基于大数据和优化神经网络短期电力负荷预测

被引：37

作者：

金鑫 ^{[1
]}

李龙威 ^{[1
]}

季佳男 ^{[2
]}

李祉歧 ^{[3
]}

胡宇 ^{[3
]}

赵永彬 ^{[4
]}

机构：

[1] 中央财经大学信息学院

[2] 人力资源和社会保障部人事考试中心

[3] 北京国电通网络技术有限公司

[4] 国网辽宁省电力有限公司信息通信分公司

来源：

通信学报 | 2016年 / 37(S1)卷 / S1期

关键词：

电力大数据; 粒子群算法; 并行PSO优化神经网络; 电力负荷预测; 电力负荷影响因素;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算]; TM715 [电力系统规划];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ; 080802 ;

摘要：

随着电力数据采集成本降低及大规模电网互联等因素,电网中可获取的数据类型日益丰富。以往的集中式预测方法对海量电力数据的分析能力有限。提出基于大数据和粒子群优化BP神经网络短期电力负荷预测,建立短期电力负荷预测模型。利用国家电网的实际负荷数据,采用所提方法进行预测,与实际负荷数据及集中式负荷预测结果进行比较,结果证明,所提方法预测精度较高,降低了负荷预测时间,在实际应用中具有可行性。

引用

页码：36 / 42

页数：7

共 23 条

[1]

计算智能方法研究及其在流程工业中应用.[D].李澄非.北京化工大学.2007, 05

[2]

基于数据挖掘的电力短期负荷预测模型及方法的研究.[D].程其云.重庆大学.2004, 02

[3] 基于相似日负荷修正的台风期间短期负荷预测 [J].