基于RF和深度学习的中长期用电量预测研究

• 作者: 康健 王洋 顾勇
• 来源期刊: 机电信息
• 关键词: 变量选择 随机森林 深度学习 电力预测
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 电气工程与自动化
• 页码范围: 15-17
• 页数: 3页
• 字数: 2410字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-0797.2019.06.008

摘要

针对中长期用电量受多源因素综合影响的特点, 先给出了众多与用电量相关的协变量, 然后运用随机森林 (RF)方法对单一解释变量的重要性进行了数学估计, 从中识别出重要变量, 在此基础上构建了基于深度信念网络 (DBN)的预测模型.结合算例详细介绍了该模型原理与建立过程, 交叉验证显示, 经RF变量选择后能够排除冗余特征、增益预测性能;同时DBN算法优于RF和支持向量机 (SVM)等传统方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	顾勇		2	0	0.0	0.0
2	康健		5	13	2.0	3.0
3	王洋		2	2	1.0	1.0