基于改进随机森林算法的电力系统短期负荷预测模型

被引：8

作者：

邢书豪 ^{[1
]}

孙文慧 ^{[2
]}

颜勇 ^{[3
]}

张智晟 ^{[1
]}

机构：

[1] 青岛大学电气工程学院

[2] 青岛地铁集团有限公司

[3] 国网山东综合能源服务有限公司

来源：

青岛大学学报(工程技术版) | 2019年 / 34卷 / 03期

关键词：

改进随机森林算法; 粒子群优化算法; 短期负荷预测; 电力系统;

D O I：

10.13306/j.1006-9798.2019.03.002

中图分类号：

TM715 [电力系统规划];

学科分类号：

080802 ;

摘要：

为了提高电力系统短期负荷预测的准确性,本文提出了基于改进随机森林算法的电力系统短期负荷预测模型。改进随机森林算法是将随机森林算法中的决策树数量和分裂特征数等参数采用粒子群进行优化,通过比较每组参数对应的随机森林袋外数据误差,获取参数最优值,使随机森林算法的性能得到最优,并采用山东省某城市电网的历史负荷数据进行仿真分析。仿真结果表明,与基于传统随机森林算法的预测模型相比,本文所提出的预测模型的平均绝对误差降低0.81%,最大相对误差降低1.89%,说明本文所提出的基于改进随机森林算法的短期负荷预测模型具有更好的预测性能。该研究具有一定的工程实用性。

引用

页码：7 / 10+38 +38

页数：5

共 20 条

[1] 基于PSO-DNN的电力系统短期负荷预测模型研究 [J].