基于随机森林算法的用电负荷预测研究

被引：52

作者：

李婉华 ^{[1
,2
]}

陈宏 ^{[3
]}

郭昆 ^{[1
,2
]}

郭松荣 ^{[1
,2
]}

韩嘉民 ^{[1
,2
]}

陈羽中 ^{[1
,2
]}

机构：

[1] 福州大学数学与计算机科学学院

[2] 福建省网络计算与智能信息处理重点实验室

[3] 国网信通亿力科技有限责任公司

来源：

计算机工程与应用 | 2016年 / 52卷 / 23期

关键词：

用电负荷预测; 随机森林; 分类; 回归; 时间序列;

D O I：

暂无

中图分类号：

TP311.13 [];

学科分类号：

1201 ;

摘要：

为了解决当下用电负荷预测精度不高,难以很好模拟实际用电负荷的分布情况而不能对未来的负荷数据进行合理预测的问题,实现了基于随机森林的分类模型、回归模型以及结合Weka的时间序列模型,对某省份的负荷数据进行预测,通过对不同模型的大量的实验及评估,发现这三个模型皆能合理地预测未来的用电负荷数据。此外,在同一评估指标下随机森林算法结合WEKA中的时间序列模型的方法能够较好地预测未来时刻的负荷数据。

引用

页码：236 / 243

页数：8

共 17 条

[1]

基于支持向量机的电力系统短期负荷预测.[D].郭艳丽.曲阜师范大学.2012, 09

[2]

数据挖掘 : 概念与技术; 第3版.[M].(美) 韩家炜; (美) 坎伯 (Kamber;M.) ; (美) 裴健; 著.机械工业出版社.2012,

[3]

Hybrid PSO–SVM method for short-term load forecasting during periods with significant temperature variations in city of Burbank.[J].A. Selakov;D. Cvijetinović;L. Milović;S. Mellon;D. Bekut.Applied Soft Computing Journal.2014,

[4] Random forests [J].