電網(wǎng)時(shí)間序列數(shù)據(jù)預(yù)測(cè)

　　電網(wǎng)實(shí)時(shí)運(yùn)行數(shù)據(jù)可反映電網(wǎng)當(dāng)前運(yùn)行狀態(tài)與未來(lái)發(fā)展趨勢(shì)。隨著智能電網(wǎng)的迅速發(fā)展，電網(wǎng)中嵌入的各類傳感器規(guī)模不斷擴(kuò)大，使得感知層采集的數(shù)據(jù)種類更加細(xì)化，待處理的數(shù)據(jù)急劇增加。據(jù)不完全統(tǒng)計(jì)，單個(gè)城市每天采集的電網(wǎng)業(yè)務(wù)數(shù)據(jù)就可達(dá)到PB級(jí)?？傮w上看，智能電網(wǎng)實(shí)時(shí)運(yùn)行數(shù)據(jù)具備數(shù)據(jù)采集裝置多、采集頻率高、數(shù)據(jù)規(guī)模大、數(shù)據(jù)類型復(fù)雜等特點(diǎn)，且其采集的數(shù)據(jù)為典型的時(shí)間序列數(shù)據(jù)（ Time-series Data．TSD）。如何充分利用智能電網(wǎng)時(shí)序數(shù)據(jù)，采用適當(dāng)?shù)募夹g(shù)進(jìn)行深度分析，為電網(wǎng)高效、安全運(yùn)行提供決策和輔助支持，是一個(gè)重要的研究課題。

　　時(shí)間序列分析主要包括模式識(shí)別、聚類、分類、預(yù)測(cè)等內(nèi)容。近年來(lái)，國(guó)內(nèi)外專家學(xué)者針對(duì)時(shí)間序列分析進(jìn)行了大量的理論研究，其研究成果也被廣泛應(yīng)用于經(jīng)濟(jì)、信息安全、道路交通等領(lǐng)域。針對(duì)電力行業(yè)，時(shí)間序列分析主要被應(yīng)用于廣域監(jiān)測(cè)系統(tǒng)（ Wide Area Measurement System，WAMS）、調(diào)度自動(dòng)化和配電自動(dòng)化等系統(tǒng)中，特別在電網(wǎng)負(fù)荷預(yù)測(cè)、售電量預(yù)測(cè)、電網(wǎng)規(guī)劃等方面發(fā)揮了重要作用。