电力系统短期负荷预测的多神经网络Boosting集成模型

• 作者: 周佃民 管晓宏 高峰 高琳
• 来源期刊: 西安交通大学学报
• 关键词: 短期负荷预测 Boosting算法 神经网络集成
• 年，卷（期）: 2004,（10）
• 页码范围: 1026-1030
• 页数: 5页
• 分类号: TP181
• 语种: 中文
• DOI: 10.3321/j.issn:0253-987X.2004.10.009

摘要

提出了一种改进的多神经网络集成自适应Boosting回归算法.算法中采用相对误差模型代替绝对误差模型,可以更接近于回归预测问题的要求,并在Boosting迭代过程中,在对训练集采样得到新的训练子集的同时,也对校验集采样得到新的校验子集,保证了两者的一致性.进而采用美国加州电力市场的实际数据,建立了由多个神经网络集成的电力系统短期负荷预测模型.预测结果表明,与传统的单网络预测模型相比,Boosting集成预测模型能显著提高模型输出的稳定性,增强网络结构及模型选择的可靠性,获得更高的预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高峰	西安交通大学机械制造系统工程国家重点实验室	55	687	16.0	23.0
2	管晓宏	西安交通大学机械制造系统工程国家重点实验室	94	2276	27.0	45.0
3	周佃民	西安交通大学机械制造系统工程国家重点实验室	17	538	11.0	17.0
4	高琳	西安交通大学电气工程学院	29	325	11.0	17.0