基于小波分解与随机森林的短期负荷预测

论文摘要

为解决训练样本少、负荷波动较大,采用数据挖掘方法(神经网络、支持向量机以及随机森林)预测负荷精度不高的问题,文章提出了一种基于小波分解与随机森林结合的负荷预测方法。首先采用小波分解算法将历史负荷序列分解成若干个不同频率的子序列,结合实时气象数据,根据各个频段的负荷子序列的特征,利用随机森林回归算法分别对负荷子序列进行建模,最后将待预测日不同频率分量进行重构得到预测结果。实例中的数据来源于安徽某地的历史负荷,将所提方法与神经网络、支持向量机和随机森林等数据挖掘方法进行比较,证实了所提方法的有效性。

论文目录

• 0 引言
• 1 小波分析
•   1.1 连续小波变换
•   1.2 离散小波变换
•   1.3 多辨分析
• 2 随机森林的基本理论
•   2.1 CART决策树
•   2.2 随机森林算法
• 3 基于小波分解与随机森林的模型
•   3.1 模型的预测过程
•   3.2 CART决策树模型的数据选取
•   3.3 实例与结果分析
• 4 结语

文章来源

类型: 期刊论文

作者: 黄青平,邹晓明,刘楚群,叶明武,黄祺珺

关键词: 小波分解,随机森林,数据挖掘,短期负荷预测

来源: 电力信息与通信技术 2019年09期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 电力工业,计算机软件及计算机应用,自动化技术

单位: 广东电网有限责任公司河源供电局

分类号: TM715;TP18;TP311.13

DOI: 10.16543/j.2095-641x.electric.power.ict.2019.09.005

页码: 24-29

总页数: 6

文件大小: 3186K

下载量: 218