1、隨著能源問題和環(huán)境污染問題的日益嚴峻，綜合開發(fā)與合理利用新能源勢在必行，而微電網(wǎng)的建設(shè)可以充分消納新能源并且優(yōu)化能源結(jié)構(gòu)。準確地進行負荷預(yù)測不僅可以為微電網(wǎng)優(yōu)化運行和能量管理決策提供重要依據(jù)，還可以保證微電網(wǎng)高效率的經(jīng)濟運行。因此，本文針對微電網(wǎng)的短期負荷預(yù)測問題展開研究，對微電網(wǎng)系統(tǒng)優(yōu)化運行具有重要的理論意義和實用價值。
　　本文首先對微電網(wǎng)負荷預(yù)測的特點及其影響因素進行了分析，采用改進的混合蛙跳算法對核函數(shù)極限學習機的組合參數(shù)

2、進行優(yōu)化（ISFLA_KELM）,同時引入Spark on YARN平臺，將算法進行并行化改進，在確保預(yù)測精度的同時通過并行計算來應(yīng)對大數(shù)據(jù)帶來的挑戰(zhàn)，并采用某微電網(wǎng)真實負荷數(shù)據(jù)驗證預(yù)測準確度以及執(zhí)行效率。本文主要進行以下幾個方面的工作。
　　(1)分析了微電網(wǎng)負荷預(yù)測面臨的問題，并研究了不同預(yù)測方法的優(yōu)缺點。針對微電網(wǎng)負荷預(yù)測的影響因素及特點，選擇適合的智能優(yōu)化算法——混合蛙跳算法，并對其存在的缺點進行針對性改進，給出了改進的混

3、合蛙跳算法。
　　(2)研究分析了混合蛙跳優(yōu)化算法的原理其特點，確定了其相對其他優(yōu)化算法的優(yōu)勢。并將改進后的混合蛙跳優(yōu)化算法與核函數(shù)極限學習機結(jié)合，給出一種新型的微電網(wǎng)負荷預(yù)測算法（ISFLA_KELM）。將核函數(shù)極限學習機的組合參數(shù)作為蛙群優(yōu)化算法的青蛙個體進行優(yōu)化。
　　(3)給出了基于Spark的ISFLA_KELM微電網(wǎng)負荷預(yù)測算法，針對電力大數(shù)據(jù)下單機計算資源不足的問題，分別對KELM中的耗時運算和ISFLA算法進