线上期刊服务咨询,发表咨询:400-808-1701 订阅咨询:400-808-1721

基于相似数据选取和改进梯度提升决策树的电力负荷预测

谷云东; 马冬芬; 程红超 电力系统及其自动化学报 2019年第05期

摘要:针对高精度电力负荷预测问题,构建了相似数据选取和改进梯度提升决策树的新预测方法。该方法借助灰色关联分析等方法计算历史日与待预测日在气象、时间和前趋势等类特征因子上的局部相似度,依据取小综合相似度选择相似历史日数据组成训练数据集;进而,引入相似度加权损失函数,改进梯度提升决策树算法。仿真结果表明,其预测平均绝对百分比误差小于2.2%,日最大误差不超过6%;与BP神经网络和梯度提升决策树相比,其日平均绝对误差、日最大误差及周平均误差均方差分别减少1.136%和0.316%、4.738%和1.324%以及1.062和0.822。

关键词:电力负荷预测相似数据选取相似度梯度提升决策树

单位:新疆财经大学应用数学学院; 乌鲁木齐830012; 华北电力大学数理学院; 北京102206

注:因版权方要求,不能公开全文,如需全文,请咨询杂志社

电力系统及其自动化学报

北大期刊

¥408.00

关注 30人评论|1人关注