文献类型：期刊文章

作　　者：马天男[1] 王超[1] 彭丽霖[2] 郭小帆[3] 杜英[1] 苟全峰[1] 刘金朋[4]

MA Tiannan;WANG Chao;PENG Lilin;GUO Xiaofan;DU Ying;GOU Quanfeng;LIU Jinpeng(Economic and Technological Research Institute,State Grid Sichuan Electric Power Company,Chengdu 610041,China;Sichuan Power Exchange Center Co.,Ltd.,Chengdu 610041,China;Sichuan Electric Power Design Consulting Co.,Ltd.,Chengdu 610041,China;School of Economics and Management,North China Electric Power University,Beijing 102206,China)

机构地区：[1]国网四川省电力公司经济技术研究院,四川成都610041 [2]四川电力交易中心有限公司,四川成都610041 [3]四川省电力设计咨询有限公司,四川成都610041 [4]华北电力大学经济与管理学院,北京102206

出　　处：《智慧电力》

基　　金：国家自然科学基金资助项目资助(71501071)~~

年　　份：2018

卷　　号：46

期　　号：10

起止页码：86-95

语　　种：中文

收录情况：BDHX、BDHX2017、JST、RCCSE、ZGKJHX、核心刊

摘　　要：在综合分析用户侧用能数据特征和数据来源基础上,建立了基于Spark平台和平衡迭代规约聚类分析(BIRCH)的用户用能行为聚类分析算法,并提出了算法并行化策略和聚类结果评价指标。针对用户用能行为聚类结果,结合Spark平台和深度信念神经网络(DBN)构建了用户用能需求多线程预测模型。通过算例对并行化聚类算法和多线程需求预测模型进行了仿真分析,结果表明,构建的基于Spark-BIRCH的用户用能行为聚类算法具有较高的准确度和有效度,基于Spark-DBN的预测模型比单一预测模型的预测精度更高。仿真结果验证了2种模型的有效性和可行性。

关 键 词：综合能源系统  用能行为  BIRCH聚类  深度信念神经网络  需求预测  

分 类 号：TM714]