简介:摘要 电力负荷预测一直是业内研究的一个重点,传统基于统计学习的方法效果不佳,近年来热门的人工智能在负荷预测方面有着不俗的表现,如基于时间序列的负荷预测,本文介绍机器学习在能源系统预测方面的经典算法,并通过机组负荷历史数据建立预测模型,衡量模型的精度,并尝试基于当前一段时间数据预测接下来的值,并予以展示。
简介:随着电力用户的增加,各种电力用户产生的数据,用传统的简单的负荷预测方法难以满足人们对于大数据的分析。大数据时代的来临,在电力系统中不断显现出来的。随着智能电网、通信网络技术和传感器技术的发展,直接导致了电力用户侧数据呈指数式增长,使电力用户侧大数据变得十分复杂。本文主要是针对电力用户侧数据的一些特点提出一些并行负荷预测方法。电力用户侧数据特征有数据数量大、数据结构类型繁多和更新的速度快。电力用户侧大数据在存储处理这些数据上对我们研究这些数据是一个挑战。本文是基于随机森林算法的并行负荷预测方法,通过现代热门的云计算,对影响数据的历史负荷、温度、风速等数据进行并行化分析。