负荷预测已经为偶尔在平均值间有很大变化的一类或特定用户所使用。在个体层面上的预测由于人类行为的可变性变得更复杂。另外一层复杂性源于大量的客户及历史数据使得预测成为大数据领域和高效能计算的问题。传统上,负荷预测已经被用于决定每日代调度、电网规划扩张,以及为大型工业客户准确地确定价格。由于管理费用包含了持续不断地从通信网络获取的大量数据，对于预付费能源的准确预测是很重要的。2.2 认知系统工程认知系统工程是一门解决了社会技术系统设计的系统开发专业学科。社会技术系统是一个由人类提供基本功能相关的决策、规划、合作和管理的体系。认知系统工程师借鉴当代见解从认知、社会和组织心理学,寻求设计的系统是有效的和稳定的。重点是使认知工作更容易执行,因而他们需要的提供更可靠的集成技术功能与人类的认知过程。认知系统工程师协助设计人机界面、通信系统、培训系统、团队和管理系统。他们采用的原则和方法，由程序的设计，流程，培训和