科研之友
微信
新浪微博
Facebook
分享链接
摘要
为解决当前电力系统存在自动化系统繁多、数据标准多样、信息内容重复等问题,进一步提高电力大数据的鲜活性、现势性和准确性,降低数据采集成本,提高数据利用价值。本文通过分析电力大数据存在的问题,选取基于MapReduce框架下的Hermite正交基前向神经网络算法。本方法利用MapReduce框架将大样本并行化处理,解决了BP神经网络存在的收敛速度慢、局部极小点、网络结构不确定等缺点。本文实验首先从数据集的选取,以Hadoop为基础搭建实验平台,将风电场历史监测数据作为源数据,并将其分为几组容量不同的数据分别进行风电场功率预测的实验分析。通过实验结果的对比表明本文提出的基于MapReduce框架下的Hermite正交基前向神经网络算法较传统的BP神经网络算法在功率预测上精度更准确、效率更高。
-
单位贵州电网有限责任公司
