基于R语言的负荷预测ARIMA模型并行化研究

被引:60
作者
麦鸿坤 [1 ]
肖坚红 [2 ]
吴熙辰 [1 ]
陈驰 [3 ]
机构
[1] 中国科学技术大学计算机科学与技术学院
[2] 国网安徽省电力公司
[3] 河海大学能源与电气学院
关键词
电力负荷预测; ARIMA; JAVA; R语言; 并行化;
D O I
10.13335/j.1000-3673.pst.2015.11.030
中图分类号
TM715 [电力系统规划];
学科分类号
摘要
自回归求和移动平均(autoregressive integrated moving average,ARIMA)模型常在R语言环境下被用于电力负荷数据的分析和预测。然而,面对海量数据背景下的工程应用,R环境下ARIMA模型的运行效率无法达到令人满意的程度。针对此问题,通过JAVA与R的实时通信,充分利用JAVA丰富的开源资源与R强大的统计计算功能,在JAVA中进行程序的逻辑判断,在R中进行数值计算,采用混合编程,最后完成ARIMA模型接口的封装,实现了基于负荷数据预测的ARIMA模型的串行化程序。在串行程序完成的基础上,根据电力负荷特性,对数据进行划分,结合JAVA多线程技术,实现了ARIMA模型的并行化。最后,结合文中提出的复合评价指标,对安徽地区随机获取的用户电力负荷进行了测试。结果表明,ARIMA模型并行算法预测准确率好,代码执行效率高。
引用
收藏
页码:3216 / 3220
页数:5
相关论文
共 12 条
[1]   基于云计算和极限学习机的分布式电力负荷预测算法 [J].
王保义 ;
赵硕 ;
张少敏 .
电网技术, 2014, 38 (02) :526-531
[2]   基于气象信息因素修正的灰色短期负荷预测模型 [J].
焦润海 ;
苏辰隽 ;
林碧英 ;
莫瑞芳 .
电网技术, 2013, 37 (03) :720-725
[3]   一种改进的基于分形插值和小波分析的电力负荷短期预测方法 [J].
刘映 ;
翟明岳 ;
刘永笑 ;
刑林敏 .
电网技术, 2013, 37 (01) :276-280
[4]   负荷预测准确性评估方法研究 [J].
王干军 ;
徐衍会 .
广东电力, 2012, 25 (11) :39-42
[5]   基于遗传灰色神经网络模型的实时电价条件下短期电力负荷预测 [J].
葛少云 ;
贾鸥莎 ;
刘洪 .
电网技术, 2012, 36 (01) :224-229
[6]   基于累积式自回归动平均传递函数模型的短期负荷预测 [J].
李妮 ;
江岳春 ;
黄珊 ;
毛李帆 .
电网技术, 2009, 33 (08) :93-97+103
[7]   ARIMA模型在深圳GDP预测中的应用 [J].
龚国勇 .
数学的实践与认识, 2008, (04) :53-57
[8]   ARIMA预测模型的SAS程序实现及其应用 [J].
黄彦 ;
易东 ;
田考聪 .
激光杂志, 2007, (01) :96-96
[9]   基于累积式自回归动平均法和反向传播神经网络的短期负荷预测模型 [J].
陈伟 ;
吴耀武 ;
娄素华 ;
熊信艮 .
电网技术, 2007, (03) :73-76
[10]   基于SAS软件的城市电力需求ARIMA模型及预测 [J].
王正洪 ;
蔡蕙 ;
蔡冠玉 .
现代电子技术, 2007, (02) :165-167