基于梯度提升决策树的电力短期负荷预测模型

被引：31

作者：

毕云帆 ^{[1
]}

张健 ^{[2
]}

胥晓晖 ^{[2
]}

孙文慧 ^{[3
]}

张智晟 ^{[1
]}

机构：

[1] 青岛大学与电气工程学院

[2] 国网枣庄供电公司

[3] 青岛地铁集团有限公司

来源：

青岛大学学报(工程技术版) | 2018年 / 33卷 / 03期

关键词：

梯度提升决策树; 决策树; 短期负荷预测; 电力系统;

D O I：

10.13306/j.1006-9798.2018.03.013

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：

为提高短期负荷预测的预测精度,本文基于梯度提升决策树,对电力系统短期负荷预测模型进行研究。梯度提升决策树是通过将梯度提升机和决策树相结合,用大量的历史负荷和气象等数据进行训练,在损失函数负梯度的方向上生成新的决策树,不断优化预测结果。以某地区电力负荷数据为例,对比传统的BP-NN和RBF-NN预测模型。研究结果表明,与其它两个模型相比,基于梯度提升决策树的预测模型对于工作日负荷的预测误差分别降低了1.56%和1.73%,对于休息日负荷的预测误差分别降低了1.60%和1.53%,预测精度得到明显提高。而且该模型不仅可以克服易陷入局部极小值问题,还有效地减小了多因素之间关系互嵌、信息冗余对预测精度的不良影响,验证了该模型研究的合理性和有效性。

引用

页码：70 / 75

页数：6

共 17 条

[1]

基于GBDT的个人信用评估方法 [J].