改进随机森林的电力负荷预测方法

• 作者: 李刚 邹波
• 来源期刊: 机械设计与制造
• 学科: 工学
• 关键词: 电网设计 负荷预测 随机森林 遗传算法 并行化
• 年，卷（期）: 2019,（10）
• 所属期刊栏目: 数控与自动化
• 页码范围: 103-105,109
• 页数: 4页
• 分类号: TH16|TM71
• 字数: 2397字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3997.2019.10.026

摘要

精确的电力负荷预测是电力分配设备与配电网设计的关键.针对目前电力负荷预测精度低、模型训练慢的问题,提出了一种基于改进随机森林的并行化电力负荷预测方法.该方法首先利用灰色关联投影衡量历史样本属性与待预测日属性之间的相似性,构建相似历史样本数据集.然后基于遗传算法对随机森林的决策树进行进化搜索,提高集成预测精度.最后通过Hadoop分布式集群实现了电力负荷预测的并行化,提升了预测效率.实验结果表明,相比其它预测方法,该方法电力负荷预测值与负荷真实值之间的拟合度最高,且并行化能够降低预测时间消耗.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李刚	国网重庆市电力公司电力科学研究院	9	11	2.0	2.0
2	邹波		7	24	3.0	4.0