大数据技术在短期负荷预测的应用

被引:10
作者
陈本阳
机构
[1] 国网陕西省电力公司经济技术研究院
关键词
大数据; 框架; 数据挖掘; 负荷预测; 支持向量机;
D O I
暂无
中图分类号
TM715 [电力系统规划]; TP311.13 [];
学科分类号
080802 [电力系统及其自动化];
摘要
随着电网的智能化升级其处理数据的能力越来越强,这为电力系统负荷的预测开辟了一条新的道路。将支持向量机技术同大数据技术结合在一起,建立负荷非线性回归方程,然后利用Hadoop处理框架的大数据技术解决方法 ,此类方法结合了支持向量机技术对非线性数据的处理能力和大数据的数据挖掘能力的优点,结果表明该算法同传统的算法相比,有更好的精确性。本文将支持向量机技术同大数据技术结合在一起,建立负荷非线性回归方程,然后利用Hadoop处理框架的大数据技术解决方法 ,此类方法结合了支持向量机技术对非线性数据的处理能力和大数据的数据挖掘能力的优点,结果表明该算法同传统的算法相比,有更好的精确性。
引用
收藏
页码:21 / 25
页数:5
相关论文
共 9 条
[1]
基于大数据聚类的电力系统中长期负荷预测 [J].
徐源 ;
程潜善 ;
李阳 ;
张浩 ;
余伟 ;
何冰 .
电力系统及其自动化学报, 2017, 29 (08) :43-48
[2]
含微电网的主动配电网负荷预测 [J].
管鑫 ;
程新雨 ;
程璐瑶 ;
黄泰相 .
电力学报, 2017, 32 (01) :10-15
[3]
基于云计算的电力大数据分析技术与应用 [J].
张栋 .
企业技术开发, 2015, 34 (21) :78+84
[4]
基于大数据技术的短期负荷分析与预测 [J].
王德金 .
华东电力, 2014, 42 (10) :2007-2010
[5]
大数据平台技术综述 [J].
宫夏屹 ;
李伯虎 ;
柴旭东 ;
谷牧 .
系统仿真学报, 2014, (03) :489-496
[6]
大数据及其科学问题与方法的探讨 [J].
何非 ;
何克清 .
武汉大学学报(理学版), 2014, 60 (01) :1-12
[7]
大数据管理:概念、技术与挑战 [J].
孟小峰 ;
慈祥 .
计算机研究与发展, 2013, (01) :146-169
[8]
数据挖掘与电力系统 [J].
于之虹 ;
郭志忠 .
电网技术, 2001, (08) :58-62
[9]
Hadoop框架的扩展和性能调优 [D]. 
李鑫 .
西安建筑科技大学,
2012