线上期刊服务咨询,发表咨询:400-808-1701 订阅咨询:400-808-1721

基于Spark和IPPSO_LSSVM的短期分布式电力负荷预测算法

王保义 王冬阳 张少敏 电力自动化设备 2016年第01期

摘要:为了提高电力负荷预测的精度,应对单机运算资源不足的挑战,提出一种改进并行化粒子群算法优化的最小二乘支持向量机短期负荷预测模型。通过引入Spark on YARN内存计算平台,将改进并行粒子群优化(IPPSO)算法部署在平台上,对最小二乘支持向量机(LSSVM)的不确定参数进行算法优化,利用优化后的参数进行负荷预测。通过引入并行化和分布式的思想,提高算法预测准确率和处理海量高维数据的能力。采用EUNITE提供的真实负荷数据,在8节点的云计算集群上进行实验和分析,结果表明所提分布式电力负荷预测算法精度优于传统的泛化神经网络算法,在执行效率上优于基于Map Reduce的分布式在线序列优化学习机算法,且提出的算法具有较好的并行能力。

关键词:sparkippsolssvm负荷预测短期预测

单位:华北电力大学控制与计算机工程学院 河北保定071003

注:因版权方要求,不能公开全文,如需全文,请咨询杂志社

电力自动化设备

北大期刊

¥700.00

关注 26人评论|1人关注