基于云计算与智能算法的短期电力负荷预测方法研究

发布时间：2017-11-11 17:06

  本文关键词：基于云计算与智能算法的短期电力负荷预测方法研究

  更多相关文章： 云计算 负荷预测 相空间重构 极限学习机 支持向量机

【摘要】：社会的发展促使人们对电能质量要求越来越高,电力部门需要为用户输送可靠和优质的电能。由于目前还没有研究出能够大量存储电能的技术和设备,所以保证负荷和供电之间的平衡就成了提供优质电能的保障。短期电力负荷预测是电网安全和稳定运行的基础,所以利用历史负荷数据来预测未来几天的负荷值得深入研究。大量的研究得出,电力负荷具有混沌性,用常规的预测方法难以精准预测。通过重构相空间,可以还原出一维负荷时间序列隐藏的高维信息,从而对电力系统负荷进行更加精准的预测。论文通过重构历史负荷数据的相空间,然后结合极限学习机与支持向量机建立了比较精准的预测模型。针对电力系统产生的海量负荷数据,论文在Spark云计算平台下对算法进行并行化设计,以加快模型在处理海量电力负荷数据时的训练速度。通过仿真对比验证了论文设计模型的有效性和可行性。论文主要研究内容如下:根据负荷数据的混沌性,给出了一种相空间重构与极限学习机相结合的短期电力负荷预测方法。通过计算相空间重构相关参数,对负荷样本进行相空间重构,使得新的样本数据更能反映出负荷的变化特性,然后结合极限学习机建立短期电力负荷预测模型。和传统预测方法相比,该方法具有更加精确的预测能力和优异的泛化性能。在短期负荷预测中,将相空间重构与支持向量机结合用于短期电力负荷预测,给出了一种利用随机聚焦搜索优化算法进行输入参数优化的模型,用线性核函数的映射问题代替原来的非线性问题,并将该方法用于短期电力负荷预测,仿真结果表明该方法具有更加精确的预测能力和收敛速度。针对电力系统的海量历史负荷数据,分别对上面两种模型在Spark平台下进行并行化设计。利用实验室设备搭建了含一个主节点,七个数据节点的Spark计算集群,测试了本文设计的两种并行算法的并行性能,测试结果表明本文设计的并行算法在进行海量数据处理时相对于常用的方法具有更快的处理速度。
【学位授予单位】：华北电力大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TM715;TP18

【参考文献】

中国期刊全文数据库 前10条

1 甘文泉,王朝晖,胡保生;结合神经元网络和模糊专家系统进行电力短期负荷预测[J];西安交通大学学报;1998年03期

2 赵宏伟,任震,黄雯莹;基于周期自回归模型的短期负荷预测[J];中国电机工程学报;1997年05期

3 侯志俭，吴际舜，张琦雨，，万亮，潘龙兴;电力系统短期负荷预报的几种改进手段[J];电力系统自动化;1996年07期

4 康重庆,夏清,刘梅,相年德;应用于负荷预测中的回归分析的特殊问题[J];电力系统自动化;1998年10期

5 张涛,赵登福,周琳,王锡凡,夏道止;基于RBF神经网络和专家系统的短期负荷预测方法[J];西安交通大学学报;2001年04期

6 谢开贵,李春燕,周家启;基于神经网络的负荷组合预测模型研究[J];中国电机工程学报;2002年07期

7 李元诚,方廷健,于尔铿;短期负荷预测的支持向量机方法研究[J];中国电机工程学报;2003年06期

8 李鹰,赵振江,吴松涛;灰色模型在普通日短期电力负荷预测中的应用[J];长沙电力学院学报(自然科学版);2003年01期

9 张海涛,陈宗海,朱六璋;基于改进FLN的短期电力负荷预测算法[J];电工技术学报;2004年05期

10 张俊芳,吴伊昂,吴军基;基于灰色理论负荷预测的应用研究[J];电力自动化设备;2004年05期

中国博士学位论文全文数据库 前1条

1 冯丽;数据挖掘和人工智能理论在短期电力负荷预测中的应用研究[D];浙江大学;2005年

本文编号：1172281