电力系统短期负荷预测的多神经网络Boosting集成模型

作者：高琳; 高峰; 管晓宏; 周佃民

来源：西安交通大学学报, 2004, (10): 1026-1030.

• 短期负荷预测
• Boosting算法
• 神经网络集成 short-term load forecasting
• adaptive Boosting algorithm
• neural network ensemble

提出了一种改进的多神经网络集成自适应Boosting回归算法.算法中采用相对误差模型代替绝对误差模型,可以更接近于回归预测问题的要求,并在Boosting迭代过程中,在对训练集采样得到新的训练子集的同时,也对校验集采样得到新的校验子集,保证了两者的一致性.进而采用美国加州电力市场的实际数据,建立了由多个神经网络集成的电力系统短期负荷预测模型.预测结果表明,与传统的单网络预测模型相比,Boosting集成预测模型能显著提高模型输出的稳定性,增强网络结构及模型选择的可靠性,获得更高的预测精度.

• 单位
  西安交通大学机械制造系统工程国家重点实验室; 西安交通大学