基于RF和深度学习的中长期用电量预测研究

论文摘要

针对中长期用电量受多源因素综合影响的特点,先给出了众多与用电量相关的协变量,然后运用随机森林(RF)方法对单一解释变量的重要性进行了数学估计,从中识别出重要变量,在此基础上构建了基于深度信念网络(DBN)的预测模型。结合算例详细介绍了该模型原理与建立过程,交叉验证显示,经RF变量选择后能够排除冗余特征、增益预测性能;同时DBN算法优于RF和支持向量机(SVM)等传统方法。

论文目录

• 0 引言
• 1 算法原理
•   1.1 DBN网络原理
•   1.2 RF算法原理
• 2 用电量数据与建模过程
•   2.1 数据选取
•   2.2 基于RF—DBN的电量求解流程
• 3 算例分析
•   3.1 变量选择结果
•   3.2 模型结构优化
•   3.3 模型预测解析
• 4 结语

文章来源

类型: 期刊论文

作者: 顾勇,王洋,康健

关键词: 变量选择,随机森林,深度学习,电力预测

来源: 机电信息 2019年06期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 电力工业,自动化技术

单位: 国网宁夏电力有限公司吴忠供电公司,国网宁夏电力有限公司

分类号: TM76

DOI: 10.19514/j.cnki.cn32-1628/tm.2019.06.008

页码: 15-17

总页数: 3

文件大小: 1011K

下载量: 204