基于GCA和LSTM神经网络的配电网网损预测

• 作者: 张智晟 邢书豪 高广玲
• 来源期刊: 广东电力
• 学科: 工学
• 关键词: 随机森林算法 电力系统 短期负荷预测 Bagging方法 CART决策树
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 数据挖掘技术
• 页码范围: 160-166
• 页数: 7页
• 分类号: TM715.1
• 字数: 4564字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-290X.2019.009.021

摘要

为了提高电力系统短期负荷预测的准确性,提出了基于双层随机森林算法的电力系统短期负荷预测模型.在预测模型的第1阶段,用随机森林算法构建初始预测模型,得到训练残差,将训练残差代入原始训练样本构建新的训练样本;在第2阶段,采用新的训练样本对随机森林算法再次进行训练,从而充分解读训练样本中的有效信息;最后,将2个阶段的随机森林模型融合,得到双层随机森林预测模型.以某市实际电力负荷数据作为算例,对模型进行仿真验证,结果表明:相比于基于单层随机森林算法的预测模型,基于双层随机森林算法的预测模型准确性更高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张智晟	青岛大学电气工程学院	67	384	11.0	16.0
2	高广玲		7	11	2.0	3.0
3	邢书豪	青岛大学电气工程学院	2	1	1.0	1.0