电力负荷预测算法比较-随机森林与支持向量机

• 作者: 张羽 李桂丹 王佳琦 靳新悦
• 来源期刊: 电力系统及其自动化学报
• 学科: 工学
• 关键词: 关键字:电力负荷预测 支持向量机 随机森林 参数 数据集 气候特征
• 年，卷（期）: 2019,（7）
• 所属期刊栏目: 学术论文
• 页码范围: 129-134
• 页数: 6页
• 分类号: TM74
• 字数: 3174字
• 语种: 中文
• DOI: 10.19635/j.cnki.csu-epsa.000093

摘要

随机森林和支持向量机在电力负荷预测中的比较条件常被忽略,预测精度孰优孰劣存在争议.本文对支持向量机和随机森林的原理进行了研究,充分分析了预测对象和预测条件,从算法自身参数、数据集特点和气候特征3个因素进行比较.通过对预测条件的改变,用统计学比较分析两者的表现.结果表明支持向量机受自身参数影响较大;对具有共同变化趋势和相似模式特征的数据集,两种算法预测精度都较其他数据集显著提高;在本文使用的气候特征中,温度和露点对负荷预测的影响更大;在相同数据集和气候特征条件下,统计分析表明两种算法调整自身参数后的最优预测结果整体上没有显著差异.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李桂丹	天津大学电气自动化与信息工程学院	24	204	8.0	13.0
2	王佳琦	天津大学电气自动化与信息工程学院	1	4	1.0	1.0
3	靳新悦	天津大学电气自动化与信息工程学院	1	4	1.0	1.0
4	张羽		4	8	2.0	2.0