GIS技术在县域电网规划中的应用

›› 2013, Vol. 26 ›› Issue (8): 124-.

GIS技术在县域电网规划中的应用

王景辉

(河南省濮阳市台前县供电局生产技术部,河南濮阳 457600)

出版日期:2013-08-15 发布日期:2013-09-25
作者简介:王景辉(1977—),男,工程师。研究方向:电力工程管理,电力系统继电保护及生产运行。E-mail:635741877@qq.com

Application of GIS Technology in County Power Grid Planning

WANG Jinghui

(Production Technology Department,Taiqian County Power Supply Bureau,Puyang 457600,China)

Online:2013-08-15 Published:2013-09-25

摘要/Abstract

摘要：

县域电网主要由输电网和配电网组成,直接面向用户。但电网存在负荷不集中、分布区域较广,且线路较长、分支较多的特点。而如何科学高效地对县域电网进行规划管理。文中提出了利用GIS技术可有效解决县域电网规划改造的难题,从而提高了县域电网规划的效率与科学性。使其规划工作更加的直观、形象。同时,该技术也是县域电网规划管理实现智能化的重要标志。

关键词: 电网规划, GIS技术, 负荷预测

Abstract:

The user-oriented county grid is mainly composed of the transmission grid and distribution network.The county grid load is not concentrated but distributed in wide area featuring in long transmission line and many branches.Scientific and efficient planning and management of the county grid has become a top priority.The emergence of GIS technology can effectively solve the problem of planning the transformation of the county grid,thereby improving the efficiency of the county power grid planning.County grid planning becomes intuitive and visual by using GIS technology,which is also an important symbol of the intelligent county power grid planning and management.

Key words: Grid planning;GIS technology;Load Forecasting

中图分类号:

TM715

王景辉. GIS技术在县域电网规划中的应用[J]. , 2013, 26(8): 124-.

WANG Jinghui. Application of GIS Technology in County Power Grid Planning[J]. , 2013, 26(8): 124-.

[1]	高典, 张菁. 基于CEEMD-ITSA-BiLSTM组合模型的短期负荷预测[J]. 电子科技, 2024, 37(4): 30-37.
[2]	张海芳,何清龙,张林. 基于扩大周期的电力负荷预测模型[J]. 电子科技, 2024, 37(2): 1-5.
[3]	文彦飞,王万雄. 基于FA-SVR-LSTM组合模型的短期电力负荷预测[J]. 电子科技, 2023, 36(9): 1-7.
[4]	王雨前,王万雄. 基于EMD-Bayes-SVR组合模型的短期电力负荷预测[J]. 电子科技, 2023, 36(12): 64-71.
[5]	冯先丁,魏镜弢,吴张永,钱杰,浦友尚. 基于PCA-PSO-SVM的球磨机负荷预测研究[J]. 电子科技, 2022, 35(1): 29-34.
[6]	梁龙基,张靖,何宇,曾希皙,陈朝宽. 基于博弈论的互联微电网多主体协同优化配置[J]. 电子科技, 2021, 34(7): 43-49.
[7]	朱健安,魏云冰,朱鹏杰,蒋成成,朱成名. 基于优化灰色傅里叶残差修正的中长期负荷预测[J]. 电子科技, 2021, 34(12): 49-55.
[8]	王洪亮,陈新源,赵雨梦. 基于集合经验模态分解和ARIMA-GRNN的负荷预测方法[J]. 电子科技, 2021, 34(12): 42-48.
[9]	杨海柱,江昭阳,李梦龙,康乐. 基于改进人工鱼群-蛙跳算法优化LSSVM参数短期负荷预测[J]. 电子科技, 2020, 33(12): 67-74.
[10]	祁鑫,王福忠,张丽,王瑞,王晓慧. 基于SVD-LSTM的高校学生宿舍空调负荷预测[J]. 电子科技, 2020, 33(11): 59-66.
[11]	马立新,郑晓栋,尹晶晶. 基于粗糙特征量的短期电力负荷预测[J]. , 2016, 29(1): 40-.
[12]	马立新,尹晶晶,郑晓栋. 基于特征提取相似日的ELM短期负荷预测研究[J]. , 2015, 28(12): 22-.
[13]	陆宇烨, 张健钊, 徐岩哲, 方佳渝. 电力系统负荷预测方法综述[J]. , 2013, 26(11): 173-.
[14]	梁晅. 城市电力网规划技术及其流程[J]. , 2012, 25(12): 144-.
[15]	时广献, 李春辉, 李宏博. 基于联想神经网络算法的电力系统负荷预测[J]. , 2010, 23(12): 62-66.