文献类型：期刊文章

作　　者：金鑫[1] 李龙威[1] 季佳男[2] 李祉歧[3] 胡宇[3] 赵永彬[4]

机构地区：[1]中央财经大学信息学院,北京100081 [2]人力资源和社会保障部人事考试中心,北京100011 [3]北京国电通网络技术有限公司,北京100070 [4]国网辽宁省电力有限公司信息通信分公司,辽宁沈阳110006

出　　处：《通信学报》

基　　金：国家自然科学基金资助项目(No.U1509214);国网科技部基金资助项目(No.SGTYHT/14-JS-188)~~

年　　份：2016

卷　　号：37

期　　号：S1

起止页码：36-42

语　　种：中文

收录情况：BDHX、BDHX2014、CSCD、CSCD2015_2016、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：随着电力数据采集成本降低及大规模电网互联等因素,电网中可获取的数据类型日益丰富。以往的集中式预测方法对海量电力数据的分析能力有限。提出基于大数据和粒子群优化BP神经网络短期电力负荷预测,建立短期电力负荷预测模型。利用国家电网的实际负荷数据,采用所提方法进行预测,与实际负荷数据及集中式负荷预测结果进行比较,结果证明,所提方法预测精度较高,降低了负荷预测时间,在实际应用中具有可行性。

关 键 词：电力大数据  粒子群算法  并行PSO优化神经网络  电力负荷预测 电力负荷影响因素  

分 类 号：TP183] TM715]