基于隨機(jī)森林回歸算法的短期負(fù)荷預(yù)測(cè)研究.pdf

1、負(fù)荷預(yù)測(cè)是電力系統(tǒng)安全運(yùn)行的基礎(chǔ)和前提，也是電力部門安排調(diào)度計(jì)劃、供電計(jì)劃的重要依據(jù)?；陔娏Σ块T的市場(chǎng)化運(yùn)行和日新月異的電力負(fù)荷需要，使得對(duì)短期負(fù)荷的預(yù)測(cè)性能提出了更高的要求。近年來在預(yù)測(cè)方向有優(yōu)越表現(xiàn)的支持向量機(jī)（Support Vector Machine,SVM）與隨機(jī)森林回歸（Random Forest Regression,RFR）是兩種開源算法，針對(duì)這兩種算法，不同學(xué)者對(duì)它們預(yù)測(cè)優(yōu)越性的比較存在很大爭(zhēng)議，所以針對(duì)該爭(zhēng)議本文

2、對(duì)這兩種算法的特點(diǎn)和預(yù)測(cè)性能進(jìn)行了全面的分析，并提出自己的觀點(diǎn)。
　　本文首先介紹了有關(guān)短期負(fù)荷預(yù)測(cè)研究意義和目的，在對(duì)研究現(xiàn)狀的闡述中，簡(jiǎn)單介紹了目前常用的一些短期負(fù)荷預(yù)測(cè)算法的原理和優(yōu)缺點(diǎn)。其次在介紹負(fù)荷影響因素與特點(diǎn)中結(jié)合紐約市電力負(fù)荷信息進(jìn)行了實(shí)例分析，得出電力負(fù)荷的周期性規(guī)律并將之應(yīng)用在實(shí)際的預(yù)測(cè)中。然后對(duì)隨機(jī)森林起源和算法原理進(jìn)行了詳細(xì)闡述，在特征變量重要性分析和相關(guān)性的分析中對(duì)實(shí)例分析做了前期準(zhǔn)備工作。最后在實(shí)例分析

3、中利用紐約市電力負(fù)荷和天氣信息等數(shù)據(jù)，將RFR在短期負(fù)荷預(yù)測(cè)領(lǐng)域進(jìn)行實(shí)例應(yīng)用，并在預(yù)測(cè)性能的分析中與SVM算法進(jìn)行全方位的綜合比較，同時(shí)也提出自己的結(jié)論： RFR在短期負(fù)荷預(yù)測(cè)中預(yù)測(cè)精準(zhǔn)度較高，泛化性能較好；在與 SVM的預(yù)測(cè)性能比較中不能簡(jiǎn)單的一概而論，要結(jié)合訓(xùn)練樣本量、特征變量還有待預(yù)測(cè)日所處時(shí)間點(diǎn)的不同進(jìn)行具體分析。
　　通過本文的研究，詳細(xì)的了解了基于隨機(jī)森林回歸算法的短期負(fù)荷預(yù)測(cè)，并且在之后對(duì)于RFR與SVM預(yù)測(cè)算法的比