-
题名基于大数据技术的多变量短期电力需求预测研究
被引量：12
- 1
-
-
作者
袁小凯
李果
黄世平
-
机构
南方电网科学研究院
-
出处
《电网与清洁能源》
2020年第12期30-34,40,共6页
-
基金
广东经研院咨询科技项目(SGNXJY30GHKL1902560)。
-
文摘
针对传统多变量短期电力需求预测方法没有归一化处理电力数据,导致预测性能较差、精度较低,提出基于大数据技术的多变量短期电力需求预测方法。在电网大数据框架中,连接MONGOOSE数据库引擎与短期电子服务器,完成大数据技术支持下的短期电力环境搭建。基于大数据技术,通过确定神经预测网络层数的方式,实现电力需求数据的归一化处理,根据多变量短期预测误差的计算结果,实现基于大数据技术多变量短期电力需求预测方法的应用。实验结果表明,研究方法的电力需求预测有效性更好,预测精度更高。
-
关键词
大数据技术
多变量需求
短期电力预测
数据库引擎
电子服务器
预测神经网络
电力需求数据
预测误差
-
Keywords
big data technology
multivariate demand
short-term power forecast
database engine
electronic server
predictive neural network
electricity demand data
prediction error
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-
