基于特征选择和Stacking集成学习的配电网网损预测

• 作者: 刘定国 朱亮 李勇 邓威 郭钇秀
• 来源期刊: 电力系统保护与控制
• 关键词: 特征选择 模型融合 集成学习 网损预测
• 年，卷（期）: 2020,（15）
• 所属期刊栏目: 应用研究
• 页码范围: 108-115
• 页数: 8页
• 字数: 5986字
• 语种: 中文
• DOI: 10.19783/j.cnki.pspc.191097

摘要

针对配电网能量管理和节能降损的要求,为了提高配电网网损分析与评估的有效性,提出了一种基于特征选择和Stacking集成学习的配电网网损预测方法.首先基于特征选择的主要方法,通过相关性分析法、最大信息系数法和基于树模型的特征选择法对特征进行综合分析,得到各种特征对网损预测的重要性,选择重要特征作为配电网网损预测模型的输入特征.在此基础上,介绍Stacking集成学习原理,考虑融合多种预测模型的优势特点,建立Stacking集成学习配电网网损预测模型,最后通过仿真验证得到网损预测结果.该仿真数据来源于湖南省10kV配电网某线路44个台区的真实数据,网损预测结果表明该方法能够有效提升配电网网损预测的准确性和鲁棒性,相比于单一预测模型具有更好的预测精度和泛化能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李勇	湖南大学电气与信息工程学院	159	1759	22.0	34.0
2	邓威	国网湖南省电力有限公司电力科学研究院	10	24	3.0	4.0
3	刘定国		5	0	0.0	0.0
4	朱亮		9	38	4.0	6.0
5	郭钇秀	湖南大学电气与信息工程学院	1	0	0.0	0.0