我们的实验硬件环境配置为:GPU计算型GN7|GN7.5XLARGE80(配置一颗NVIDIA T4),80内存。操作系统为 Windows Server 2019 数据数据中心版 64位 中文版。开发环境位Python 3.9,采用的深度学习框架为paddlepaddle百度飞桨框架。 为了研究电力系统负荷在历史的系统负荷、经济状况、 气象条件和社会事件等因素的影响,并对未来一段时间的系统负荷做出预测,我们对电力负荷的各种数据进行了处理。该任务属于时间序列领域,。传统的电力负荷预测方法,比如回归分析法、灰色模型、支持向量机原理等,都无法较高精度得预测地区用电负荷。对于此,我们通过python进行预测,采用lstm模型预测多变量背景下长短期电力负荷,同时采用BG分割算法,检测出量级突变的电力负荷。
腾讯云的GPU产品计算型GN7,使用在gpu上的效果不错,代码运行速率高,基本上各项功能都非常好,所以我觉得非常适合来做这项工作。 我们的论文主要是数据挖掘竞赛的论文,主要是出该地区电网未来3个月日负荷的最大值、最小值及相应达到的时间,客观分析知,该题需要结合日期特征与气象特征,我们决定根据日期特征建立两个模型。首先确定预测日,将预测日的日期特征、气象特征输入数据库,在对数据预处理后基于GMM聚类的日负荷场景进行划分,分为正常日与节假日,判断该预测日属于哪类日负荷场景后,进入相应的模型进行预测,然后再利用一个for循环,找出最大值、最小值。
总之,gpu效能很不错。
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。