基于提升方法的短期负荷预测的研究.pdfVIP

维普资讯 第2008年耜7月期 COMPUTE计RTE算CH机NOL技OG术YA与ND发DEV展ELOPMENT VJod1．18No．7 ． 2008 基于提升方法的短期负荷预测的研究 彭 俊 ，谢荣传 ，王大刚，耿 波 (安徽大学 计算机学院，安徽 合肥 230039) 摘 要：目前有很多方法可以实现电力负荷预测，但各种方法都有各 自的局限性，如何充分利用各种算法，使负荷预测的 精确度提高，组合预测方法便应运而生了。然而当前的组合预测方法过于重视算法，而忽略样本。文中给出了一种基于 提升方法的电力负荷预测挖掘算法，该方法通过样本权值进行抽样，训练生成模型，并根据模型效率改变样本权值，再次 抽样训练生成模型，如此迭代生成多个模型后进行负荷预测。实际应用结果表明该方法比其它方法具有较高的精度。 关键词：提升方法；组合预测方法；样本权值；短期负荷预测； 算法 中图分类号：TP311 文献标识码：A 文章编号：1673—629X(2008)07一O197一O3 Studyon Short_。‘term LoadForecasting BasedonLifting PENGJun，XIERong-chuan，WANGDa-gang，GENGBo (DepartmentofComputerSdneceandEn~gineering，UniversityofAnhui，Hefei230039，China) Abstract：Therearemanyalgorithmshavetheabilitytoforeastshort—term load．buteachofthemhasdisadvantage．How tousetheseal— gofithmstoimprovetheforeastingprecis。l17Thecombinationforecastingmehtodcansolvetheproblem ．n lecurr饥teombinati~ fore— castingmethodpayl~oreattentiononalgorithm th samples．Proposeanewmethodofrofrecasting short—term loadbasedonthelifting ． Usethemethodsampling bysampleweightandhtentrainingthemodd．alangethesampleweightbyefficiencyofmode]．Doingabove repeatly。generatemultiplemodeltoofrcastload．Theresearchshowsthatthisme thodhashigheraccuracy． Keywor~ ：lifting ；combinationforecastingmethod；sampleweight；short—term loadforecasting；CART O 引 言 有其他趋势的指标，则拟合灰度大，精度难以提高。利 电力系统负荷预测是实现电力系统安全和经济运 用神经网络方法进行电力负荷预测时，前向神经网络 行的前题 ，是调度部门的重要工作之一，随着现代电网 可以通过学习，从复杂的样本数据中拟合出输入输出 运行调度的发展，特别是电力市场的建设与运营，高精 之间高维、非线性的映射关系，从而进行较高精度的预 度的负荷预测越来越重要。而短期电力负荷预测通常 测。但是 ，电力负荷受到