近年來,隨著我國電力行業(yè)的快速發(fā)展,作為電力系統(tǒng)規(guī)劃的重要指標(biāo)之一,用戶與企業(yè)對電力負(fù)荷預(yù)測技術(shù)的研究越來越重視。根據(jù)預(yù)測目標(biāo)的異同,可將電力負(fù)荷預(yù)測大致分為短、中、長期三類。其中,短期負(fù)荷預(yù)測以日負(fù)荷預(yù)測為主,它的負(fù)荷值主要受到天氣、時間等多項外界因素的影響。提高電力負(fù)荷預(yù)測精確程度的關(guān)鍵點在于如何選取影響負(fù)荷變化因素和建立合適的負(fù)荷預(yù)測模型。精確、及時的負(fù)荷預(yù)測,讓預(yù)測員及時掌握負(fù)荷量變化的規(guī)律,能夠為企業(yè)決策提供可靠的支持。本文結(jié)合關(guān)聯(lián)規(guī)則挖掘技術(shù),對負(fù)荷預(yù)測進行了深入研究。本文的課題研究主要圍繞以下幾個方面:（1）以PFP-tree算法為基礎(chǔ),結(jié)合Spark編程框架,提出一種改進的并行關(guān)聯(lián)規(guī)則增量更新算法。算法優(yōu)化了頻繁模式樹結(jié)構(gòu)和并行計算分組策略,減小了時間和空間復(fù)雜度。實驗證明,算法具備了較高的挖掘效率和可擴展性,適用于動態(tài)增長的大數(shù)據(jù)環(huán)境;（2）基于改進的并行關(guān)聯(lián)規(guī)則算法,設(shè)計一種短期電力負(fù)荷預(yù)測方法。方法能夠從海量負(fù)荷數(shù)據(jù)中快速、準(zhǔn)確地提取影響負(fù)荷變化的因素并輸出預(yù)測值。實驗結(jié)果表明,通過該方法產(chǎn)生的負(fù)荷預(yù)測數(shù)據(jù)具有較高的準(zhǔn)確性和可靠性;（3）搭建一個城市短期電力負(fù)荷預(yù)... 

【文章來源】：南京郵電大學(xué)江蘇省

【文章頁數(shù)】：56 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 課題研究背景
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 電力預(yù)測方法現(xiàn)狀研究
        1.2.2 關(guān)聯(lián)規(guī)則算法現(xiàn)狀研究
        1.2.3 Spark云計算平臺現(xiàn)狀研究
    1.3 本文研究內(nèi)容
    1.4 章節(jié)安排
第二章 電力負(fù)荷預(yù)測方法與相關(guān)技術(shù)介紹
    2.1 電力預(yù)測原理
        2.1.1 電力預(yù)測的分類
        2.1.2 電力預(yù)測的特點
    2.2 電力預(yù)測方法
        2.2.1 傳統(tǒng)預(yù)測方法
        2.2.2 基于數(shù)據(jù)挖掘的方法
    2.3 關(guān)聯(lián)規(guī)則挖掘
        2.3.1 關(guān)聯(lián)規(guī)則基本概念
        2.3.2 Apriori算法
        2.3.3 FP-Growth算法
    2.4 Spark編程模型
    2.5 本章小結(jié)
第三章 改進的并行增量更新算法
    3.1 增量更新算法
        3.1.1 FUP算法
        3.1.2 PFP-tree算法
    3.2 SPUFP算法
        3.2.1 算法描述
        3.2.2 分組策略
    3.3 SPUFP算法性能分析
        3.3.1 單機環(huán)境下的算法性能分析
        3.3.2 分布式集群環(huán)境下的算法性能分析
    3.4 本章小結(jié)
第四章 城市短期電力負(fù)荷預(yù)測系統(tǒng)的設(shè)計與實現(xiàn)
    4.1 電力負(fù)荷預(yù)測系統(tǒng)設(shè)計
    4.2 數(shù)據(jù)收集
        4.2.1 影響因素分析
        4.2.2 歷史負(fù)荷數(shù)據(jù)收集
    4.3 數(shù)據(jù)預(yù)處理
        4.3.1 數(shù)據(jù)篩選
        4.3.2 數(shù)據(jù)轉(zhuǎn)換
    4.4 負(fù)荷預(yù)測
        4.4.1 基于SPUFP算法的關(guān)聯(lián)規(guī)則挖掘
        4.4.2 基于回歸方程的預(yù)測模型
    4.5 實驗結(jié)果與分析
        4.5.1 算法性能分析
        4.5.2 預(yù)測結(jié)果分析
    4.6 本章小結(jié)
第五章 總結(jié)和展望
    5.1 總結(jié)
    5.2 工作展望
參考文獻
附錄 1 攻讀碩士學(xué)位期間撰寫的論文
附錄 2 攻讀碩士學(xué)位期間申請的專利
致謝


