基于模糊聚类与随机森林的短期负荷预测

• 作者: 刘松 刘鹏 李玉娇 黄青平
• 来源期刊: 电测与仪表
• 学科: 工学
• 关键词: 模糊聚类 随机森林 数据挖掘 短期负荷预测
• 年，卷（期）: 2017,（23）
• 所属期刊栏目: 智能电网
• 页码范围: 41-46
• 页数: 6页
• 分类号: TM93
• 字数: 4148字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-1390.2017.23.007

摘要

针对传统数据挖掘算法(神经网络和支持向量机)进行短期负荷预测容易陷入局部最优,模型难以确定等问题,提出一种模糊聚类技术与随机森林回归算法结合的短期负荷预测方法.基于模糊聚类技术选取相似日的方法,考虑负荷的周期性变化特征,利用样本输入进行样本聚类,选取同类数据作训练样本,建立随机森林负荷预测模型.实例中负荷数据采用安徽省某地的历史负荷,用上述方法对该地区的日24小时负荷进行预测,并与传统的支持向量机和BP神经网络方法进行比较,验证了该方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李玉娇	华北电力大学电气与电子工程学院	8	185	6.0	8.0
2	刘鹏	华北电力大学电气与电子工程学院	24	110	5.0	10.0
3	刘松	华北电力大学电气与电子工程学院	7	42	2.0	6.0
4	黄青平	华北电力大学电气与电子工程学院	2	17	2.0	2.0