基于集成学习的短期电价预测

作者：李惠蓉; 王新生

来源：江苏科技信息, 2020, 37(35): 52-56.

• 电价预测
• 集成模型
• 机器学习

为进一步提高短期电价预测结果的准确性和可靠性,文章提出了一种运用Blending学习方式去集成不同基础学习器的短期电价预测模型,首先运用按比例切分的方式对数据进行分割和训练,重新建立一个Hold-out集合作为二级特征,然后使用新构建的特征和标签去训练新的基础学习器,进而得到最终的融合预测值。实验结果表明,相较于单一的回归模型,Blending集成模型具有更小的误差和良好的稳定性,为短期电价预测提供了新思路。