10.16526/j.cnki.11-4762/tp.2019.03.035
分布式SVR在短期负荷预测中的研究
准确的负荷预测,可以合理安排机组启停,降低发电成本,特别是短期负荷预测对电力系统控制、运行和规划都有重要意义;传统的预测方法不能及时准确地反映需求响应,在Hadoop环境下利用分布式支持向量回归机(Support Vector Regression,SVR)实现负荷预测,同时使用基于均匀设计的自调用SVR(UD-SVR)方法进行参数寻优,进一步提高文章实现的分布式SVR算法精度;通过真实的电力负荷数据集验证该算法,实验数据来自我国西部某地级市连续424天的真实用电量数据;结果表明,文章改进后的算法用于短期电力负荷预测是可行的,不仅预测准确度又在原有基础上明显提高,并且随着数据量的增加,计算速度也大幅提高,减小了负荷预测时间.
负荷预测、Hadoop平台、支持向量机、参数优化
27
TP338.6(计算技术、计算机技术)
国家自然科学基金资助重大项目41390454
2019-08-13(万方平台首次上网日期,不代表论文的发表时间)
共5页
173-176,182