段浩,赵璞,郑思源,张清周,季节,吴昌设,张晋阳
DUAN Hao,ZHAO Pu,ZHENG Siyuan,ZHANG Qingzhou,JI Jie,WU Changshe,ZHANG Jinyang

• 1:国网浙江省电力有限公司温州供电公司
• 2:华北电力大学

摘要(Abstract)：

随着"两网"融合的逐步推广,可靠的流量预测对于改善城市网络环境、优化网络效率起到至关重要的作用。针对目前带宽预测方法存在的带宽利用率不高、仅针对预测当地进行研究而忽视相邻地区的影响等问题,提出了一种基于3D卷积和最小二乘法的动态、静态分量的通信带宽估算方法。搭建了相对应的网络模型,根据城市网络一定时间段内的流量分布,得到城市不同范围内的通信带宽值和信息流量密度,并通过算例验证了所提方法的有效性。
With the promotion of "dual-network" convergence, reliable data prediction is playing a key role in urban network environment improvement and network efficiency optimization. In view of the low bandwidth utilization ratio of the existing bandwidth prediction method and the research focusing merely on the local areas while ignoring the impact of adjacent areas, this paper proposes a dynamic and static component communication bandwidth estimation method based on 3D convolution and least squares. A corresponding network model is built. According to the traffic distribution in a certain period of the city network, the communication bandwidth value and information flow density in different ranges of the city are obtained, and the effectiveness of the proposed method is verified by a calculation example.

关键词(KeyWords)： 3D卷积;最小二乘法;静态分量;动态分量;带宽预测
3D convolution;least squares method;static component;dynamic component;bandwidth prediction

Abstract:

Keywords:

基金项目(Foundation): 国网浙江省电力有限公司温州供电公司科技项目（2020-297）

作者(Author): 段浩,赵璞,郑思源,张清周,季节,吴昌设,张晋阳
DUAN Hao,ZHAO Pu,ZHENG Siyuan,ZHANG Qingzhou,JI Jie,WU Changshe,ZHANG Jinyang

DOI: 10.19585/j.zjdl.202105010

参考文献(References)：

• [1]张纪伟，刘晓明，贡卓，等.基于城市用地性质及开发时间的改进空间负荷预测方法研究[J].供用电，2019,36(7):65-70.
• [2]庞清乐.基于粗糙集理论的神经网络预测算法及其在短期负荷预测中的应用[J].电网技术，2010,34(12):168-173.
• [3]吴海洋，陈鹏，郭波，等.基于注意力机制和LSTM的电力通信设备状态预测[J].计算机与现代化，2020(10):12-16.
• [4]王德明，王莉，张广明.基于遗传BP神经网络的短期风速预测模型[J].浙江大学学报（工学版），2012,46(5):837-841.
• [5]武小梅，白银明，文福拴.基于RBF神经元网络的风电功率短期预测[J].电力系统保护与控制，2011,39(15):80-83.
• [6]祝学昌.基于IFOA-GRNN的短期电力负荷预测方法研究[J].电力系统保护与控制，2020,48(9):121-127.
• [7]唐玮，钟士元，舒娇，等.基于GRA-LSSVM的配电网空间负荷预测方法研究[J].电力系统保护与控制，2018,46(24):76-82.
• [8]张守超.大数据挖掘在通信网络预测中的应用与研究[D].南京：南京邮电大学，2016.
• [9]朱清智，董泽，马宁.基于即时学习算法的短期负荷预测方法[J].电力系统保护与控制，2020,48(7):92-98.
• [10]魏华栋，陶媛，蔡昌春，等.基于改进长短期记忆神经网络的短期负荷预测[J].电测与仪表，2020,57(19):93-98.
• [11]郭蕴颖，丁云峰.基于CNN和LSTM联合预测并修正的电量缺失数据预测[J].计算机系统应用，2020,29(8):192-198.
• [12]袁晓丹，赵佳琪，薛秀茹.基于LSTM的短时电力负荷预测[J].数码世界，2020(8):280-281.
• [13]祝学昌.基于IFOA-GRNN的短期电力负荷预测方法研究[J].电力系统保护与控制，2020,48(9):121-127.
• [14]杨慢慢，王金凤，李燕青，等.改进的空间负荷预测法及其应用[J].电力科学与工程，2011,27(11):35-38.
• [15]苏丽梅，张瑞刚.基于弹性系数法的鱼田堡至石林公路交通量预测[J].北方交通，2019(8):66-68.
• [16]康宏伟，李强，于硕，等.基于SA-PSO-BP神经网络算法的超短期风电出力预测[J].内蒙古电力技术，2020,38(6):64-68.
• [17]陈杰尧，黄炜斌，马光文，等.基于相似性识别的短期负荷动态预测方法[J].电网与清洁能源，2020,36(4):1-7.
• [18]朱玥，顾洁，孟璐.基于EMD-LSTM的光伏发电预测模型[J].电力工程技术，2020,39(2):51-58.
• [19]王茜，伦淑娴.一种新的具有多个储备池的回声状态网[J].渤海大学学报（自然科学版），2020,41(1):90-96.
• [20]郭威麟，蒋晓艳，罗意，等.基于EEMD-GABP的某地区短期负荷预测研究[J].电力工程技术，2019,38(6):93-98.
• [21]李相俊，许格健.基于长短期记忆神经网络的风力发电功率预测方法[J].发电技术，2019,40(5):426-433.
• [22]张岩，李洋博，柳姗，等.基于蚁群优化神经网络模型的风电功率预测[J].内蒙古电力技术，2019,37(4):26-30.
• [23]罗可昕，邢晨.基于卷积神经网络风格迁移在iOS上的应用[J].浙江水利水电学院学报，2019,31(5):67-71.
• [24]时珉，周海，韩雨彤，等.一种考虑季节特性的光伏电站多模型功率预测方法[J].电网与清洁能源，2019,35(7):75-82.
• [25]张宜忠，杨旭东，张正卫，等.考虑气象累积效应的IPSO-BP神经网络短期负荷预测算法[J].四川电力技术，2019,42(3):1-5.
• [26]李文萱，殷大澍，刘倩.基于扰动观测器和神经网络的自动门系统安全性优化研究[J].浙江水利水电学院学报，2020,32(6):64-68.