[实用新型]一种基于深度学习的负荷预测大数据运行平台

说明书

本实用新型公开了一种基于深度学习的负荷预测大数据运行平台，它包括资源层，资源层与平台层通过以太网连接，平台层与应用层通过以太网连接，所述资源层为数据库服务器，平台层为工作站，应用层为监控终端；解决了现有技术存在的由于电力负荷预测随着智能电网的建设，必然产生大量的数据，而采用常规的运行平台已经不能满足对大数据量的处理；对计算效率带来巨大挑战，降低了预测精度等技术问题。

技术领域

本实用新型属于电力负荷预测技术领域，尤其涉及一种基于深度学习的负荷预测大数据运行平台。

背景技术

电力负荷预测是电力安全调度的重要依据，在保证电力系统稳定、可靠、经济运行等方面具有十分重要的意义。近年来，国内外专家对预测理论做了许多研究，提出多种负荷预测模型，如 BP 神经网络、小波分析和支持向量机等，为电力系统负荷预测提供有力支持。其中，BP 神经网络具有较强的非线性映射能力和泛化能力，但容易产生过拟合和局部最优；小波分析具有较强的逼近、容错能力，但小波基函数的选择和参数初始化没有一定的依据准则；支持向量机可剔除大量冗余样本，鲁棒性较好，但对大规模样本训练难以实施，解决多分类问题存在困难；回归分析法在数据较少时，训练速度快、误差率小，但对大量数据处理效果差。

上述电力负荷预测算法由于精度和使用范围的限制，无法满足越来越复杂的电力系统负荷预测要求。此外，随着我国智能电网的建设，必然产生大量的数据，而采用常规的运行平台已经不能满足对大数据量的处理；对计算效率带来巨大挑战，降低了预测精度。

发明内容

本实用新型解决的技术问题：提出一种基于深度学习的负荷预测大数据运行平台，以解决现有技术存在的由于电力负荷预测随着智能电网的建设，必然产生大量的数据，而采用常规的运行平台已经不能满足对大数据量的处理；对计算效率带来巨大挑战，降低了预测精度等技术问题。

本实用新型的技术方案：

一种基于深度学习的负荷预测大数据运行平台，它包括资源层，资源层与平台层通过以太网连接，平台层与应用层通过以太网连接，所述资源层为数据库服务器，平台层为工作站，应用层为监控终端。

所述平台层提供串行口接口，通过串行口接口与数据采集系统连接， 数据采集系统包括CPU，电压互感器和电流互感器分别与CPU连接，CPU通过RS232或RS485接口与平台层连接。

本实用新型的有益效果：

本实用新型将负荷预测大数据运行平台分为独立的三部分，各部分之间通过高速以太网连接进行信息交互，而且数据处理独立分开互不影响，提高了数据处理效率和实时性，提高了预测精度；解决了现有技术存在的由于电力负荷预测随着智能电网的建设，必然产生大量的数据，而采用常规的运行平台已经不能满足对大数据量的处理；对计算效率带来巨大挑战，降低了预测精度等技术问题。

附图说明

图1为本实用新型示意图。

具体实施方式

一种基于深度学习的负荷预测大数据运行平台，它包括资源层，资源层与平台层通过以太网连接，平台层与应用层通过以太网连接，所述资源层为数据库服务器，平台层为工作站，应用层为监控终端；平台层为工作站采样高速计算机进行数据处理并提供网络接口；监控终端包括电能终端，移动终端等，通过有线以太网或无线以太网与平台层连接，显示平台层数据处理的结果。资源层为数据库服务器组成，主要用于存储历史负荷数据和历史天气数据等信息，供平台层使用。

平台层主要提供数据处理、数据存储和应用工具，同时提供接口与其他部分连接；它是整个平台的核心部分。

对于实时数据的采集，通过平台层提供串行口接口，通过串行口接口与数据采集系统连接， 数据采集系统包括CPU，电压互感器和电流互感器分别与CPU连接，CPU通过RS232或RS485接口与平台层连接；通过电压互感器和电流互感器采集实时数据。