| 大数据环境下的电力负荷预测研究 |
| |
| 引用本文： | 宋占党,李湘华,王海宾,白霄磊,陈德高.大数据环境下的电力负荷预测研究[J].电子测量技术,2019,42(12):51-54. |
| |
| 作者姓名： | 宋占党 李湘华 王海宾 白霄磊 陈德高 |
| |
| 作者单位： | 国网乌鲁木齐供电公司 乌鲁木齐830011;国网乌鲁木齐供电公司 乌鲁木齐830011;国网乌鲁木齐供电公司 乌鲁木齐830011;国网乌鲁木齐供电公司 乌鲁木齐830011;国网乌鲁木齐供电公司 乌鲁木齐830011 |
| |
| 摘 要： | 随着智能电网的快速发展,电力系统采集了海量的数据信息,如何利用海量电力数据预测电力负荷值,为企业合理地制定供需计划提供可靠保障,是一个值得研究的问题。为了使负荷预测模型适应各类用户的负荷预测,采用Kernel-K-means算法对电力用户进行聚类分析。将待预测的用户进行类别划分,然后采用LSTM方法建立负荷预测模型,预测未来某时刻用户的负荷值。通过实验仿真对比分析,验证了Kernel-K-means算法比传统的K-means算法具有较少的耗时和较高的聚类性能;LSTM算法比BP算法具有更高的负荷预测精度;实验说明所提方法适用于大数据环境下的电力负荷预测。
|
| 关 键 词： | 大数据 负荷 预测 长短期记忆网络 |
Study on load forecasting under the big data environment |
| |
| Song Zhandang,Li Xianghua,Wang Haibin,Bai Xiaolei,Chen Degao.Study on load forecasting under the big data environment[J].Electronic Measurement Technology,2019,42(12):51-54. |
| |
| Authors: | Song Zhandang Li Xianghua Wang Haibin Bai Xiaolei Chen Degao |
| |
| Affiliation: | (State Grid Xinjiang Electric Power CO. LTD,Urumqi,Urumqi 830011,China) |
| |
| Abstract: | Song Zhandang;Li Xianghua;Wang Haibin;Bai Xiaolei;Chen Degao(State Grid Xinjiang Electric Power CO. LTD,Urumqi,Urumqi 830011,China) |
| |
| Keywords: | big data load predict long short-term memory networks |
| 本文献已被 维普 万方数据 等数据库收录！ |
|
