文献类型：期刊文章

作　　者：冯忠义[1] 王咏欣[1] 袁博[1] 冯秀丽[1] 姚志安[2] 吴志刚[2]

FENG Zhongyi;WANG Yongxin;YUAN Bo;FENG Xiuli;YAO Zhian;WU Zhigang(Lyuliang Power Supply Company of State Grid Shanxi Electric Power Company,Lyuliang 033000,Shanxi,China;Taihao Software Co.,Ltd.,Shanghai 200335,China)

机构地区：[1]国网山西省电力公司吕梁供电公司,山西吕梁033000 [2]泰豪软件股份有限公司,上海200335

出　　处：《水利水电技术（中英文）》

基　　金：山西省电力公司科技项目“基于互联网平台的电力用户用能特性数据挖掘机用能服务策略研究”(2700/2020-15002B)

年　　份：2021

卷　　号：52

期　　号：S02

起止页码：300-305

语　　种：中文

收录情况：BDHX、BDHX2020、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：为提高短期电力负荷预测的精度,提出结合集成学习和局部预测思想的负荷预测新方法。首先,构建随机森林模型,从训练数据集中进行有放回随机抽样,对其中的决策树进行预训练。然后,采用改进的局部预测方法,将电力负荷时间序列嵌入到高维相空间中,通过动态时间规整算法确定待预测样本的邻域,从中选取相似样本对随机森林预训练模型进行微调,以提供更准确和可靠的预测结果。对随机森林、线性回归、K最邻近法、支持向量机等负荷预测方法进行了比较。结果表明:随机森林模型具有更好的预测精度和稳定性。采用所提出的改进局部预测方法进行微调后,模型的预测精度得到进一步提高。

关 键 词：负荷预测 随机森林  局部预测  动态时间规整

分 类 号：TM715]