基于云计算和BP神经网络的短期电价预测研究

摘要

电力市场化是当前电力体制不断发展的产物，电能是其中最重要的部分之一，它的价格是电力市场的重要因素，保证市场的稳定运行，对电价的预测也逐渐成为各国学者的关注焦点。从发电侧角度分析，发电公司可以通过预测电价来制订准确的投标计划，从而取得更大的利润;从购电方角度分析，用户可以通过预测的电价调整用电量，有效地控制购电成本;从市场监管者角度分析，电价预测可为市场的稳定发展提供科学依据。所以，电价预测在电力市场中具有重要意义。
　　通过对各国电力市场的历史数据分析发现电价具有一定的周期性和波动性，而且电价的影响因素很多，除了历史电价、历史负荷这些可量化的因素之外，还包括气候、市场需求等时变因素，不能量化的因素，这些都大大增加了电价预测工作的难度。同时预测样本的选择同样影响电价预测的精度，如何选择和处理输入数据是本文需要考虑的一个重点。本文的研究课题为预测短期电价。
　　鉴于电价的随机性特点，在分析不同模型预测电价的优缺点后，本文采用BP神经网络算法，因为神经网络具有很好的泛化能力，能处理各种非线性问题。但同时，BP神经网络存在收敛速度慢，反向传播过程中会仅仅收敛到局部最小值的缺点，造成训练时间长。针对BP神经网络存在的问题，首先建立基于遗传算法优化的BP神经网络，通过GA算法的选择，交叉，变异优化BP神经网络的权值，并使用美国加州电力市场某时段电力数据进行实验，比较BP算法和GABP算法预测精度。随着电力市场化的发展，电价数据的规模变得越来庞大，仅在单机模式下使用预测模型处理电价数据，会使得模型预测速度缓慢，甚至不能预测出准确结果，基于海量电价数据的预测，本文最后提出了基于云计算的BP神经网络对短期电价进行预测，提高BP神经网络收敛和生成阈值速度，并使用国外某电力市场的电价数据进行实验，计算预测精度，进行误差比较和速度对比，证明其有效性。

目录

声明

摘要

第1章 绪论

1．1 选题背景与意义

1．1．1 研究背景

1．1．2 研究意义

1．2 国内外研究现状

1．2．1 电价预测的分类

1．2．2 电价预测的研究现状

1．3 论文的组织安排

第2章 电价预测基本原理

2．1 电价形成机制

2．2 电价特点分析

2．3 电价影响因素

2．3．1 历史电价

2．3．2 负荷

2．3．3 其它因素

2．3．4 输入变量的选择

2．4 本章小结

第3章 基于BP神经网络的短期电价预测方法

3．1 基于人工神经网络的电价预测方法综述

3．2 BP神经网络原理

3．3 基于BP神经网络的短期电价预测分析

3．3．1 数据的选取

3．3．2 数据预处理

3．3．3 BP神经网络确定隐含层节点数

3．3．4 误差分析

3．4 实验结果

3．5 本章小结

第4章 遗传算法优化的BP神经网络短期电价预测算法设计

4．1 GABP算法设计思想

4．1．1 传统BP神经网络电价预测方法的不足

4．1．2 遗传算法的原理和模型分析

4．1．3 基于遗传算法对BP神经网络的改进

4．2 GABP短期电价预测算法的设计

4．3 对比实验

4．4 本章小结

第5章 基于MapReduce的GABP的短期电价预测算法实现

5．1 云计算

5．1．1 Hadoop

5．1．2 HDFS

5．1．3 MapReduce

5．1．4 HBase

5．2 基于Hadoop的GABP电价预测算法并行化实现

5．2．1 MR-GABP的算法设计

5．2．2 MR-GABP的并行化实现

5．3 Hadoop云计算平台与开发环境的搭建与配置

5．3．1 系统环境配置

5．3．2 全分布Hadoop集群搭建

5．3．3 全分布HBase的安装与配置

5．3．4 开发平台搭建

5．4 对比实验

5．5 本章小结

第6章 总结与展望

6．1 本论文的主要工作

6．2 本文不足及展望

参考文献

致谢

在硕士研究生学习期间发表的学术论文及科研情况