基于Spark和深度神经网络的短期电力负荷预测方法

• 作者: 张思扬 匡芳君 周文俊
• 来源期刊: 湖北电力
• 关键词: Spark 短期负荷预测 深度神经网络 粒子群优化算法 并行处理
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 电力系统及自动化|Power System and Automation
• 页码范围: 84-90
• 页数: 7页
• 分类号: TM715
• 语种: 中文
• DOI: 10.19308/j.hep.2021.02.011

摘要

针对单机计算资源不足和提高负荷预测精度,提出一种基于Spark和粒子群优化深度神经网络的短期负荷预测模型.通过引入Spark计算平台,将深度神经网络模型部署在平台上,对深度神经网络模型的网络结构和权重及阈值参数利用粒子群算法优化,再利用优化后的深度神经网络模型预测电力负荷.通过实验分析,结果表明提出的电力负荷预测方法不仅精度上还是运行效率上优于其他比较的负荷预测方法,而且并行性较好,运行效率优于单机电力负荷预测模型.