计及经济因素的随机森林电量预测

• 作者: 屠一艳 徐久益 杨晓雷 李自明 姚剑峰
• 来源期刊: 浙江电力
• 关键词: 电量预测 经济因素 数据挖掘 算法模型 随机森林
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 电力大数据与人工智能|Power Big Data and Artificial Intelligence
• 页码范围: 91-96
• 页数: 6页
• 分类号: TM715
• 语种: 中文
• DOI: 10.19585/j.zjdl.202103014

摘要

精确的电量预测是电网投资和电力平衡的重要依据.为解决以历史用电量数据作为电量预测的唯一依据,在模型迭代过程中的原始信息少,预测模型通用性差、预测精度低等问题,通过对地区月用电量与经济因素进行研究分析,采用随机森林算法对经济因素和月用电量进行针对性建模预测.通过实际算例仿真验证表明,该模型预测MAPE(平均绝对百分误差)为2.34％,预测精度高并且通用性强.