基于R语言的负荷预测ARIMA模型并行化研究

发布时间：2018-03-19 18:06

  本文选题：电力负荷预测　切入点：ARIMA　出处：《电网技术》2015年11期 　论文类型：期刊论文

【摘要】：自回归求和移动平均(autoregressive integrated moving average,ARIMA)模型常在R语言环境下被用于电力负荷数据的分析和预测。然而,面对海量数据背景下的工程应用,R环境下ARIMA模型的运行效率无法达到令人满意的程度。针对此问题,通过JAVA与R的实时通信,充分利用JAVA丰富的开源资源与R强大的统计计算功能,在JAVA中进行程序的逻辑判断,在R中进行数值计算,采用混合编程,最后完成ARIMA模型接口的封装,实现了基于负荷数据预测的ARIMA模型的串行化程序。在串行程序完成的基础上,根据电力负荷特性,对数据进行划分,结合JAVA多线程技术,实现了ARIMA模型的并行化。最后,结合文中提出的复合评价指标,对安徽地区随机获取的用户电力负荷进行了测试。结果表明,ARIMA模型并行算法预测准确率好,代码执行效率高。
[Abstract]:Autoregressive integrated moving average (ARIMA) model is often used to analyze and predict power load data in R language. In view of the fact that the running efficiency of ARIMA model under the environment of engineering application R is not satisfactory under the background of massive data, the real-time communication between JAVA and R. Taking full advantage of the abundant open source resources of JAVA and the powerful statistical calculation function of R, the logic judgment of program is carried out in JAVA, the numerical value is calculated in R, and mixed programming is adopted, finally the encapsulation of ARIMA model interface is completed. The serialization program of ARIMA model based on load data forecasting is realized. On the basis of the completion of serial program, the data is divided according to the power load characteristics, and the parallelization of ARIMA model is realized by combining with JAVA multithreading technology. Finally, Combined with the composite evaluation index proposed in this paper, the random user power load in Anhui area is tested. The results show that the parallel algorithm of Arima model has good prediction accuracy and high code execution efficiency.
【作者单位】： 中国科学技术大学计算机科学与技术学院;国网安徽省电力公司;河海大学能源与电气学院;
【基金】：国家电网公司科技项目(521200135 1TR)~~
【分类号】：TM715

