文献类型：期刊文章

作　　者：徐源[1] 程潜善[2] 李阳[1] 张浩[1] 余伟[1] 何冰[1]

机构地区：[1]国网四川省电力公司绵阳供电公司,绵阳621000 [2]武汉大学电气工程学院,武汉430072

出　　处：《电力系统及其自动化学报》

基　　金：国家自然科学基金资助项目(51107090)

年　　份：2017

卷　　号：29

期　　号：8

起止页码：43-48

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CSCD、CSCD2017_2018、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：随着电网数据收集能力的提升,积累了海量的负荷及相关数据,为负荷预测开辟了新的思路。提出了一种应用大数据技术的中长期负荷预测新方法。首先通过历史负荷序列的增长趋势、波动性等变化特性的参数化表达,实现负荷的标准化处理,形成大数据聚类的样本;然后结合大数据分析平台的数据处理能力设计了基于Map Reduce并行编程模型的改进模糊K-means聚类方法,实现对负荷大数据的聚类划分;最后综合相同聚类负荷,并建立预测模型。计算结果表明,大数据聚类算法能有效地进行大量负荷数据的聚类划分,实现不同增长特性负荷的区分预测,具有较高的预测精度。

关 键 词：大数据 中长期负荷预测 聚类分析 MAP REDUCE 并行编程

分 类 号：TM515]