摘要

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。

全文