基于大数据聚类的电力系统中长期负荷预测

被引：46

作者：

徐源 ^{[1
]}

程潜善 ^{[2
]}

李阳 ^{[1
]}

张浩 ^{[1
]}

余伟 ^{[1
]}

何冰 ^{[1
]}

机构：

[1] 国网四川省电力公司绵阳供电公司

[2] 武汉大学电气工程学院

来源：

电力系统及其自动化学报 | 2017年 / 29卷 / 08期

关键词：

大数据; 中长期负荷预测; 聚类分析; Map Reduce; 并行编程;

D O I：

暂无

中图分类号：

TM715 [电力系统规划];

学科分类号：

摘要：

随着电网数据收集能力的提升,积累了海量的负荷及相关数据,为负荷预测开辟了新的思路。提出了一种应用大数据技术的中长期负荷预测新方法。首先通过历史负荷序列的增长趋势、波动性等变化特性的参数化表达,实现负荷的标准化处理,形成大数据聚类的样本;然后结合大数据分析平台的数据处理能力设计了基于Map Reduce并行编程模型的改进模糊K-means聚类方法,实现对负荷大数据的聚类划分;最后综合相同聚类负荷,并建立预测模型。计算结果表明,大数据聚类算法能有效地进行大量负荷数据的聚类划分,实现不同增长特性负荷的区分预测,具有较高的预测精度。

引用

页码：43 / 48

页数：6

共 25 条

[11] 基于MapReduce的聚类算法并行化研究[D]. 王恺.南京师范大学. 2014
[12] 大数据[M]. 电子工业出版社 , 赵刚, 2013
[13] 中国电力大数据发展白皮书[M]. 中国电力出版社 , 中国电机工程学会电力信息化专业委员会, 2013
[14] MapReduce algorithms for big data analysis .2 Kyuseok Shim. Proceedings of the VLDB Endowment . 2012
[15] 面向大数据处理的划分聚类新方法
卢志茂
冯进玫
范冬梅
杨朋
田野
[J]. 系统工程与电子技术, 2014, 36 (05) : 1010 - 1015
[16] 大数据及其科学问题与方法的探讨
何非
何克清
[J]. 武汉大学学报(理学版), 2014, 60 (01) : 1 - 12
[17] 状态监测大数据存储及聚类划分研究
周国亮
宋亚奇
王桂兰
朱永利
[J]. 电工技术学报, 2013, 28(S2) (S2) : 337 - 344
[18] 大数据技术及其应用研究
孔德智
刘群兴
王颍凯
张莹莹
[J]. 电子产品可靠性与环境试验, 2013, 31(S1) (S1) : 90 - 95
[19] 智能电网大数据处理技术现状与挑战
宋亚奇
周国亮
朱永利
[J]. 电网技术, 2013, 37 (04) : 927 - 935
[20] 采用支持向量机和模拟退火算法的中长期负荷预测方法
李瑾
刘金朋
王建军
[J]. 中国电机工程学报, 2011, 31 (16) : 63 - 66

← 1 2 3 →