發(fā)布時間：2017-11-11 17:06

  本文關鍵詞：基于云計算與智能算法的短期電力負荷預測方法研究

  更多相關文章： 云計算 負荷預測 相空間重構 極限學習機 支持向量機

【摘要】：社會的發(fā)展促使人們對電能質(zhì)量要求越來越高,電力部門需要為用戶輸送可靠和優(yōu)質(zhì)的電能。由于目前還沒有研究出能夠大量存儲電能的技術和設備,所以保證負荷和供電之間的平衡就成了提供優(yōu)質(zhì)電能的保障。短期電力負荷預測是電網(wǎng)安全和穩(wěn)定運行的基礎,所以利用歷史負荷數(shù)據(jù)來預測未來幾天的負荷值得深入研究。大量的研究得出,電力負荷具有混沌性,用常規(guī)的預測方法難以精準預測。通過重構相空間,可以還原出一維負荷時間序列隱藏的高維信息,從而對電力系統(tǒng)負荷進行更加精準的預測。論文通過重構歷史負荷數(shù)據(jù)的相空間,然后結合極限學習機與支持向量機建立了比較精準的預測模型。針對電力系統(tǒng)產(chǎn)生的海量負荷數(shù)據(jù),論文在Spark云計算平臺下對算法進行并行化設計,以加快模型在處理海量電力負荷數(shù)據(jù)時的訓練速度。通過仿真對比驗證了論文設計模型的有效性和可行性。論文主要研究內(nèi)容如下:根據(jù)負荷數(shù)據(jù)的混沌性,給出了一種相空間重構與極限學習機相結合的短期電力負荷預測方法。通過計算相空間重構相關參數(shù),對負荷樣本進行相空間重構,使得新的樣本數(shù)據(jù)更能反映出負荷的變化特性,然后結合極限學習機建立短期電力負荷預測模型。和傳統(tǒng)預測方法相比,該方法具有更加精確的預測能力和優(yōu)異的泛化性能。在短期負荷預測中,將相空間重構與支持向量機結合用于短期電力負荷預測,給出了一種利用隨機聚焦搜索優(yōu)化算法進行輸入?yún)?shù)優(yōu)化的模型,用線性核函數(shù)的映射問題代替原來的非線性問題,并將該方法用于短期電力負荷預測,仿真結果表明該方法具有更加精確的預測能力和收斂速度。針對電力系統(tǒng)的海量歷史負荷數(shù)據(jù),分別對上面兩種模型在Spark平臺下進行并行化設計。利用實驗室設備搭建了含一個主節(jié)點,七個數(shù)據(jù)節(jié)點的Spark計算集群,測試了本文設計的兩種并行算法的并行性能,測試結果表明本文設計的并行算法在進行海量數(shù)據(jù)處理時相對于常用的方法具有更快的處理速度。
【學位授予單位】：華北電力大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TM715;TP18

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 甘文泉,王朝暉,胡保生;結合神經(jīng)元網(wǎng)絡和模糊專家系統(tǒng)進行電力短期負荷預測[J];西安交通大學學報;1998年03期

2 趙宏偉,任震,黃雯瑩;基于周期自回歸模型的短期負荷預測[J];中國電機工程學報;1997年05期

3 侯志儉，吳際舜，張琦雨，，萬亮，潘龍興;電力系統(tǒng)短期負荷預報的幾種改進手段[J];電力系統(tǒng)自動化;1996年07期

4 康重慶,夏清,劉梅,相年德;應用于負荷預測中的回歸分析的特殊問題[J];電力系統(tǒng)自動化;1998年10期

5 張濤,趙登福,周琳,王錫凡,夏道止;基于RBF神經(jīng)網(wǎng)絡和專家系統(tǒng)的短期負荷預測方法[J];西安交通大學學報;2001年04期

6 謝開貴,李春燕,周家啟;基于神經(jīng)網(wǎng)絡的負荷組合預測模型研究[J];中國電機工程學報;2002年07期

7 李元誠,方廷健,于爾鏗;短期負荷預測的支持向量機方法研究[J];中國電機工程學報;2003年06期

8 李鷹,趙振江,吳松濤;灰色模型在普通日短期電力負荷預測中的應用[J];長沙電力學院學報(自然科學版);2003年01期

9 張海濤,陳宗海,朱六璋;基于改進FLN的短期電力負荷預測算法[J];電工技術學報;2004年05期

10 張俊芳,吳伊昂,吳軍基;基于灰色理論負荷預測的應用研究[J];電力自動化設備;2004年05期

中國博士學位論文全文數(shù)據(jù)庫 前1條

1 馮麗;數(shù)據(jù)挖掘和人工智能理論在短期電力負荷預測中的應用研究[D];浙江大學;2005年

本文編號：1172281