版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領
文檔簡介
1、短期負荷預測是電力系統(tǒng)經(jīng)濟運行與系統(tǒng)調(diào)度的重要前提和依據(jù)。智能電網(wǎng)與傳感器技術的發(fā)展使得電網(wǎng)數(shù)據(jù)劇烈膨脹,形成了用戶側(cè)負荷大數(shù)據(jù)。電網(wǎng)大數(shù)據(jù)形勢下的短期負荷預測要求預測方法的預測精度高,計算速度快,傳統(tǒng)的預測方法已經(jīng)無法滿足。以Hadoop、Spark平臺為代表的大數(shù)據(jù)處理技術的出現(xiàn),使得海量數(shù)據(jù)的處理方式進入一個嶄新的階段。本文分析現(xiàn)階段大數(shù)據(jù)形勢下短期負荷預測的需求與面臨的關鍵問題,從提高短期負荷預測精度與提高短期負荷預測速度兩個方
2、面為切入點,結合相關算法與數(shù)據(jù)處理,展開大數(shù)據(jù)形勢短期負荷相關工作。
論文首先根據(jù)短期負荷預測與實驗需要,利用NREL實驗室公布的負荷數(shù)據(jù),生成了約2500萬組負荷實驗數(shù)據(jù)集;分析了商業(yè)用電負荷與居民用電負荷的特性,得出了兩種負荷類型具有周期性與季節(jié)性的結論。
然后根據(jù)負荷數(shù)據(jù)周期性與季節(jié)性的特點,建立能夠?qū)竟?jié)與周期因素進行建模的乘法Holt-Winters的短期負荷預測模型,并采用無約束優(yōu)化理論中的L-BFGS內(nèi)
3、存限定擬牛頓算法實現(xiàn)預測模型的參數(shù)優(yōu)化,以降低預測模型尋優(yōu)的計算復雜度,并保證負荷預測的精度。
接著將文中的短期負荷預測算法在Spark集群并行化實現(xiàn),以提高計算效率,實現(xiàn)對海量負荷數(shù)據(jù)的預測。提出了包含2個Master節(jié)點,28個Slave節(jié)點的集群構建方案,并對集群的配置進行優(yōu)化,使得Spark計算性能更好。
最后對HDFS分布式文件系統(tǒng)存儲效率、L-BFGS-Holt-Winters短期負荷預測算法的預測誤差和
4、Spark并行計算效率進行實驗。結果表明,論文采用的HDFS負荷數(shù)據(jù)存儲,效率優(yōu)于傳統(tǒng)的文件存儲方式;論文采用的L-BFGS優(yōu)化方法有良好的計算效率與優(yōu)化精度;與傳統(tǒng)負荷預測算法相比,論文采用的Holt-Winters算法有更高的預測精度;Spark并行化實現(xiàn)后的短期負荷方法,能夠應對海量負荷數(shù)據(jù)的預測需求。在論文方法在25個計算節(jié)點的計算集群中,能夠在1.5分鐘內(nèi)實現(xiàn)200萬規(guī)模的負荷預測,13分鐘內(nèi)實現(xiàn)2000萬規(guī)模的負荷預測,能夠
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于Spark和支持向量回歸的微電網(wǎng)短期負荷預測研究.pdf
- 基于負荷分類的短期負荷預測方法研究.pdf
- 基于綜合預測方法的短期負荷預測研究.pdf
- 基于負荷特性分析的短期負荷預測模型研究.pdf
- 基于組合方法的短期電力負荷預測.pdf
- 基于粗糙集和灰色系統(tǒng)模型的短期負荷預測方法研究.pdf
- 基于數(shù)據(jù)挖掘的電力短期負荷預測模型及方法的研究.pdf
- 基于模糊識別和負荷特性的電力負荷超短期預測方法研究.pdf
- 基于組合預測模型的超短期大波動負荷預測.pdf
- 基于數(shù)據(jù)分解和ESN網(wǎng)絡的短期電力負荷預測模型.pdf
- 基于數(shù)據(jù)挖掘聚類和RBF-NN模型融合的短期負荷預測方法.pdf
- 基于智能優(yōu)化模型的短期電力負荷預測系統(tǒng).pdf
- 基于小波理論的短期負荷預測模型研究.pdf
- 基于數(shù)據(jù)挖掘的短期負荷預測方法研究.pdf
- 基于組合方法的短期燃氣負荷預測的研究.pdf
- 短期負荷預測改進方法研究.pdf
- 基于神經(jīng)網(wǎng)絡的短期負荷預測方法研究.pdf
- 基于數(shù)據(jù)驅(qū)動的短期電力負荷預測方法研究.pdf
- 基于氣象因子的短期電力負荷預測方法研究.pdf
- 短期電力負荷預測組合模型研究.pdf
評論
0/150
提交評論