数据科学与工程行业案例教程 习题及答案 第6章课后习题答案

第2章电力行业大数据应用案例1.简述电力系统中“发电、输电、配电、用电”四个环节的核心功能，并说明信息与控制系统在其中的作用。答案：核心功能发电：将煤炭、风能、太阳能等一次能源转换为电能，是电力系统的能量源头，涵盖火力、水力、核能、风电、光伏等多种发电形式。输电：通过高压输电线路将电能从发电端长距离传输至负荷中心，借助升压/降压变电站减少传输损耗，保障电能远距离高效输送。配电：将输电网络的高压电降压至适合用户使用的低压，通过中低压配电网分发给住宅、商业、工业等终端用户，实现电能的精准分配。用电：用户通过电器设备将电能转化为光能、热能、机械能等，满足日常生活和工业生产需求，是电能消耗的终端环节。信息与控制系统的作用核心作用是保障电能从生产到消费全链条的高效、安全、稳定运行，主要包括调度自动化系统、变电站自动化系统、配电管理系统等。实现对电力系统状态的实时监控、数据采集与分析，自动调整发电出力、输电潮流、配电分配，应对负荷波动和潜在故障，避免大面积停电，提升系统运行可靠性和效率。电力行业的数据来源主要分为哪三类？请各举一个具体的数据示例。答案：电力行业数据主要来源于电网运行/设备检测数据、电力企业营销数据、电力企业管理数据三类，具体示例如下：电网运行/设备检测数据：能量管理系统采集的电网潮流数据、无人机巡检产生的设备图像数据、风机运行状态监测数据。电力企业营销数据：用电信息采集系统记录的售电量数据、95598客户服务系统的咨询投诉数据、不同时段的交易电价数据。电力企业管理数据：企业资源计划系统（ERP）中的人力成本数据、协同办公系统的公文流转数据、项目管理系统的基建进度数据。国网山东综能分布式储能项目中，“云边端一体化架构”是如何实现的？该架构对提升能源效率有何作用？答案：实现方式边缘侧：适配低端工控机（如RK3568国产工控机），实现对500万测点时序数据的实时采集、短期存储和局部实时分析，降低数据传输延迟。中心汇聚层：承接边缘侧数据，进行数据汇聚和全局分析，整合跨区域分布式储能数据，支撑聚合调控。云端：部署KaiwuDB关系引擎和KDP（数据服务平台），提供时序+关系数据统一纳管、数据API等能力，实现数据的深度应用和透明化管理。对能源效率的作用提升储能调节能力：设备数据每秒百万级写入、毫秒级响应，充放电转化速度小于100ms，能源效率提升超过85%。实现光伏全额消纳：保障台区分布式光伏100%消纳，电压质量100%合格，供电可靠性提升至99.999%。延缓配电网投入：实现台区弹性增容30%以上，有效支撑重要用户保电和用电负荷季节性需求，减少配电网建设成本。在光伏电站功率预测的数据分析中，发现光伏功率具有“日变化特征”，请描述这一特征的具体表现。答案：时段分布规律：当日20时次日5时，总辐照度、法向辐照度、散射辐照度均为0，光伏功率保持为0；6时12时，随着太阳辐照度增强，功率逐渐线性上升；正午前后（12时左右）达到当日峰值；12时20时，辐照度逐渐减弱，功率呈下降趋势。峰值差异：每日功率峰值存在波动，受天气（如阴晴）、季节影响，不同光伏电站的峰值数值存在差异（如1001电站峰值约1000MW，1002电站峰值约800MW）。趋势一致性：同一区域不同光伏电站的日变化趋势高度一致，仅在功率数值上存在差异。结合风电企业案例中遇到的“成本高、响应慢、价值弱”三大挑战，分析KaiwuDB的“就地计算+AI算法”方案是如何针对性解决这些问题的。答案：针对“成本高”（海量数据存储难、成本负担重）采用数据压缩、生命周期管理技术，结合KaiwuDB对MySQL协议的兼容性和10100倍数据压缩比优势，实现数据类型100%平滑替代，存储成本节约超85%。针对“响应慢”（秒级采集写入、实时分析需求无法满足）基于“就地计算”核心技术，实现上百台风力发电机组数据秒级频率采集写入，海量数据入库时间节省近90%，查询性能提升2050倍，满足风机状态实时分析、告警响应等业务需求。针对“价值弱”（数据分析缺失、无法对接AI算法）融入AI算法能力，支撑风电场故障“早预测、早判断、早介入”，实现精细化运维，降低30%以上人工成本，释放数据预测价值，推动AI智能化风电业务发展。智能电表的数据来源包括基础用电参数、扩展感知数据和外部系统交互数据，请分别列举三类数据的具体内容，并说明这些数据如何支撑用户用电行为分析。答案：三类数据具体内容基础用电参数：电量数据（有功/无功电能、正反向/尖峰平谷多时段计量）；电气量数据（电压、电流、功率因数、频率，采样频率≥128次/秒）；状态数据（电表运行状态如电池欠压、用电设备状态如负荷曲线、开关分合闸记录）。扩展感知数据：环境参数（温湿度，部分电表集成传感器采集）；用户行为数据（大功率设备启停时间、家庭负荷特性，通过高频采样分析）。外部系统交互数据：电网侧数据（停电告警、电压质量治理指令，来自配电自动化系统）；用户侧数据（电动汽车充电、分布式光伏并网数据，与智能家居设备联动获取）。对用电行为分析的支撑基础用电参数提供用户用电核心数据，通过多时段电量、负荷曲线分析用电规律（如峰谷用电偏好）；扩展感知数据中的用户行为数据直接刻画用电习惯，环境参数可辅助分析温湿度对用电负荷的影响（如夏季空调使用）；外部交互数据结合电网指令和分布式能源数据，可识别用户响应电网调度的能力、新能源并网对用电行为的影响，支撑用电监测、需求响应、电价优化等分析。7.在光伏电站功率预测模型中，为什么要引入“前3小时的历史数据（总辐照度、散射辐照度等）”作为特征？这对提升预测精度有何意义？答案：引入原因光伏功率与太阳辐照度、气温、湿度等环境因素高度相关，而这些因素的变化具有连续性和时序关联性，前3小时的历史数据能够捕捉环境因素的变化趋势（如辐照度逐渐增强/减弱的速率）。光伏电站的发电效率受历史运行状态影响（如光板温度的累积效应），前3小时的功率、光板温度等数据可反映设备运行的连续性状态，为预测提供上下文信息。对预测精度的意义帮助模型学习时序规律：通过历史数据的变化趋势，模型可更精准判断未来4小时环境因素和功率的变化方向，避免仅