基于随机森林与卷积神经网络的电力负荷预测研究

• 作者: 肖玉东
• 来源期刊: 计算技术与自动化
• 关键词: 随机森林 卷积神经网络 变量优选 建模预测 电力负荷
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 电力自动化及其应用
• 页码范围: 13-16
• 页数: 4页
• 分类号: TP319
• 语种: 中文
• DOI: 10.16339/j.cnki.jsjsyzdh.202003003

摘要

针对电力负荷预测模型中变量冗余与拟合性能不佳问题,提出了应用随机森林(RF)筛选最优输入变量并结合卷积神经网络(CNN)的电力负荷预测模型.实证显示,经RF变量优选后模型平均MAE减少2.49％,EMSE减少3.40％;基于CNN神预测模型的平均MAE与RMSE分别降低了1.33％、2.46％.采用RF与CNN集成的方法具有最高的预测精度,其MAE为3.46％,RMSE为4.08％,该模型性能优于其他组合方案,是电荷预测精准建模的一种可靠方案.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	肖玉东		3	1	1.0	1.0