基于云计算平台实现电网短期负荷预测算法的研究
|
摘要
短期电网负荷预测在任何电力系统的运行决策中都起着重要作用。由于负荷短期预测的实时性要求与在大型数据集上执行复杂的计算过程所需的高计算能力相冲突,提出了基于支持向量回归的短期电网负荷预测算法,并基于云计算平台实现了该算法。将所提预测算法分别在云计算平台和单机计算平台上进行对比实验,结果表明基于云计算平台的实现有效提高了算法执行效率。
Short-term grid load forecasting plays an important role in the operational decision for any power system. Because the real-time requirements for short-term load forecasting conflict with the high computing capability which is required to perform complex processes on large data sets, a short-term grid load forecasting algorithm based on support vector regression is proposed, which is implemented based on cloud computing platform.The proposed forecasting algorithm is compared between the cloud computing platform and the stand-alone computing platform, and the results show that the implementation based on cloud computing platform effectively improves the execution efficiency of the algorithm.
Short-term grid load forecasting plays an important role in the operational decision for any power system. Because the real-time requirements for short-term load forecasting conflict with the high computing capability which is required to perform complex processes on large data sets, a short-term grid load forecasting algorithm based on support vector regression is proposed, which is implemented based on cloud computing platform.The proposed forecasting algorithm is compared between the cloud computing platform and the stand-alone computing platform, and the results show that the implementation based on cloud computing platform effectively improves the execution efficiency of the algorithm.
引文
[1] 王雁凌,吴梦凯.经济新常态下基于偏最小二乘回归的中长期负荷预测模型[J].电力自动化设备,2018,38(3):133-139.
[2] 王萍,李磊,胡聪,等.云计算环境下智能电网短期负荷预测方法[J].科学技术与工程,2018,18(7):153-158.
[3] 苏小林,刘孝杰,阎晓霞,等.计及需求响应的主动配电网短期负荷预测[J].电力系统自动化,2018,42(10):60-66.
[4] 赵芝璞,高超,沈艳霞,等.基于关联模糊神经网络和改进型蜂群算法的负荷预测方法[J].中国电力,2018,51(2):54-60.
[5] 吴润泽,包正睿,宋雪莹,等.基于深度学习的电网短期负荷预测方法研究[J].现代电力,2018,35(2):43-48.
[6] 林涛,董栅,秦冬阳,等.基于支持向量回归的风电场短期功率预测[J].中南民族大学学报(自然科学版),2017,36(4):95-99.
[7] 吴润泽,包正睿,王文韬,等.Hadoop架构下基于模式匹配的短期电力负荷预测方法[J].电工技术学报,2018,33(7):1542-1551.
[8] 张智晟,于道林.考虑需求响应综合影响因素的RBF-NN短期负荷预测模型[J].中国电机工程学报,2018,38(6):1631-1638.
[9] 韩中合,李秋菊,苑一鸣,等.基于相关向量机的短期风速预测模型[J].电力科学与技术学报,2017,32(3):38-42.
[10] 汤强,谢明中,罗元盛.基于SVR的用电负荷特征三维回归模型[J].计算机工程,2017,43(9):300-303.
[11] 李滨,黄佳,吴茵,等.基于分形特性修正气象相似日的节假日短期负荷预测方法[J].电网技术,2017,41(6):1949-1955.
[12] 肖白,刘庆永,房龙江,等.基于模糊粗糙集理论和时空信息的空间负荷预测[J].电力建设,2017,38(1):58-67.
[13] 苏学能,刘天琪,曹鸿谦,等.基于Hadoop架构的多重分布式BP神经网络的短期负荷预测方法[J].中国电机工程学报,2017,37(17):4966-4973.
[14] 钱志.基于改进型SVR的电网短期负荷预测[J].中国电力,2016,49(8):54-58.
[15] 马天男,牛东晓,黄雅莉,等.基于Spark平台和多变量L_2-Boosting回归模型的分布式能源系统短期负荷预测[J].电网技术,2016,40(6):1642-1649.