【參考文獻】：
期刊論文
[1]城市電力負(fù)荷的短期預(yù)測[J]. 王曼怡,朱家明,洪陽,周雯靜.  山西師范大學(xué)學(xué)報(自然科學(xué)版). 2017(04)
[2]基于Hadoop與Storm的日志實時處理系統(tǒng)研究[J]. 李洋,呂家恪.  西南師范大學(xué)學(xué)報(自然科學(xué)版). 2017(04)
[3]關(guān)于空間電力負(fù)荷預(yù)測方法綜述與展望[J]. 黃慶鍵,歐周,林佳亮.  自動化應(yīng)用. 2017(02)
[4]基于Spark的混合推薦算法研究[J]. 胡德敏,龔燕.  計算機應(yīng)用研究. 2017(12)
[5]基于Hadoop架構(gòu)的多重分布式BP神經(jīng)網(wǎng)絡(luò)的短期負(fù)荷預(yù)測方法[J]. 蘇學(xué)能,劉天琪,曹鴻謙,焦慧明,于亞光,何川,沈驥.  中國電機工程學(xué)報. 2017(17)
[6]電力系統(tǒng)負(fù)荷預(yù)測方法在配電網(wǎng)規(guī)劃中的實踐探析[J]. 白靖.  通信電源技術(shù). 2016(02)
[7]基于Spark的Apriori算法的改進[J]. 牛海玲,魯慧民,劉振杰.  東北師大學(xué)報(自然科學(xué)版). 2016(01)
[8]基于多因素加法模型的中期電力負(fù)荷預(yù)測[J]. 翁金芳,黃偉,江育娥,林劼.  計算機系統(tǒng)應(yīng)用. 2016(03)
[9]基于粗糙集理論與D-S證據(jù)理論改進的多元回歸負(fù)荷預(yù)測方法研究[J]. 陳毅波,鄭玲,姚建剛.  電力系統(tǒng)保護與控制. 2016(06)
[10]基于MapReduce的并行關(guān)聯(lián)規(guī)則增量更新算法[J]. 程廣,王曉峰.  計算機工程. 2016(02)

博士論文
[1]大數(shù)據(jù)處理技術(shù)與系統(tǒng)研究[D]. 顧榮.南京大學(xué) 2016
[2]灰色預(yù)測模型及中長期電力負(fù)荷預(yù)測應(yīng)用研究[D]. 王大鵬.華中科技大學(xué) 2013

碩士論文
[1]基于Spark的若干數(shù)據(jù)挖掘技術(shù)研究[D]. 寧永恒.中國計量學(xué)院 2015
[2]基于BP神經(jīng)網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測的研究[D]. 隋惠惠.哈爾濱工業(yè)大學(xué) 2015
[3]基于Hadoop的大數(shù)據(jù)關(guān)聯(lián)規(guī)則挖掘算法的研究與實現(xiàn)[D]. 廖晶貴.華南理工大學(xué) 2015
[4]基于垂直格式的頻繁項集挖掘算法研究[D]. 李彤陽.長春工業(yè)大學(xué) 2015
[5]數(shù)據(jù)挖掘中關(guān)聯(lián)規(guī)則算法的研究與改進[D]. 張璽.北京郵電大學(xué) 2015
[6]基于增量式關(guān)聯(lián)規(guī)則挖掘算法的研究及其在手機病毒檢測中的應(yīng)用[D]. 王旭.北京郵電大學(xué) 2013



本文編號：3081531