文献类型：期刊文章

作　　者：蒋玮[1] 黄丽丽[1] 祁晖[2] 冯伟[2] 杨乐[2] 汪梁[3] 徐青山[1] 吴杰[1] 汤海波[1]

JIANG Wei;HUANG Lili;QI Hui;FENG Wei;YANG Le;WANG Liang;XU Qingshan;WU Jie;TANG Haibo(School of Electrical Engineering, Southeast University, Nanjing 210096, Jiangsu Province, China;State Grid Jiangsu Electric Power Company Taizhou Power Supply Company, Taizhou 225300, Jiangsu Province, China;State Grid Anhui Electric Power Company Hefei Power Supply Company, Hefei 230000, Anhui Province, China)

机构地区：[1]东南大学电气工程学院,江苏省南京市210096 [2]国网江苏省电力公司泰州供电公司,江苏省泰州市225300 [3]国网安徽省电力公司合肥供电公司,安徽省合肥市230000

出　　处：《中国电机工程学报》

基　　金：国家重点研发计划项目(2016YFB0901104);国网江苏省电力公司科技项目(J2017112)~~

年　　份：2018

卷　　号：38

期　　号：12

起止页码：3419-3430

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD2017_2018、EI、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：随着智能电网数据采集技术的发展,电网公司积累的海量数据为台区负荷预测提供了数据基础。该文重点研究基于Apache Spark计算框架的台区短期负荷预测技术。首先,建立了包含温度、湿度、日类型等因素及负荷时间序列的动态贝叶斯网络,作为台区负荷预测模型。其次,为解决基于海量数据的模型参数计算及大规模配变负荷预测的并行化问题,搭建了基于Spark GraphX并行图计算组件的分布式计算平台,利用GraphX的Vertex Cut和并行边检索快速计算概率矩阵,以Pregel计算模型并行处理前向-后向算法,实现预测方法的分布式集群计算,保证全局预测任务的并行化。最后,通过实验结果表明,基于分布式图计算的台区负荷预测技术具有较高的预测精度和较快的计算速度,是一种高效可行的电力大数据分析技术。

关 键 词：大数据 图计算  负荷预测 动态贝叶斯网络 GraphX  

分 类 号：TM711]