基于决策树技术的短期负荷预测的研究.pdfVIP

基于决策树技术的短期负荷预测的研究 刘耀年，姚玉平，黄亚峰，张冰冰 （东北电力大学 电气工程学院，吉林市，132012 ） 摘 要：负荷预测的核心问题是预测的数学模型，本文提出 额外的数据训练，因此决策树是数据挖掘 了一种基于决策树技术的短期电力负荷预测新方法，该方法 中常用的一种分类方法。 可以有效地考虑气象因素、日类型等非负荷因素对短期负荷 在决策树方法中最有影响的是由 Quinlan 提出 预测的影响，提高了负荷预测的精度。 的基于信息熵的算法，通过非递增学习算法，形成 的是单变量决策树，它的基本概念是： 关键词：短期负荷预测；数据挖掘；决策树 (1) 决策树中的每一个非叶节点对应着一个非 类别属性，树枝代表这个属性的值。一个叶节点代 0 引言 表从树根到叶节点之间的路径所对应的记录所属 负荷预测的核心问题是预测的数学模型，通常 的类别属性值。 情况下，预测因子和预测对象之间呈现十分复杂的 (2) 在决策树中，每一个非叶节点都将与属性 非线性关系，根据多个预测因子与预测对象之间关 中具有最大信息量的非类别属性相关联。 系，建立令人满意的预测数学模型是很困难的，结 (3) 熵通常是用于测量一个非叶节点的信息量 果难以满足要求。 的大小。 当前，负荷预测的方法综合起来有两大类：传 考虑到上述算法是基于非递增学习方式、决策 [1] 统方法和现代方法 。传统负荷预测方法主要有时 树是单变量的，因此，较复杂的概念表达困难，同 间序列法、回归法等，分析的重点是负荷序列本身 性间的相互关系强调不够，抗噪性能较差。针对上 的规律。方法简单、速度快，比较成熟。但这些方 述问题，对算法进行了改进。 法均存在数值不稳定及对影响负荷因素未予以考 定义 ：若存在 个相同概率的信息，则每个 1 n 虑等缺陷，因此在精度上未能取得令人满意的效果 信息的概率 是 传递的信息量为 P 1/n, -log (P)=log 2 2 [2][3] 。现代方法主要有专家系统、人工神经网络等 (n) ，即需要用log