电力用户侧大数据分析与并行负荷预测

摘要：

随着智能电网、通信网络技术和传感器技术的发展，电力用户侧数据呈指数级增长、复杂程度增大，逐步构成了用户侧大数据。传统的数据分析模式已无法满足需求，迫切需要解决电力用户侧的大数据在分析与处理方面的难题。该文分析电力用户大数据的来源，针对电力用户侧大数据的数据量大、种类繁多与速度快等特点，指出电力用户侧的大数据在数据存储、可用性、处理等方面面临的挑战。结合云计算技术提出一种电力用户侧大数据分析处理平台，将智能电表、SCADA系统和各种传感器中采集的数据整合，并利用并行化计算模型 MapReduce 与内存并行化计算框架Spark对电力用户侧的大数据进行分析。提出基于随机森林算法的并行负荷预测方法，将随机森林算法进行并行化，对历史负荷、温度、风速等数据进行并行化分析，缩短负荷预测时间和提高随机森林算法对大数据的处理能力。设计并实现基于 Hadoop 的电力用户侧大数据并行负荷预测原型系统，包括数据集群的管理、数据管理、预测分类算法库等功能。采用不同大小的数据集对并行化随机森林算法进行负荷预测实验，实验结果表明，并行化随机森林算法的预测精度明显高于决策树的预测精度，且在不同数据集上预测精度普遍高于决策树的预测精度，能够较好的对大数据进行分析处理。

关键词：大数据、电力用户侧、负荷预测、并行处理、云计算

分类号：TM76(输配电工程、电力网及电力系统)

资助基金：国家自然科学基金项目61074078；中央高校基本科研业务费专项资金资助项目12MS113。@@@@Project Supported by National Natural Science Foundation of China61074078;Fundamental Research Funds for the Central Universities12MS113

在线出版日期：2015-03-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：527-537