数据和特征决定着预测精度的上限,为了提高电力负荷预测精度,本文提出了两种增加输入特征向量的方法。其中第一种是人为添加数理统计里面的均值,方差,极差等因素,第二种用GBDT算法构造数据位置组合特征。为了避免引入不必要的特征带来新的误差,本文采取限制树的深度等来修剪树枝,同时采用带有L2正则项的Ridge算法作为模型,让L2正则项来调整各特征权重,降低过拟合。算例结果表明,相比单一的Ridge模型,本文提出的两种模型,预测平均误差降低了0.24%和0.40%。
类型: 期刊论文
作者: 余登武,罗永平
关键词: 负荷预测,特征向量,正则项
来源: 新型工业化 2019年06期
年度: 2019
分类: 工程科技Ⅱ辑
专业: 电力工业
单位: 贵州大学电气工程学院
分类号: TM715
DOI: 10.19335/j.cnki.2095-6649.2019.06.005
页码: 23-26+33
总页数: 5
文件大小: 1014K
下载量: 96
本文来源: https://www.lunwen90.cn/article/c99e7e9c440f17e35fd560c4.html