基于利用BP神经网络进行Stacking模型融合算法的电力非节假日负荷预测研究

• 作者: 厉文婕 李昆明
• 来源期刊: 软件
• 学科: 工学
• 关键词: 预测精度 非节假日负荷预测 BP神经网络 Stacking模型融合
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 设计研究与应用
• 页码范围: 176-181
• 页数: 6页
• 分类号: TM71
• 字数: 6480字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6970.2019.09.040

摘要

短期负荷预测尤其是非节假日负荷预测对提升电力系统整体调度、支撑电网运营工作起着十分关键的作用.目前针对非节假日负荷预测的理论、方法和应用层出不穷,但是预测精度和使用范围都受到一定限制,并且经济发展对短期负荷预测的精度提出越来越高的要求,传统的机器学习算法已经难以满足人们的需求.为了提高负荷预测的精度,本文提出了利用BP神经网络进行Stacking模型融合算法,它是基于集成学习的思想,首先挑选五种预测精度较高的单模型,然后利用Stacking模型融合方法将其集成为预测精度更高的综合模型.本文采用此算法预测某省2018年非节假日负荷,结果表明该算法可以有效提高预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	厉文婕		7	5	1.0	1.0
2	李昆明		11	57	4.0	7.0