基于大数据聚类的电力系统中长期负荷预测

• 作者: 何冰 余伟 张浩 徐源 李阳 程潜善
• 来源期刊: 电力系统及其自动化学报
• 学科: 工学
• 关键词: 大数据 中长期负荷预测 聚类分析 MapReduce 并行编程
• 年，卷（期）: 2017,（8）
• 所属期刊栏目: 学术论文
• 页码范围: 43-48
• 页数: 6页
• 分类号: TM515
• 字数: 4293字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-8930.2017.08.007

摘要

随着电网数据收集能力的提升,积累了海量的负荷及相关数据,为负荷预测开辟了新的思路.提出了一种应用大数据技术的中长期负荷预测新方法.首先通过历史负荷序列的增长趋势、波动性等变化特性的参数化表达,实现负荷的标准化处理,形成大数据聚类的样本;然后结合大数据分析平台的数据处理能力设计了基于MapReduce并行编程模型的改进模糊K-means聚类方法,实现对负荷大数据的聚类划分;最后综合相同聚类负荷,并建立预测模型.计算结果表明,大数据聚类算法能有效地进行大量负荷数据的聚类划分,实现不同增长特性负荷的区分预测,具有较高的预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何冰		4	42	2.0	4.0
2	程潜善	武汉大学电气工程学院	3	40	3.0	3.0
3	张浩		5	28	1.0	5.0
4	李阳		6	35	2.0	5.0
5	徐源		1	28	1.0	1.0
6	余伟		3	30	2.0	3.0