基于Spark和梯度提升树模型的短期负荷预测

• 作者: 刘静 施元 许贤泽 谭盛煌
• 来源期刊: 华中科技大学学报（自然科学版）
• 学科: 工学
• 关键词: 负荷预测 分布式计算 大数据 梯度提升树 Spark平台
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 电子与信息工程
• 页码范围: 84-89
• 页数: 6页
• 分类号: TM715
• 语种: 中文
• DOI: 10.13245/j.hust.190516

摘要

利用Spark平台对电力用户侧的大数据进行分析,提出基于梯度提升树的并行负荷预测方法.首先对历史负荷和天气数据集进行并行化分割处理,并采用特征提取与转换方法获取到预测模型所需的特征向量;然后合理设定Spark集群节点数以及调节Hadoop分布式文件系统(HDFS)分块大小;最后将参数调优后的梯度提升树模型部署到Spark分布式平台上进行训练与预测,并将该模型预测结果与其他预测模型进行精度比较.研究结果表明:通过合理划分HDFS中存储块的大小能有效提高集群对于大数据处理的效率,分布式梯度提升树算法在快速性与准确性上均有比较大的优势,能够满足电力负荷预测的要求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘静	武汉大学电子信息学院	72	326	10.0	14.0
2	许贤泽	武汉大学电子信息学院	51	253	9.0	13.0
3	谭盛煌	武汉大学电子信息学院	2	11	1.0	2.0
4	施元	武汉大学电子信息学院	2	11	1.0	2.0