基于随机森林的电力系统小时负荷预测研究

       摘要: 传统的数据分析模式渐渐不适用于电力系统的负荷预测.为提高负荷预测的精度,基于电力负荷历史数据和天气信息,结合随机森林(RF)算法,对比支持向量机(SVM)和反向传播网络(BP)方法,研究电力系统小时负荷预测.发现树的数量影响随机森林的精度,是建立模型时需要考虑的重要变量.与对比模型结果相比,随机森林在小时负荷预测方面吻合程度较好,提高了小时负荷预测的精度.

作者:
黄晗 孙堃 刘达
单位:
华北电力大学经济与管理学院,北京昌平102206;智慧能源研究所,北京昌平102206
出处:
《智慧电力》
刊期:
2018年第46卷第5期
基金:
国家自然科学基金项目(51641701)

基于随机森林的电力系统小时负荷预测研究

摘要: 传统的数据分析模式渐渐不适用于电力系统的负荷预测.为提高负荷预测的精度,基于电力负荷历史数据和天气信息,结合随机森林(RF)算法,对比支持向量机(SVM)和反向传播网络(BP)方法,研究电力系统小时负荷预测.发现树的数量影响随机森林的精度,是建立模型时需要考虑的重要变量.与对比模型结果相比,随机森林在小时负荷预测方面吻合程度较好,提高了小时负荷预测的精度.

说明:如本页面涉及到版权问题或作者不愿意公开,请联系本站管理员删除!

0.167564s