一种基于云计算技术的中长期电力负荷组合预测系统及方法技术方案

一种基于云计算技术的中长期电力负荷组合预测系统及方法，该系统主要包括数据预处理部分、基于GEP的负荷预测部分、基于Elman神经网络负荷预测部分、子负荷预测模型优化组合部分。该方法上传存储电力负荷数据到云环境下的数据库中，Hadoop系统平台读取电力数据，运行分布式计算程序对数据进行筛查以及修复处理。其中分布式系统计算程序包括基于相关系数k‑means聚类算法、数据中位值滤波算法、基因表达式算法、Elman神经网络以及子负荷组合优化算法。此外利用时间、环境等特征筛选出受意外因素影响较大的负荷数据，引入这类负荷数据，可以有效避免负荷预测值与常规预测值出现较大偏差，达到扩展中长期电力负荷预测的目的，能够有效提高中长期电力负荷预测的质量。

A medium and long term combined load forecasting system and method based on Cloud Computing Technology

【技术实现步骤摘要】
一种基于云计算技术的中长期电力负荷组合预测系统及方法
本专利技术涉及一种基于云计算技术的中长期电力负荷组合预测系统及方法，属于云计算技术的数据分析处理领域。
技术介绍
电力系统负荷预测是指从电力系统负荷自身的变化以及外部因素出发，通过历史数据，探索负荷及影响因素之间内在联系和规律，对电力需求做出预测。电力负荷预测分为长期、中期、短期及超短期预测，其中中长期电力负荷预测是指5～10年以上期间的负荷预测，主要用于电力系统的长期规划，解决电力系统的安全换新、电网改造与规划问题，是城市电力系统规划的重要组成部分。其负荷预测的准确性对城市安全平稳的用电活动起着至关重要的决定性作用。随着新时代经济社会的快速变化与发展、工农商产业结构不断优化调整以及新时代人民消费观与消费需求的变化，导致城市各方用电的需求发生了实质性的变化。同时天气气候状况、人类活动、电力负荷内在性质以及市场化的运转本身也带来了很多不确定性因素,给传统方法预测城市的中长期电力负荷带来了新的难度。另外随着巨大的用电需求以及电网系统的规模化、复杂化所产生的海量电网数据，以及中长期预测本身所需要的本文档来自技高网...

【技术保护点】
1.一种基于云计算技术的中长期电力负荷组合预测系统，其特征在于：/n所述系统包括四个部分：数据预处理部分、基于GEP的负荷预测部分、基于Elman神经网络负荷预测部分、子负荷预测模型优化组合部分；/n所述数据预处理部分对异常数据进行识别和处理，消除电力负荷数据中因偶然因素而产生的误差数据；/n所述基于GEP的负荷预测部分采用融合的GA和GP的电力负荷预测算法；/n所述基于Elman神经网络负荷预测部分利用Elman神经网络进行中长期电力负荷的预测；/n所述子负荷预测模型组合部分对基于GEP的负荷预测部分和基于Elman神经网络负荷预测部分得出的负荷预测模型进行组合优化，从而得出理想的中长期电力...

【技术特征摘要】
1.一种基于云计算技术的中长期电力负荷组合预测系统，其特征在于：
所述系统包括四个部分：数据预处理部分、基于GEP的负荷预测部分、基于Elman神经网络负荷预测部分、子负荷预测模型优化组合部分；
所述数据预处理部分对异常数据进行识别和处理，消除电力负荷数据中因偶然因素而产生的误差数据；
所述基于GEP的负荷预测部分采用融合的GA和GP的电力负荷预测算法；
所述基于Elman神经网络负荷预测部分利用Elman神经网络进行中长期电力负荷的预测；
所述子负荷预测模型组合部分对基于GEP的负荷预测部分和基于Elman神经网络负荷预测部分得出的负荷预测模型进行组合优化，从而得出理想的中长期电力负荷组合模型。


2.根据权利要求1所述的一种基于云计算技术的中长期电力负荷组合预测系统，其特征在于：所述数据预处理部分由两部分组成：原始数据噪声识别部分和噪声处理部分；对于原始的电力负荷数据采用基于相关系数k-means算法，筛选出异常数据，当聚类簇的密度ρτ＜0.00032时，数据定义为噪声簇；筛选出噪声数据后，再在该数据出现的时间段采用中位值滤波算法，该算法的动态窗口大小设定为5，表示取该数据的前后各两个数据对该噪声数据进行修正，消除电力负荷数据中因偶然因素而产生的误差数据。


3.根据权利要求1所述的一种基于云计算技术的中长期电力负荷组合预测系统，其特征在于：所述基于GEP的负荷预测部分，分为数据分类与数据处理两部分；数据分类部分将数据分为三种类型，一是适合中期负荷预测的历史数据，二是适合长期负荷预测的历史数据，三是为弥补意外经济、环境、气候状况造成的电路负荷的变动情况而引入的负荷数据，避免负荷预测值与常规预测值出现较大偏差，扩展中长期电力负荷预测；数据处理部分利用Hadoop分布式处理结构，将三类数据由主节点分配到三个子节点分别独立的进行基于GEP算法的负荷预测。


4.根据权利要求1所述的一种基于云计算技术的中长期电力负荷组合预测系统，其特征在于：所述基于Elman神经网络负荷预测部分由两部分构成：基于GEP的Elman神经网络的权值优化输出、基于优化权值的基于Elman神经网络负荷预测；Hadoop的三个子节点分别建立独立的基于Elman神经网络，先对神经网络的权值采用GEP算法处理得到最优的优化权值，然后将最优的权值用到神经网络中训练负荷数据，最终输出基于Elman的负荷预测模型。


5.根据权利要求1所述的一种基于云计算技术的中长期电力负荷组合预测系统，其特征在于：子负荷预测模型优化组合部分，该部分将六个节点输出的六种子负荷预测模型采用组合优化算法，以达到最优的负荷模型效果。


6.一种基于云计算技术的中长期电力负荷组合预测方法，其特征在于：包括如下步骤：
步骤1：将海量电力负荷数据通过客户端写入HDFS文件管理系统，进入步骤2；
步骤2：Hadoop分布式计算平台从HDFS数据库中读取存储的电力负荷原始数据，对原始数据进行预处理以提高负荷预测的准确度；进入步骤3；
步骤3：聚类算法计算任意数据间的相关系数以及平均相关系数，从高到低取平均相关系数进行排序，选出前k个平均相关系数作为k-means聚类的聚类中心，聚类结束后,计算k个聚类簇的密度ρt,t＝1,2,...,k，当ρτ＜0.00032时...

【专利技术属性】
技术研发人员：邓松，陈福林，袁新雅，岳东，祝展望，张建堂，蔡清源，董霞，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏;32