-
题名基于随机森林的电力系统小时负荷预测研究
被引量：34
- 1
-
-
作者
黄晗
孙堃
刘达
-
机构
华北电力大学经济与管理学院
智慧能源研究所
-
出处
《智慧电力》
北大核心
2018年第5期8-14,共7页
-
基金
国家自然科学基金项目(51641701)~~
-
文摘
传统的数据分析模式渐渐不适用于电力系统的负荷预测。为提高负荷预测的精度,基于电力负荷历史数据和天气信息,结合随机森林(RF)算法,对比支持向量机(SVM)和反向传播网络(BP)方法,研究电力系统小时负荷预测。发现树的数量影响随机森林的精度,是建立模型时需要考虑的重要变量。与对比模型结果相比,随机森林在小时负荷预测方面吻合程度较好,提高了小时负荷预测的精度。
-
关键词
小时负荷预测
随机森林
支持向量机
反向传播网络
-
Keywords
hourly load forecasting
random forest
support vector machine
back-propagation network
-
分类号
TM715
[电气工程—电力系统及自动化]
-
-
题名基于遗传优化的支持向量机小时负荷滚动预测
被引量：32
- 2
-
-
作者
牛东晓
刘达
陈广娟
冯义
-
机构
华北电力大学工商管理学院
-
出处
《电工技术学报》
EI
CSCD
北大核心
2007年第6期148-153,共6页
-
基金
国家自然科学基金(50077007)
高等学校博士点专项基金(20040079008)资助项目。
-
文摘
利用支持向量机(SVM)和遗传算法(GA)建立24个不同的混合模型来对夏季24点负荷进行滚动预测。通过追加最新的负荷和天气信息来更新混合模型的输入,滚动预测下一小时负荷。利用SVM建立预测模型,利用GA自动选择SVM模型的参数。经过GA优化后的最终SVM模型用于滚动预测下一小时的负荷。研究实例表明,GA简化了SVM参数选择,优化了SVM模型;滚动预测效果要明显好于常规预测方法。
-
关键词
支持向量机
小时负荷预测
遗传算法
滚动预测
-
Keywords
Support vector machines, hourly load forecasting, genetic algorithm, rolling forecasting
-
分类号
TM730
[电气工程—电力系统及自动化]
F123.9
[经济管理—世界经济]
-
