大数据技术在电网数据上的应用
为了有效预测电厂机组出力情况,不仅要采用先进的预测方法,还要对机组出力数据进行合理的预处理.提出了电厂机组出力数据分析的一整套流程,包括数据集成、异常值预处理、数据可视化和电厂机组出力预测.以某省2018年机组出力数据为研究对象,选取一个燃煤电厂为例.经过数据集成、数据预处理和可视化展示,并用长短期记忆(LSTM)神经网络对电厂出力进行预测,LSTM预测得到的平均绝对百分比误差(MAPE)为10.90%,预测结果优于误差反向传播(BP)神经网络,BP神经网络预测得到的MAPE为11.61%.说明经过预处理的机组出力数据再用LSTM模型预测能达到良好的预测准确度.
电厂;大数据;异常值;可视化;长短期记忆神经网络;预测
40
南方电网公司科技项目资助GDKJXM20190037
2021-11-15(万方平台首次上网日期,不代表论文的发表时间)
共6页
52-57