基于Storm的电网时间序列数据实时预测框架

发布时间：2018-02-07 11:14

  本文关键词： 时间序列数据 实时预测 Storm平台 自回归积分移动平均模型 电网 大数据　出处：《计算机工程》2017年04期 　论文类型：期刊论文

【摘要】：对电网运行产生的时间序列数据展开实时预测研究,提出基于Storm平台和ARIMA模型的预测框架。分析不同类型电网时序数据的特点,预设拟合模型以降低模型构建的盲目性,缩短预测时间,同时设计基于HBase的新型时序数据存储模式加快数据检索速度。通过对海量的时序数据源进行并发预测,比较不同数据样本对预测值的影响并实时分析预测误差。经实例从预测精度、运算速度、占用资源3个角度验证了该框架的有效性与实用性。
[Abstract]:The real-time prediction of time series data generated by power grid operation is studied, and a prediction framework based on Storm platform and ARIMA model is proposed. The characteristics of different types of grid time series data are analyzed, and the fitting model is preset to reduce the blindness of model construction. At the same time, a new time series data storage mode based on HBase is designed to speed up data retrieval. The influence of different data samples on the prediction value is compared and the prediction error is analyzed in real time. The validity and practicability of the framework are verified from three angles of prediction accuracy, operation speed and resource occupation.
【作者单位】： 华北电力大学控制与计算机工程学院;
【基金】：中央高校基本科研业务费专项资金(2015XS72)
【分类号】：O211.61;TP311.13;TM76

【相似文献】

相关期刊论文 前10条

1 王霞,郭嗣琮,刘淑娟;时间序列模糊滑动预测[J];辽宁工程技术大学学报(自然科学版);1999年03期

2 温品人;时间序列预测法的实际应用分析[J];江苏广播电视大学学报;2001年06期

3 许清海;混沌投资时间序列的嬗变[J];漳州师范学院学报(自然科学版);2003年01期

4 程毛林;时间序列系统建模预测的一种新方法[J];数学的实践与认识;2004年08期

5 高洁;长记忆时间序列适应性预测的应用[J];江南大学学报;2004年05期

6 高洁;孙立新;;长记忆时间序列的适应性预测误差的谱密度[J];统计与决策;2006年13期

7 杨钟瑾;;浅谈时间序列的分析预测[J];中国科技信息;2006年14期

8 李健;孙广中;许胤龙;;基于时间序列的预测模型应用与异常检测[J];计算机辅助工程;2006年02期

9 耿显民;;价格时间序列及其应用(英文)[J];数学季刊;2008年01期

10 张美英;何杰;;时间序列预测模型研究简介[J];江西科学;2009年05期

相关会议论文 前10条

1 周家斌;张海福;杨桂英;;多维多步时间序列预报方法及其应用[A];中国现场统计研究会第九届学术年会论文集[C];1999年

2 卢世坤;李夕海;牛超;陈蛟;;时间序列的非线性非平稳特性研究综述[A];国家安全地球物理丛书（八）——遥感地球物理与国家安全[C];2012年

3 李强;;基于线性模型方法对时间序列中异常值的检测及证券实证分析[A];加入WTO和中国科技与可持续发展——挑战与机遇、责任和对策（上册）[C];2002年

4 戴丽金;何振峰;;基于云模型的时间序列相似性度量方法[A];第八届中国不确定系统年会论文集[C];2010年

5 谢美萍;赵希人;庄秀龙;;多维非线性时间序列的投影寻踪学习逼近[A];'99系统仿真技术及其应用学术交流会论文集[C];1999年

6 陈赫;罗声求;;历史横断面数据的时间序列化[A];科学决策与系统工程——中国系统工程学会第六次年会论文集[C];1990年

7 刘琼;任福继;;股市预测算法及分析结果的自然语言生成[A];科技、工程与经济社会协调发展——中国科协第五届青年学术年会论文集[C];2004年

8 蒋斌松;韩立军;贺永年;;时间序列Lyapunov指数的估算及预测[A];矿山建设工程新进展——2005全国矿山建设学术会议文集（下册）[C];2005年

9 王会琦;马洪;周永道;;基于信息融合的时间序列RAKE预测[A];全国第十届企业信息化与工业工程学术年会论文集[C];2006年

10 卢世坤;李夕海;牛超;;基于AR模型-互信息量的时间序列非线性度量[A];国家安全地球物理丛书（九）——防灾减灾与国家安全[C];2013年

相关博士学位论文 前10条

1 翁同峰;时间序列与复杂网络之间等价性问题及表征应用研究[D];哈尔滨工业大学;2015年

2 原继东;时间序列分类算法研究[D];北京交通大学;2016年

3 卢伟;基于粒计算的时间序列分析与建模方法研究[D];大连理工大学;2015年

4 王晓晔;时间序列数据挖掘中相似性和趋势预测的研究[D];天津大学;2003年

5 李桂玲;时间序列的分割及不一致发现研究[D];华中科技大学;2012年

6 周勇;时间序列时序关联规则挖掘研究[D];西南财经大学;2008年

7 张勇;时间序列模式匹配技术研究[D];华中科技大学;2012年

8 董晓莉;时间序列数据挖掘相似性度量和周期模式挖掘研究[D];天津大学;2007年

9 许娜;时间序列的分形及其混沌分析[D];北京交通大学;2011年

10 李新杰;河川径流时间序列的非线性特征识别与分析[D];武汉大学;2013年

相关硕士学位论文 前10条

1 兰鑫;时间序列的复杂网络转换策略研究[D];西南大学;2015年

2 曹智丽;日气温和干旱指数支持向量回归预测方法[D];南京信息工程大学;2015年

3 高雄飞;基于分形理论的土壤含水量时间序列特性分析[D];长安大学;2015年

4 郭力萌;基于统计信号处理的时间序列预测模型选择方法研究[D];哈尔滨工业大学;2015年

5 刘鑫;基于复杂网络理论的心电时间序列自回归模型研究[D];复旦大学;2014年

6 夏斐;基于动态规划和DTW匹配的时间序列索引方法研究[D];大连理工大学;2015年

7 王维;基于传统模型与数据挖掘法对长记忆时序的研究[D];南京大学;2014年

8 张宁;离散值时间序列的统计分析[D];南京大学;2015年

9 赵银玲;复杂网络到时间序列转换过程中矩阵特性的研究[D];哈尔滨工业大学;2014年

10 李鸿利;时间序列的行为匹配与评估技术研究[D];解放军信息工程大学;2014年

，

本文编号：1494244