文献类型：期刊文章

作　　者：谷云东[1,2] 马冬芬[1] 程红超[2]

GU Yundong;MA Dongfen;CHENG Hongchao(School of Applied Mathematics,Xinjiang University of Finance and Economics,Urumqi 830012,China;School of Mathematics and Physics,North China Electric Power University,Beijing 102206,China)

机构地区：[1]新疆财经大学应用数学学院,乌鲁木齐830012 [2]华北电力大学数理学院,北京102206

出　　处：《电力系统及其自动化学报》

基　　金：国家自然科学基金重点资助项目(71671064);中央高校科研业务费专项基金资助项目(2015MS51);新疆财经大学研究生科研项目(XJUFE2018K043)

年　　份：2019

卷　　号：31

期　　号：5

起止页码：64-69

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、IC、INSPEC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：针对高精度电力负荷预测问题,构建了相似数据选取和改进梯度提升决策树的新预测方法。该方法借助灰色关联分析等方法计算历史日与待预测日在气象、时间和前趋势等类特征因子上的局部相似度,依据取小综合相似度选择相似历史日数据组成训练数据集;进而,引入相似度加权损失函数,改进梯度提升决策树算法。仿真结果表明,其预测平均绝对百分比误差小于2.2%,日最大误差不超过6%;与BP神经网络和梯度提升决策树相比,其日平均绝对误差、日最大误差及周平均误差均方差分别减少1.136%和0.316%、4.738%和1.324%以及1.062和0.822。

关 键 词：电力负荷预测 相似数据选取  相似度 梯度提升决策树  

分 类 号：TM715]