基于大数据平台的配电网负荷预测关键技术

• 作者: 万迪明 刘充许 周双喜 张小斐 耿俊成
• 来源期刊: 电力需求侧管理
• 学科: 工学
• 关键词: 配电网 负荷预测 大数据 流计算 机器学习
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 数字配用电系统专辑
• 页码范围: 25-30
• 页数: 6页
• 分类号: TM715
• 字数: 5668字
• 语种: 中文
• DOI: 10.3969/j.issn.1009-1831.2020.04.006

摘要

大规模配电网负荷预测需重点关注预测准确率及计算效率,由于规模大、关联因素复杂,采用传统集中式或简单分布式平台环境难以满足应用要求.提出了基于大数据平台的解决方案,方案结合大规模配电网负荷预测应用场景特点,提出了数据存储、数据预处理、特性分析、预测算法等关键环节的技术路线.应用多元化分布式存储方式,实现了多类型数据的分类存储;应用机器学习技术,实现了数据预处理、负荷特性分析等;应用Spark流计算技术,实现了基于滑动窗口操作的滚动短期预测和基于无状态操作的中长期预测.在某省的实际应用结果证明了解决方案在预测准确率和计算效率提升方面效果明显.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周双喜	清华大学电机工程与应用电子技术系	81	6488	34.0	80.0
2	刘充许	清华大学电机工程与应用电子技术系	8	43	4.0	6.0
3	耿俊成	国网河南省电力公司电力科学研究院	22	87	6.0	8.0
4	张小斐	国网河南省电力公司电力科学研究院	17	65	5.0	7.0
5	万迪明	国网河南省电力公司电力科学研究院	10	24	3.0	4.0