【参考文献】

相关期刊论文 前10条

1 陈伟;吴耀武;娄素华;熊信艮;;基于累积式自回归动平均法和反向传播神经网络的短期负荷预测模型[J];电网技术;2007年03期

2 李妮;江岳春;黄珊;毛李帆;;基于累积式自回归动平均传递函数模型的短期负荷预测[J];电网技术;2009年08期

3 葛少云;贾鸥莎;刘洪;;基于遗传灰色神经网络模型的实时电价条件下短期电力负荷预测[J];电网技术;2012年01期

4 刘映;翟明岳;刘永笑;刑林敏;;一种改进的基于分形插值和小波分析的电力负荷短期预测方法[J];电网技术;2013年01期

5 王干军;徐衍会;;负荷预测准确性评估方法研究[J];广东电力;2012年11期

6 焦润海;苏辰隽;林碧英;莫瑞芳;;基于气象信息因素修正的灰色短期负荷预测模型[J];电网技术;2013年03期

7 王保义;赵硕;张少敏;;基于云计算和极限学习机的分布式电力负荷预测算法[J];电网技术;2014年02期

8 黄彦;易东;田考聪;;ARIMA预测模型的SAS程序实现及其应用[J];激光杂志;2007年01期

9 龚国勇;;ARIMA模型在深圳GDP预测中的应用[J];数学的实践与认识;2008年04期

10 王正洪;蔡蕙;蔡冠玉;;基于SAS软件的城市电力需求ARIMA模型及预测[J];现代电子技术;2007年02期

【共引文献】

相关期刊论文 前10条

1 李晴;杨春;;时间序列分析模型及其在GDP预测中的应用研究[J];安徽农业科学;2011年20期

2 哈媛媛;;ARIMA模型在内蒙古GDP预测中的实证分析与研究[J];北方经济;2008年10期

3 范丹;;ARIMA模型在辽宁省GDP预测中的应用[J];中国城市经济;2011年26期

4 张智晟;段晓燕;李伟婕;龚文杰;孙雅明;;优化动态递归小波神经网络短期负荷预测模型[J];电力系统及其自动化学报;2009年05期

5 周虎;江岳春;陈旭;黄珊;彭信淞;;模糊聚类分析和代数算法结合的短期负荷预测[J];电力系统及其自动化学报;2011年03期

6 李妮;江岳春;黄珊;毛李帆;;基于累积式自回归动平均传递函数模型的短期负荷预测[J];电网技术;2009年08期

7 肖白;黎平;;城网空间电力负荷预测中的负荷规律性分析[J];电网技术;2009年20期

8 顾洁;杨熠娟;施伟国;;基于粒计算的电力系统中长期负荷动态聚类预测模型[J];电网技术;2009年20期

9 李光珍;刘文颖;云会周;高玉华;;母线负荷预测中样本数据预处理的新方法[J];电网技术;2010年02期

10 龙瑞华;毛弋;毛李帆;孙东杰;张芳明;张婷;陈宇哲;;基于诱导有序加权平均算子和马尔可夫链的中长期电力负荷组合预测模型[J];电网技术;2010年03期

相关会议论文 前2条

1 杨岳枫;万健如;李树超;;基于SAS的电梯交通流预测方法[A];天津市电机工程学会2009年学术年会论文集[C];2009年

2 李彦彬;谢丛丛;张海涛;;渭河流域气候变化趋势分析及生态效应[A];科技创新与水利改革——中国水利学会2014学术年会论文集（上册）[C];2014年

相关博士学位论文 前6条

1 江岳春;电力零售市场中计及分布式电源的配电系统运营研究[D];湖南大学;2011年

2 贾鸥莎;电力发展新形势下城市电网多阶段规划研究[D];天津大学;2012年

3 刘晓娟;基于智能方法的电力系统负荷预测模型及其应用研究[D];东华大学;2014年

4 王洁丹;人口死亡率水平的数量研究[D];厦门大学;2014年

5 李鹏;智能电网运营管理风险元传递模型及决策支持系统研究[D];华北电力大学;2014年

6 孙佳佳;中国苹果进口贸易研究[D];西北农林科技大学;2014年

相关硕士学位论文 前10条

1 尹先明;日照港附近水域实施船舶定线制的研究[D];武汉理工大学;2011年

2 代聪文;基于ARMA（p，，q）和GM（1，1）组合模型的甘肃省能源需求预测研究[D];兰州理工大学;2011年

3 陈瑞娇;A股市场林业指数的构建与应用[D];福建农林大学;2011年

4 龚健;基于隐马尔可夫链的证券价格模型及实证分析[D];复旦大学;2011年

5 张新国;基于结构突变理论的我国GDP时间序列实证分析[D];山东大学;2011年

6 周虎;模糊聚类分析与神经网络代数算法相结合的短期负荷预测[D];湖南大学;2011年

7 苗正伟;宝鸡峡灌区气象干旱特性分析及预测[D];西北农林科技大学;2008年

8 张翼飞;三种呼吸道传染病发病情况时间序列预测研究[D];第三军医大学;2008年

9 赵银飞;基于SAS的港口统计决策支持系统研究与设计[D];北京交通大学;2010年

10 魏宁;时间序列分析方法研究及其在陕西省GDP预测中的应用[D];西北农林科技大学;2010年

【二级参考文献】

相关期刊论文 前10条

1 朱陶业,晏小兵,李应求;ARIMA模型在广西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);2000年02期

