本文關(guān)鍵詞：基于MapReduce和深度學(xué)習(xí)的負(fù)荷分析與預(yù)測

  更多相關(guān)文章： 智能用電 負(fù)荷分析與預(yù)測 大數(shù)據(jù) 決策樹 深度學(xué)習(xí)

【摘要】：智能用電服務(wù)系統(tǒng)是智能電網(wǎng)的重要組成部分,其思想是通過供電企業(yè)與用戶間的雙向互動,針對用戶用電特性提供更加個性化、人性化的智能服務(wù)。準(zhǔn)確的電力負(fù)荷分析與預(yù)測是智能用電服務(wù)的前提。然而隨著智能電網(wǎng)中智能電表、智能終端以及各類傳感器的鋪設(shè),用戶側(cè)的數(shù)據(jù)已經(jīng)達(dá)到了大數(shù)據(jù)的規(guī)模,大大提升了負(fù)荷分析與預(yù)測的難度。如何有效的從這些海量數(shù)據(jù)中挖掘潛在的知識和模式,為供電企業(yè)拓展電力市場、優(yōu)化能源結(jié)構(gòu)、合理配置資源等提供決策依據(jù),是電力系統(tǒng)目前最具挑戰(zhàn)性的任務(wù)之一。大數(shù)據(jù)技術(shù)以及深度學(xué)習(xí)理論是解決上述問題的關(guān)鍵。本文首先在分析大數(shù)據(jù)技術(shù)、深度學(xué)習(xí)、智能用電三者關(guān)系的基礎(chǔ)上,設(shè)計了智能用電大數(shù)據(jù)平臺的整體架構(gòu),并自底向上分別從數(shù)據(jù)來源層、數(shù)據(jù)處理層、挖掘分析層以及業(yè)務(wù)應(yīng)用層四個層次探討了平臺搭建的關(guān)鍵元素。之后,考慮到傳統(tǒng)決策樹算法不能解決海量數(shù)據(jù)挖掘以及ID3算法的多值偏向問題,本文將基于MapReduce模型的并行化決策樹應(yīng)用于智能電表數(shù)據(jù)的用電習(xí)慣挖掘中,并通過在最佳分裂屬性選擇中引入相關(guān)系數(shù),修正了ID3算法中的多值偏向問題。通過實際負(fù)荷數(shù)據(jù),從挖掘結(jié)果和并行性能兩方面驗證算法的有效性。深度學(xué)習(xí)通過多個隱含層對原始輸入的逐步抽象表示,能夠充分挖掘海量負(fù)荷數(shù)據(jù)中的規(guī)律,實現(xiàn)更精準(zhǔn)的短期負(fù)荷預(yù)測。本文介紹了深度學(xué)習(xí)中的堆棧自編碼器(SAE)與深度置信網(wǎng)絡(luò)(DBN)的基本組件、網(wǎng)絡(luò)結(jié)構(gòu)以及訓(xùn)練方法,對深度學(xué)習(xí)只能依靠專家經(jīng)驗選取隱含層神經(jīng)元個數(shù)這一缺陷,提出基于信息熵的隱含層神經(jīng)元個數(shù)確定方法,并利用通用MNIST數(shù)據(jù)集驗證方法的有效性。同時,在Spark平臺中,利用數(shù)據(jù)并行的方式將深度學(xué)習(xí)的訓(xùn)練過程并行化,并提出基于典型負(fù)荷曲線的深度學(xué)習(xí)改進(jìn)方法,最終利用實際負(fù)荷數(shù)據(jù)與其他算法進(jìn)行比對驗證該方法的可行性。
【學(xué)位授予單位】：東南大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TM714;TM715

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 楊永標(biāo);顏慶國;王冬;楊斌;高輝;;居民用戶智能用電建模及優(yōu)化仿真分析[J];電力系統(tǒng)自動化;2016年03期

2 王亞玲;劉越;洪建光;崔蔚;李彥虎;蘇伊鵬;黃高攀;張明明;劉萬濤;;基于Spark/Shark的電力用采大數(shù)據(jù)OLAP分析系統(tǒng)[J];中國科學(xué)技術(shù)大學(xué)學(xué)報;2016年01期

3 石鑫;朱永利;薩初日拉;王劉旺;孫崗;;基于深度信念網(wǎng)絡(luò)的電力變壓器故障分類建模[J];電力系統(tǒng)保護(hù)與控制;2016年01期

4 董躍華;劉力;;基于相關(guān)系數(shù)的決策樹優(yōu)化算法[J];計算機(jī)工程與科學(xué);2015年09期

5 王德文;孫志偉;;一種基于內(nèi)存計算的電力用戶聚類分析方法[J];智能系統(tǒng)學(xué)報;2015年04期

6 張春霞;姬楠楠;王冠偉;;受限波爾茲曼機(jī)[J];工程數(shù)學(xué)學(xué)報;2015年02期

7 ;2015年大數(shù)據(jù)十大發(fā)展趨勢預(yù)測[J];中國教育網(wǎng)絡(luò);2015年Z1期

8 王德文;孫志偉;;電力用戶側(cè)大數(shù)據(jù)分析與并行負(fù)荷預(yù)測[J];中國電機(jī)工程學(xué)報;2015年03期

9 張東霞;苗新;劉麗平;張焰;劉科研;;智能電網(wǎng)大數(shù)據(jù)技術(shù)發(fā)展研究[J];中國電機(jī)工程學(xué)報;2015年01期

10 劉杰;侯躍斌;劉念;;針對非技術(shù)性損失的智能用電異常檢測方法[J];華東電力;2014年04期

，

本文編號：1241915