[16] 孟安波,胡函武,刘向东.基于纵横交叉算法优化神经网络的负荷预测模型[J].电力系统保护与控制,2016,44(7):102-106.
[17] 罗滇生,王新坤.基于云计算的智能电网负荷预测平台架构研究[J].湖南大学学报(自然科学版),2016,43(2):101-108.
[18] 王宁,谢敏,邓佳梁,等.基于支持向量机回归组合模型的中长期降温负荷预测[J].电力系统保护与控制,2016,44(3):92-97.
[19] 沈沉,秦建,盛万兴,等.基于小波聚类的配变短期负荷预测方法研究[J].电网技术,2016,40(2):521-526.
[20] 卢朝晖.基于多用户的Windows Azure平台下的访问控制模型的设计[J].科技通报,2015,31(5):241-245.
[2] 王萍,李磊,胡聪,等.云计算环境下智能电网短期负荷预测方法[J].科学技术与工程,2018,18(7):153-158.
[3] 苏小林,刘孝杰,阎晓霞,等.计及需求响应的主动配电网短期负荷预测[J].电力系统自动化,2018,42(10):60-66.
[4] 赵芝璞,高超,沈艳霞,等.基于关联模糊神经网络和改进型蜂群算法的负荷预测方法[J].中国电力,2018,51(2):54-60.
[5] 吴润泽,包正睿,宋雪莹,等.基于深度学习的电网短期负荷预测方法研究[J].现代电力,2018,35(2):43-48.
[6] 林涛,董栅,秦冬阳,等.基于支持向量回归的风电场短期功率预测[J].中南民族大学学报(自然科学版),2017,36(4):95-99.
[7] 吴润泽,包正睿,王文韬,等.Hadoop架构下基于模式匹配的短期电力负荷预测方法[J].电工技术学报,2018,33(7):1542-1551.
[8] 张智晟,于道林.考虑需求响应综合影响因素的RBF-NN短期负荷预测模型[J].中国电机工程学报,2018,38(6):1631-1638.
[9] 韩中合,李秋菊,苑一鸣,等.基于相关向量机的短期风速预测模型[J].电力科学与技术学报,2017,32(3):38-42.
[10] 汤强,谢明中,罗元盛.基于SVR的用电负荷特征三维回归模型[J].计算机工程,2017,43(9):300-303.
[11] 李滨,黄佳,吴茵,等.基于分形特性修正气象相似日的节假日短期负荷预测方法[J].电网技术,2017,41(6):1949-1955.
[12] 肖白,刘庆永,房龙江,等.基于模糊粗糙集理论和时空信息的空间负荷预测[J].电力建设,2017,38(1):58-67.
[13] 苏学能,刘天琪,曹鸿谦,等.基于Hadoop架构的多重分布式BP神经网络的短期负荷预测方法[J].中国电机工程学报,2017,37(17):4966-4973.
[14] 钱志.基于改进型SVR的电网短期负荷预测[J].中国电力,2016,49(8):54-58.
[15] 马天男,牛东晓,黄雅莉,等.基于Spark平台和多变量L_2-Boosting回归模型的分布式能源系统短期负荷预测[J].电网技术,2016,40(6):1642-1649.
[16] 孟安波,胡函武,刘向东.基于纵横交叉算法优化神经网络的负荷预测模型[J].电力系统保护与控制,2016,44(7):102-106.
[17] 罗滇生,王新坤.基于云计算的智能电网负荷预测平台架构研究[J].湖南大学学报(自然科学版),2016,43(2):101-108.
[18] 王宁,谢敏,邓佳梁,等.基于支持向量机回归组合模型的中长期降温负荷预测[J].电力系统保护与控制,2016,44(3):92-97.
[19] 沈沉,秦建,盛万兴,等.基于小波聚类的配变短期负荷预测方法研究[J].电网技术,2016,40(2):521-526.
[20] 卢朝晖.基于多用户的Windows Azure平台下的访问控制模型的设计[J].科技通报,2015,31(5):241-245.