基于混合优化随机森林回归的短期电力负荷预测

作者：吕何; 孔政敏; 张成刚

来源：武汉大学学报(工学版), 2020, (08): 704-711.

DOI：10.14188/j.1671-8844.2020-08-008

• 电力负荷
• 电力需求侧响应
• 随机森林回归
• 果蝇优化算法
• 滚动时域预测 power load
• power demand-side response
• random forest regression
• fruit fly optimization algorithm
• rolling horizon forecasting

针对传统预测模型存在的泛化误差大和局部最优等缺点,提出一种基于混合优化随机森林回归(RFR)的短期负荷预测模型。首先,基于数据标准化方法对多维负荷特征进行预处理,消除特征数值间差异;然后,利用贪心下降法过滤对RFR模型训练性能指标影响较小的参数,研究交叉验证与网格搜索混合算法以缩小参数搜索范围;最后,采用果蝇优化算法对RFR模型进行2次优化,获取具有最优参数的混合优化RFR预测模型。实际算例表明,所提出模型的短期负荷预测精度和预测性能显著优于人工神经网络、支持向量回归和常规RFR预测模型。

• 单位
  武汉大学; 自动化学院