基于随机森林与卷积神经网络的电力负荷预测研究

作者：肖玉东^*

来源：计算技术与自动化, 2020, 39(03): 13-16.

DOI：10.16339/j.cnki.jsjsyzdh.202003003

• 随机森林
• 卷积神经网络
• 变量优选
• 建模预测
• 电力负荷

针对电力负荷预测模型中变量冗余与拟合性能不佳问题,提出了应用随机森林(RF)筛选最优输入变量并结合卷积神经网络(CNN)的电力负荷预测模型。实证显示,经RF变量优选后模型平均MAE减少2.49%,EMSE减少3.40%;基于CNN神预测模型的平均MAE与RMSE分别降低了1.33%、2.46%。采用RF与CNN集成的方法具有最高的预测精度,其MAE为3.46%,RMSE为4.08%,该模型性能优于其他组合方案,是电荷预测精准建模的一种可靠方案。

• 单位
  吐鲁番职业技术学院