基于随机森林的电力系统小时负荷预测研究

被引：58

作者：

黄晗 ^{[1
,2
]}

孙堃 ^{[1
,2
]}

刘达 ^{[1
,2
]}

机构：

[1] 华北电力大学经济与管理学院

[2] 智慧能源研究所

来源：

智慧电力 | 2018年 / 46卷 / 05期

关键词：

小时负荷预测; 随机森林; 支持向量机; 反向传播网络;

D O I：

暂无

中图分类号：

TM715 [电力系统规划];

学科分类号：

080802 [电力系统及其自动化];

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。

引用

收藏

页码：8 / 14

页数：7

相关论文

共 23 条

[1]

改进残差GM(1,1)模型在中长期负荷预测中的应用 [J].

李辉 .

广东电力, 2017, 30 (09) :81-85

[2]

融合随机森林的偏最小二乘法及其中医药数据分析 [J].

曾青霞 ;

杜建强 ;

聂斌 ;

喻芳 ;

余日跃 ;

朱志鹏 .

计算机应用研究, 2018, 35 (10) :2940-2942+2968

[3]

基于小波变异果蝇优化支持向量机短期负荷预测方法研究 [J].

熊军华 ;

牛珂 ;

张春歌 ;

李铎 ;

谢飞 .

电力系统保护与控制, 2017, 45 (13) :71-77

[4]

用马尔可夫法改进残差GM(1,1)模型中长期负荷预测 [J].

李辉 .

陕西电力, 2017, 45 (05) :75-77+82

[5]

基于变量选择与高斯过程回归的短期负荷预测 [J].

梁智 ;

孙国强 ;

卫志农 ;

臧海祥 .

电力建设, 2017, 38 (02) :122-128

[6]

基于随机森林的遥感干旱监测模型的构建 [J].

沈润平 ;

郭佳 ;

张婧娴 ;

李洛晞 .

地球信息科学学报, 2017, 19 (01) :125-133

[7]

基于支持向量机的某地区电网短期电力负荷预测 [J].

万强 ;

王清亮 ;

王睿豪 ;

黄朝晖 ;

白云飞 ;

陈大军 ;

栗维勋 .

电网与清洁能源, 2016, 32 (12) :14-20

[8]

基于随机森林算法的用电负荷预测研究 [J].

李婉华 ;

陈宏 ;

郭昆 ;

郭松荣 ;

韩嘉民 ;

陈羽中 .

计算机工程与应用 , 2016, (23) :236-243

[9]

一种新的粒子群算法优化支持向量机的短期负荷预测 [J].

陶琳 ;

岳小冰 .

电子设计工程, 2016, (16) :151-154

[10]

采用互信息与随机森林算法的用户用电关联因素辨识及用电量预测方法 [J].

赵腾 ;

王林童 ;

张焰 ;

田世明 .

中国电机工程学报, 2016, 36 (03) :604-614