2 刘梦良;刘晓华;高荣;;基于相似日小波支持向量机的短期电力负荷预测[J];电工技术学报;2006年11期

3 姚钢;伏祥运;庄海龙;;基于准确度评价的短期负荷预测方法的自适应选择[J];电气应用;2009年17期

4 鞠平,姜巍,赵夏阳,王俊锴,张世学,刘琰;96点短期负荷预测方法及其应用[J];电力系统自动化;2001年22期

5 赵登福,张涛,杨增辉,谷庆利,夏道止;基于GN-BFGS算法的RBF神经网络短期负荷预测[J];电力系统自动化;2003年04期

6 陈亚红,马丽,穆钢,张显平,范国英;两种短期负荷预测精度考核标准的比较[J];电力系统自动化;2003年17期

7 康重庆,夏清,张伯明;电力系统负荷预测研究综述与发展方向的探讨[J];电力系统自动化;2004年17期

8 王鹏;邰能灵;王波;翟海青;叶剑;李磊;朱家栋;漆梁波;;针对气象因素的短期负荷预测修正方法[J];电力系统自动化;2008年13期

9 姜勇,卢毅;基于相似日的神经网络短期负荷预测方法[J];电力系统及其自动化学报;2001年06期

10 罗凤章;王成山;肖峻;侯磊;王建民;李亦农;陈春琴;王赛一;;计及气温因素的年度负荷预测修正方法[J];电力系统及其自动化学报;2009年03期

相关硕士学位论文 前3条

1 王汉林;灰色神经网络模型的建立及其在复杂非线性预测问题中的应用[D];吉林大学;2004年

2 莫玲;基于时间序列和人工神经网络的电力系统短期负荷预测[D];南昌大学;2006年

3 王贞珍;基于神经网络的沈阳地区短期负荷预测[D];上海交通大学;2009年

【相似文献】

相关期刊论文 前10条

1 王婷;;民航客运量的ARIMA模型与预测[J];五邑大学学报(自然科学版);2007年01期

2 惠军;马冬冬;;ARIMA模型在房屋售价中的预测[J];佳木斯大学学报(自然科学版);2009年01期

3 周叶;肖灵机;;基于ARIMA模型的我国航空货运量预测分析[J];南昌航空大学学报(社会科学版);2010年03期

4 任欢;;基于ARIMA模型的河南省能源需求量预测[J];安阳师范学院学报;2010年05期

5 胡广阔;王克振;;基于ARIMA模型的甘肃省能源消费预测[J];科学技术与工程;2009年20期

6 郑晓阳;仲崇雨;;ARIMA-GARCH随机收益鞅过程下幂型交换期权定价[J];哈尔滨工程大学学报;2011年03期

7 吕蓬;岳莉莉;赵晓丽;;小波分解和ARIMA模型相结合的短期风速预测[J];科技信息;2011年14期

8 洪丰;;基于ARIMA模型预测中国未来能源消耗总量[J];南昌工程学院学报;2011年04期

9 王喜平;娄淑军;;基于ARIMA模型的河北省能源消费预测[J];北方经贸;2012年02期

10 李祖辉;;基于ARIMA模型的铁路物流货运量预测研究[J];经济研究导刊;2012年22期

相关会议论文 前10条

1 ;A hybrid ARIMA-ANN model and its Learning Algorithm on Short-term Load Forecasting[A];第二十三届中国控制会议论文集（下册）[C];2004年

2 王建锋;高歌;陈立凌;李红美;张明芝;王艾丽;;ARIMA模型及其在江苏省卫技人员数预测中的应用[A];中国现场统计研究会第12届学术年会论文集[C];2005年

3 李君华;王志坚;张立杰;陈雪;;基于小波理论及ARIMA模型的短期棉花价格预测[A];中国棉花学会2012年年会暨第八次代表大会论文汇编[C];2012年

4 陈兴荣;;ARIMA模型和GM(1,1)在我国白银消费需求预测应用中的比较研究[A];第25届全国灰色系统会议论文集[C];2014年

5 ;Double Trends Time Series Forecasting Using a Combined ARIMA and GMDH Model[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年

6 刘军;柴洪洲;陈轲;刘先冬;;ARIMA模型预报电离层VTEC研究[A];第一届中国卫星导航学术年会论文集（下）[C];2010年

7 ;Economic Design of Integrating SPC and APC with Quality Constraints[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年

8 任家福;张f ;周宗放;;基于ARIMA和BP神经网络的组合预测模型及应用研究[A];第三届（2008）中国管理学年会——技术与创新管理分会场论文集[C];2008年

9 ;Modeling Chronobiologic Data: An Introduction to Time Series Analysis[A];2004全国时间生物医学学术会议论文集[C];2004年

10 ;Traffic Flow Forecasting Based on Fuzzy-Neural[A];第二十六届中国控制会议论文集[C];2007年

相关重要报纸文章 前1条

1 ;基于数量化方法对未来经济增长趋势的预测[N];第一财经日报;2009年

相关硕士学位论文 前10条

1 郑维;基于X-12-ARIMA的节假日经济效应分析[D];北方工业大学;2010年

2 刘文抒;基于灰色模型和ARIMA模型的上证指数研究[D];河海大学;2005年

3 赵晓丽;基于小波ARIMA模型的风电场风速短期预测方法研究[D];华北电力大学（北京）;2010年

4 白营闪;基于ARIMA模型对沪深300指数的预测分析[D];华南理工大学;2010年

5 魏来;ARIMA理论及其在网络环境下绿色农产品定价的应用[D];电子科技大学;2003年

6 张丹;基于ARIMA模型的消费品公司预算管理分析[D];复旦大学;2011年

7 郑鹏辉;基于ARIMA模型的组合模型研究[D];燕山大学;2009年

8 王卫琪;ARIMA模型及其在医疗资源消费预报中的应用[D];山西医科大学;2008年

9 阙斯洋;基于ARIMA的商业银行信贷风险预警研究[D];哈尔滨工程大学;2012年

10 侯璐;基于ARIMA模型的石油价格短期分析预测[D];暨南大学;2009年

本文编号：1635401