海量数据下的电力负荷短期预测 - 中国电机工程学报.pdfVIP

第35 卷 第1 期 中 国 电 机 工 程 学 报 Vol.35 No.1 Jan.5, 2015 2015 年1 月5 日 Proceedings of the CSEE ©2015 Chin.Soc.for Elec.Eng. 37 DOI ：10.13334/j.0258-8013.pcsee.2015.01.005 文章编号：0258-8013 (2015) 01-0037-06 中图分类号：TM 715 海量数据下的电力负荷短期预测 1 1 2 3 张素香 ，赵丙镇 ，王风雨 ，张东 (1．国家电网公司信息通信分公司，北京市 西城区 100761 ；2．北京国电通网络技术有限公司， 北京市 丰台区 100070 ；3．国家电网公司农电工作部，北京市 西城区 100031) Short-term Power Load Forecasting Based on Big Data 1 1 2 3 ZHANG Suxiang , ZHAO Bingzhen , WANG Fengyu , ZHANG Dong (1. State Grid Information Telecommunication branch, Xicheng District, Beijing 100761, China; 2. Beijing Guodiantong Networks Technology Co., Ltd., Fengtai District, Beijing 100070, China; 3. State Grid Corporation of China, Xicheng District, Beijing 100031, China) ABSTRACT: The short-term power load forecasting method 济运行方面具有十分重要的意义。在我国经济高速 had been researched based on the big data. And combined the 发展的今天，解决电力负荷预测问题已成为重要而 local weighted linear regression and cloud computing platform, 艰巨的任务。高质量的负荷预测需要准确的数学模 the parallel local weighted linear regression model was 型，随着现代技术的不断进步和智能用电的深入[1]， established. In order to eliminate the bad data, bad data 负荷预测理论与技术得到很大发展，理论研究逐步 classification model was built based on the maximum entropy algorithm to ensure the effectiveness of the historical data. The 深入[2-3] 。多年来，电力负荷预测理论和方法不断涌 experimental data come from a smart industry park of Gansu 现，神经网络[4-7] [8-9] [10] 、时间序列 、贝叶斯 、模糊 province