基于改进的随机森林和密度聚类的短期负荷频域预测方法

• 作者: 张倩 张金金 李智 马愿
• 来源期刊: 控制理论与应用
• 关键词: 负荷预测 基于改进的随机森林 基于密度的聚类 经验小波变换
• 年，卷（期）: 2020,（10）
• 所属期刊栏目: 短文
• 页码范围: 2257-2265
• 页数: 9页
• 语种: 中文
• DOI: 10.7641/CTA.2020.90991

摘要

精确的负荷预测对于电力系统的有效调度和安全运行至关重要.本文提出基于改进的随机森林(IRF)和密度的聚类(DBSCAN)的频域组合预测方法.首先,采用经验小波变换(EWT)分解负荷,得到不同的固有模态分量(IMFs);其次,根据各分量特征采用合理的方法进行预测.其中,低频、中频分量采用IRF预测;高频分量使用DBSCAN根据气象因素温度和湿度聚类,再根据每类的样本特性选择处理方法.最后,叠加各分量的预测值,获取负荷预测值.根据某地市现场负荷数据进行实验,预测结果分别与EWT–IRF,EWT–随机森林(RF)、经验模态分解(EMD)–IRF模型的预测结果进行对比.结果表明,提出的模型具有更高的预测精度,反映了实际负荷的随机性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张倩		32	77	6.0	7.0
2	张金金		3	0	0.0	0.0
3	马愿		3	0	0.0	0.0
4	李智		5	3	1.0	1.0