基于极限学习机的分布式电力负荷预测

论文摘要

现代电力负荷数据以海量形式存在,传统单机模式无法满足电力负荷在线预测效果的要求。为了改善大规模电力负荷数据的预测效果,设计了基于极限学习机的分布式电力负荷预测模型。首先提取电力负荷数据,通过混沌理论的相空间重构方法对电力负荷数据进行预处理,产生电力负荷数据预测建模样本,然后将电力负荷数据预测建模样本细分成为多个子样本,通过云计算集群系统的分布式方式并行实现子样本建模,每一个小样本通过极限学习机进行建模和预测,最后采用具体电力负荷数据进行了仿真测试实例研究,测试结果表明,本文模型加快了大规模电力负荷数据建模速度,可以足电力负荷在线预测效果,而且电力负荷预测精度要明显优于当前其它电力负荷预测模型。

论文目录

• 1 云计算集群系统和极限学习机
•   1.1 云计算集群系统
•   1.2 极限学习机算法
• 2 极限学习机的分布式电力负荷预测模型
•   2.1 电力负荷的预处理
•     2.1.1 延迟时间的确定
•     2.1.2 嵌入维的确定
•   2.2 极限学习机的分布式电力负荷预测模型设计
•     2.2.1 极限学习机的分布式电力负荷预测模型框架
•     2.2.2 分布式电力负荷预测步骤
• 3 电力负荷预测模型的性能分析
•   3.1 测试环境
•   3.2 电力负荷数据的预处理
•   3.3 结果与分析
• 4 结论

文章来源

类型: 期刊论文

作者: 张丽珍

关键词: 电力负荷,单机模式,分布式处理方式,极限学习机,云计算集群系统

来源: 科技通报 2019年02期

年度: 2019

分类: 基础科学,工程科技Ⅱ辑

专业: 电力工业

单位: 山西电力职业技术学院

分类号: TM715

DOI: 10.13774/j.cnki.kjtb.2019.02.021

页码: 101-105

总页数: 5

文件大小: 810K

下载量: 141