资源描述：
《海量数据下的电力负荷短期预测.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。
1、第35卷第1期中国电机工程学报Vol.35No.1Jan.5,20152015年1月5日ProceedingsoftheCSEE©2015Chin.Soc.forElec.Eng.37DOI：10.13334/j.0258-8013.pcsee.2015.01.005文章编号：0258-8013(2015)01-0037-06中图分类号：TM715海量数据下的电力负荷短期预测1123张素香，赵丙镇，王风雨，张东(1．国家电网公司信息通信分公司，北京市西城区100761；2．北京国电通网络技术有限公司，北京市丰台区100070；3．国家电网公司农电工作部，北京市西城区
2、100031)Short-termPowerLoadForecastingBasedonBigData1123ZHANGSuxiang,ZHAOBingzhen,WANGFengyu,ZHANGDong(1.StateGridInformation&Telecommunicationbranch,XichengDistrict,Beijing100761,China;2.BeijingGuodiantongNetworksTechnologyCo.,Ltd.,FengtaiDistrict,Beijing100070,China;3.StateGridCorpora
3、tionofChina,XichengDistrict,Beijing100031,China)ABSTRACT:Theshort-termpowerloadforecastingmethod济运行方面具有十分重要的意义。在我国经济高速hadbeenresearchedbasedonthebigdata.Andcombinedthe发展的今天，解决电力负荷预测问题已成为重要而localweightedlinearregressionandcloudcomputingplatform,艰巨的任务。高质量的负荷预测需要准确的数学模theparallellocalweig
4、htedlinearregressionmodelwas[1]型，随着现代技术的不断进步和智能用电的深入，established.Inordertoeliminatethebaddata,baddata负荷预测理论与技术得到很大发展，理论研究逐步classificationmodelwasbuiltbasedonthemaximumentropy[2-3]algorithmtoensuretheeffectivenessofthehistoricaldata.The深入。多年来，电力负荷预测理论和方法不断涌experimentaldatacomefromasmart
5、industryparkofGansu现，神经网络[4-7]、时间序列[8-9]、贝叶斯[10]、模糊province.Experimentalresultsshowthattheproposedparallel理论[11]、小波分析[12]、回归分析[13-14]、支持向量localweightedlinearregressionmodelforshort-termpower[15]机等技术为电力负荷预测提供了有力的工具。但loadforecastingisfeasible;andtheaveragerootmeansquare目前已有的方法仍具有局限性。神经网络
6、方法：一erroris3.01%andfullysuitablefortherequirementsofloadforecasting,moreover,itcangreatlyreducecomputetimeof是无法避免在训练过程中产生的学习不足或者是loadforecasting,andimprovethepredictionaccuracy.过拟合现象；二是收敛速度慢且易陷入局部极小。时间序列法：对历史数据准确性要求高，短期电力KEYWORDS:bigdata;cloudcomputing;loadforecasting;localweightedline
7、arregression负荷预测时对天气因素不敏感，难以解决因气象因素造成的短期负荷预测不准确问题。回归分析方法摘要：该文研究海量数据下的短期电力负荷预测方法，基于局部加权线性回归和云计算平台，建立并行局部加权线性回是在统计平均意义下定量地描述所观察变量之间归模型。同时，为剔除坏数据，采用最大熵建立坏数据分类的数量关系，往往对数据量有所限制。模型，保证历史数据的有效性。实验数据来自已建的甘肃某随着智能用电海量数据的涌现，必须要寻找一智能园区。实验结果表明，提出的并行局部加权模型用于短种新的方法满足海量用电大数据分析的要求。目前期电力负荷预测是可行的，平均均方根误
