分布式SVR在短期负荷预测中的研究

• 作者: 侯凯 张志禹 李晨曦
• 来源期刊: 计算机测量与控制
• 关键词: 负荷预测 Hadoop平台 支持向量机 参数优化
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 设计与应用
• 页码范围: 173-176,182
• 页数: 5页
• 分类号: TP338.6
• 语种: 中文
• DOI: 10.16526/j.cnki.11-4762/tp.2019.03.035

摘要

准确的负荷预测,可以合理安排机组启停,降低发电成本,特别是短期负荷预测对电力系统控制、运行和规划都有重要意义;传统的预测方法不能及时准确地反映需求响应,在Hadoop环境下利用分布式支持向量回归机(Support Vector Regression,SVR)实现负荷预测,同时使用基于均匀设计的自调用SVR(UD-SVR)方法进行参数寻优,进一步提高文章实现的分布式SVR算法精度;通过真实的电力负荷数据集验证该算法,实验数据来自我国西部某地级市连续424天的真实用电量数据;结果表明,文章改进后的算法用于短期电力负荷预测是可行的,不仅预测准确度又在原有基础上明显提高,并且随着数据量的增加,计算速度也大幅提高,减小了负荷预测时间.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张志禹	西安理工大学自动化与信息工程学院	68	466	12.0	18.0
2	侯凯	西安理工大学自动化与信息工程学院	2	0	0.0	0.0
3	李晨曦	西安理工大学自动化与信息工程学院	1	0	0.0	0.0