海量数据下的电力负荷短期预测

• 作者: 张东 张素香 王风雨 赵丙镇
• 来源期刊: 中国电机工程学报
• 学科: 工学
• 关键词: 大数据 云计算 负荷预测 局部加权线性回归
• 年，卷（期）: 2015,（1）
• 所属期刊栏目: 大数据与电力系统
• 页码范围: 37-42
• 页数: 6页
• 分类号: TM715
• 字数: 3614字
• 语种: 中文
• DOI: 10.13334/j.0258-8013.pcsee.2015.01.005

摘要

该文研究海量数据下的短期电力负荷预测方法，基于局部加权线性回归和云计算平台，建立并行局部加权线性回归模型。同时，为剔除坏数据，采用最大熵建立坏数据分类模型，保证历史数据的有效性。实验数据来自已建的甘肃某智能园区。实验结果表明，提出的并行局部加权模型用于短期电力负荷预测是可行的，平均均方根误差为3.01%，完全满足负荷预测的要求，并极大地减少了负荷预测时间，提高预测精度。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张素香		8	184	2.0	8.0
2	张东	国家电网公司农电工作部	4	176	1.0	4.0
3	赵丙镇		3	194	3.0	3.0
4	王风雨		1	176	1.0	1.0