基于相似数据选取和改进梯度提升决策树的电力负荷预测

• 作者: 程红超 谷云东 马冬芬
• 来源期刊: 电力系统及其自动化学报
• 学科: 工学
• 关键词: 电力负荷预测 相似数据选取 相似度 梯度提升决策树
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 学术论文
• 页码范围: 64-69
• 页数: 6页
• 分类号: TM715
• 字数: 4924字
• 语种: 中文
• DOI: 10.19635/j.cnki.csu-epsa.000174

摘要

针对高精度电力负荷预测问题,构建了相似数据选取和改进梯度提升决策树的新预测方法.该方法借助灰色关联分析等方法计算历史日与待预测日在气象、时间和前趋势等类特征因子上的局部相似度,依据取小综合相似度选择相似历史日数据组成训练数据集;进而,引入相似度加权损失函数,改进梯度提升决策树算法.仿真结果表明,其预测平均绝对百分比误差小于2.2%,日最大误差不超过6%;与BP神经网络和梯度提升决策树相比,其日平均绝对误差、日最大误差及周平均误差均方差分别减少1.136%和0.316%、4.738%和1.324%以及1.062和0.822.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谷云东	新疆财经大学应用数学学院	11	213	6.0	11.0
3	马冬芬	新疆财经大学应用数学学院	2	6	1.0	2.0
6	程红超	华北电力大学数理学院	1	6	1.0	1.0