基于大数据的短期负荷预测技术研究

作者：刘音; 孙兵; 苏彪; 李镓辰; 颜渊

来源：信息技术, 2022, 46(12): 183-194.

DOI：10.13274/j.cnki.hdzj.2022.12.032

• 负荷预测
• 大数据处理
• 预测模型
• 随机森林算法
• 抗混叠滤波器

为对电力负荷进行准确地预测，采用Spark并行化大数据处理框架，对各子网分别进行预测，提出基于灰色投影改进随机森林算法，采用灰色关联度判断矩阵表征历史样本与待预测日影响因素间的关联关系，并用熵权法确立影响因素的权重对判断矩阵加权，最后利用各个样本关联度投影值排序得到相似日集合。电能采集和负荷管理终端使用S1C33L05微处理器，电能计量芯片ATT7022B用于数据采集和计量模块。实验表明，系统的预测负荷的变化趋势与实际负荷最相似，负荷预测误差最小，平均负荷预测误差为1.32%。