基于模糊Bagging-GBDT的短期负荷预测模型研究

• 来源期刊: 电力系统及其自动化学报
• 学科: 工学
• 关键词: GBDT Bagging 模糊理论 短期负荷预测 电力系统
• 年，卷（期）: 2019,（7）
• 所属期刊栏目: 学术论文
• 页码范围: 51-56
• 页数: 6页
• 分类号: TM715
• 字数: 3988字
• 语种: 中文
• DOI: 10.19635/j.cnki.csu-epsa.000092

摘要

为了提高常规梯度提升决策树GBDT算法的泛化性能,并实现并行计算,在GBDT的基础上,利用隶属度函数对气象数据进行模糊处理,同时引入Bagging算法,通过Bootstrap方式对原始数据进行多次抽样形成新的训练样本,分别训练模糊GBDT负荷预测子模型,提出了基于模糊Bagging-GBDT的短期负荷预测模型.算例分析结果表明,本文提出的预测模型相较于BP-NN和常规GBDT预测模型,7日平均绝对误差分别降低了1.44%和0.22%,模型具有良好的预测精度和稳定性.