基于Hadoop架构的多重分布式BP神经网络的短期负荷预测方法

• 作者: 于亚光 何川 刘天琪 曹鸿谦 沈骥 焦慧明 苏学能
• 来源期刊: 中国电机工程学报
• 学科: 工学
• 关键词: 负荷预测 Hadoop架构 分布式计算 BP神经网络 灰色关联度
• 年，卷（期）: 2017,（17）
• 所属期刊栏目: 大电网规划与运行
• 页码范围: 4966-4973
• 页数: 8页
• 分类号: TM743
• 语种: 中文
• DOI: 10.13334/j.0258-8013.pcsee.160747

摘要

随着智能电网、通信网络技术和传感器技术的发展,电力负荷数据规模呈现指数形式增长、且复杂程度增大,逐步构成了电力负荷大数据,传统负荷预测方法已无法满足海量负荷大数据分析的要求.提出一种基于Hadoop架构的多重分布式BP神经网络的短期负荷预测方法.该方法首先在从BP神经网络原理层对其输入信号的正向传递、误差信号的反向传播过程予以剖析的基础上,研究并建立基于Hadoop架构中MapReduce框架的BP神经网络负荷分布式预测模型;其次,为弱化其“过拟合”问题,在引入“多重”概念的基础上,提出基于灰色关联度和最短距离法聚类的方式择取多重分布式BP神经网络预测模型初始重数和成员集的方法,并定义衡量聚类优劣的有效指标,以确定合理重数.实验结果表明,多重分布式BP神经网络预测方法相比传统BP神经网络,预测精度更高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘天琪		236	3227	28.0	47.0
2	何川		61	259	9.0	12.0
3	苏学能		10	19	3.0	4.0
4	曹鸿谦		1	0	0.0	0.0
5	焦慧明		3	6	1.0	2.0
6	于亚光		1	0	0.0	0.0
7	沈骥		1	0	0.0	0.0