你好,游客 登录 注册 发布搜索
背景:
阅读新闻

[PDF]云计算和机器学习算法在电力负荷预测中的研究与应用

[日期:2015-04-13] 来源:CNKI  作者:赵硕 [字体: ]

云计算和机器学习算法在电力负荷预测中的研究与应用

华北电力大学 赵硕 

本文提出一种基于云计算的并行量子粒子群优化模糊C均值聚类算法。将量子粒子群群体智能算法(QPSO)引入到传统模糊C均值聚类算法(FCM)中,利用QPSO较强的全局搜索能力,克服传统FCM算法易陷入局部最优以及其对初始聚类中心过于敏感的缺陷。其次,针对传统支持向量机负荷预测算法执行效率较低的不足,提出将序列极小优化算法引入到电力负荷支持向量机预测算法(ε SVR)中,实现对ε SVR算法的快速训练。此外,针对电力负荷预测的实际应用场景,还提出一种在线序列优化的极限学习机的短期电力负荷预测模型。针对电力负荷数据特性,将极限学习机算法引入到负荷预测领域,并对该算法进行在线序列优化;引入分布式和multi-agent思想,提升负荷预测算法预测准确率。最后,采用云计算技术中的MapReduce编程框架以及HBase分布式数据库等技术,对提出的三种改进算法进行并行化改进,并设计相应的Map和Reduce函数,以提高其处理海量高维数据的能力。


云计算和机器学习算法在电力负荷预测中的研究与应用

收藏 推荐 打印 | 录入:574107552 | 阅读:
本文评论   查看全部评论 (0)
表情: 表情 姓名: 字数
点评:
       
评论声明
  • 尊重网上道德,遵守中华人民共和国的各项有关法律法规
  • 承担一切因您的行为而直接或间接导致的民事或刑事法律责任
  • 本站管理人员有权保留或删除其管辖留言中的任意内容
  • 本站有权在网站内转载或引用您的评论
  • 参与本评论即表明您已经阅读并接受上述条款