基于改進隨機森林算法的電力系統(tǒng)短期負荷預測模型

邢書豪 孫文慧 顏勇 張智晟

摘要： 為了提高電力系統(tǒng)短期負荷預測的準確性，本文提出了基于改進隨機森林算法的電力系統(tǒng)短期負荷預測模型。改進隨機森林算法是將隨機森林算法中的決策樹數(shù)量和分裂特征數(shù)等參數(shù)采用粒子群進行優(yōu)化，通過比較每組參數(shù)對應的隨機森林袋外數(shù)據(jù)誤差，獲取參數(shù)最優(yōu)值，使隨機森林算法的性能得到最優(yōu)，并采用山東省某城市電網的歷史負荷數(shù)據(jù)進行仿真分析。仿真結果表明，與基于傳統(tǒng)隨機森林算法的預測模型相比，本文所提出的預測模型的平均絕對誤差降低081%，最大相對誤差降低189%，說明本文所提出的基于改進隨機森林算法的短期負荷預測模型具有更好的預測性能。該研究具有一定的工程實用性。

關鍵詞： 改進隨機森林算法; 粒子群優(yōu)化算法; 短期負荷預測; 電力系統(tǒng)

中圖分類號： TM715? 文獻標識碼： A