基于随机森林算法的负载预警研究及并行化

近年来国内通信行业发展十分迅速，运营商通信网络的规模也随之壮大。在运营商通信网络中，数据中心机房是不可或缺的重要枢纽，承担着巨大的通信压力，数据中心机房的配电系统故障率和安全事故的风险也在不断提高，同时也导致机房运维难度和运维成本与日俱增。在现代电力系统中电力大数据的格局下，对高维海量数据进行深度挖掘，进而预测可能存在的告警，从而做到防患于未然，是一个值得研究的问题。针对电力大数据环境下高精度和实时性的负载预测展开了研究，提出了基于随机森林算法的负载预警，并基于Spark平台实现其并行化。结合某区域实际电力数据设计试验，进行模型训练和回归预测，通过试验证明，对同等的数据集，并行随机森林算法预测精度高于单机负载预测，为负载预测提供了一种新思路。