基于Storm的电网时间序列数据实时预测框架

被引：11

作者：

吴克河

朱亚运

李皓阳

李权

机构：

[1] 华北电力大学控制与计算机工程学院

来源：

计算机工程 | 2017年 / 43卷 / 04期

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;

D O I：

暂无

中图分类号：

O211.61 [平稳过程与二阶矩过程]; TP311.13 []; TM76 [电力系统的自动化];

学科分类号：

070103 [概率论与数理统计]; 080802 [电力系统及其自动化];

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。

引用

页码：8 / 14

页数：7

共 21 条

[1]

基于Hadoop平台的电力大客户用电时序数据分类研究 [D].