一种新的电力负荷预测分布式算法.pdf

《一种新的电力负荷预测分布式算法.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、小型微型计算机系统2014年9月第9期JournalofChineseComputerSystemsVo1．35No．92014一种新的电力负荷预测分布式算法赵硕，张少敏(华北电力大学控制与计算机工程学院，河北保定071003)E-mail：zhaoshuobupt@qq．corn摘要：面对电力系统智能化所带来的负荷数据海量化高维化的趋势，解决对海量高维电力负荷数据进行负荷预测时所面临的单机计算资源不足的问题，提出将云计算引入到海量数据的负荷预测领域，缓解单机计算资源不足的瓶颈．此外，从提高算法效率的角

2、度，提出将序列极小优化(SMO)算法引入到电力负荷支持向量机预测算法(s．SVR)中，实现对s—SVR算法的快速训练；采用云计算的MapReduce编程框架以及HBase分布式数据库对算法进行并行化改进，设计相应的Map和Reduce函数实现并行化设计．选用EUNITE竞赛提供的真实电力负荷预测数据进行算例分析，在9节点云计算集群上进行实验，实验结果表明在改进后的并行负荷预测算法随着云集群节点数的增加，9节点集群训练阶段的速度比单机运行SVM算法快7～8倍，且预测准确率至少提高了5％．关键词：云计算；M

3、apReduce框架；电力负荷预测；支持向量回归；序列最小优化中图分类号：TP391文献标识码：A文章编号：1000-1220(2014)09-2142-05ANewPowerLoadForecastingDistributedAlgorithmZHAOShuo，ZHANGShao·min(SchoolofControlandComputerEngineering-NorthChinaElectricPowerUniversity，Baoding071003。China)Abstract：Facingt

4、hetrendofhighdimensionalandhugeamountsofdatacausedbysmartpowersystempromotion，inordertosolvetheproblemofinsufficientofcomputingresourceswhend0theloadforecastingbymassiveamountsofhighdimensionalpowerloaddata。thepaperproposeanewalgorithmwhichintroduceseque

5、ntialminimaloptimization(SMO)algorithmintothesupportvector(8-SVR)electricloadforecastingalgorithmstorealizethefasttrainingof占-SVR。andadopttheMapReduceprogrammingframeworkandHBasedistributeddatabasetoparallelizetheimprovedalgorithm．Ichoosetherealpowerload

6、forecastingdatafromEUNITEcompeti—tion，makesomeexperimentsontheCloudcomputing。theexperimentalresultsshowthatunderthepredictionaccuracyincreasedbyatleast5％。theparallelperformanceoftheproposedalgorithraisbetter．Keywords：cloudcomputing；MapReduceframework；pow

7、erloadforecasting；s—SVR；SMO1引言法的参数寻优中，利用粒子群算法的全局搜索能力在整个样本数据空间内搜寻初始最优参数解；文献[5]利用模拟退火负荷预测一直以来都是电力系统的一个关键操作和规划算法自动优化参数．但是，这些智能群体优化算法通常以大量途径，它影响着电力系统的诸多决策，如经济调度、自动发电的迭代以及每次迭代的目标函数值来搜寻最优解，这种算法控制、安全评估、维护调度和能源商业化．自从1990年V．N．改进方式将消耗大量的计算资源．还有许多算法改进，为提高Vapnik提出了支

8、持向量机算法(SupportVectorMachine，简称支持向量机算法中的训练效率，Platt¨S提出的序列最小优SVM)以来，就迅速的成为了一种流行的解决分类和回归问化算法(SequentialMinimalOptimization，简称SMO)是目前题的监督学习机器学习算法，并广泛的应用于电力负荷预测最快的支持向量机训练优化算法之一，它将分解的思想发挥中⋯．SVM最核心的计算量是解决二次型问题(QP)，无论是到极致，在解决QP问题时