基于随机森林的短期电量负荷精准预测方法

作者：沈杰; 李大任; 周扬; 甘泽鸿; 葛宇达; 黄光群

来源：电力大数据, 2023, 26(01): 10-18.

• 短期电量负荷
• 随机森林算法
• 负荷分配
• 负荷数据
• 长短期记忆网络

为解决电能供给量增加，短期电量负荷情况难以预测，无法制定准确的电能分配策略的问题，本文采用基于随机森林的短期电量负荷精准预测方法，深入分析短期电量负荷预测影响因素(气象、时间、电价与随机干扰因素),选取适当的模型输入变量，包括历史电量负荷数据、温度数据与日类型等内容，使用随机森林算法构建短期电量负荷预测模型，并重复确定相似日的选取规则；采用粒子群优化算法寻找预测模型参数最佳值，将样本集输入至模型中，解决短期电量负荷预测误差较大的问题。得出结论：当输入变量数量达到一定值后，短期电量负荷预测时延稳定在0.55s左右，短期电量负荷预测误差接近为0,由此分析得出短期电量负荷精准预测方法应用性能较佳。