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

• 全文链接
• 请求原文

作   者：

谷云东;  马冬芬;  程红超; 

作者机构：

华北电力大学数理学院;  新疆财经大学应用数学学院; 

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; 

期刊名称：

电力系统及其自动化学报

基金项目：

我国基本养老保险制度中的长寿风险精算管理研究

i s s n：

1003-8930

年卷期：

2019 年 31 卷 05 期

页   码：

64-69

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。