10.3969/j.issn.1000-386x.2021.05.013
基于最大互信息系数和小波分解的多模型集成短期负荷预测
为提高负荷预测精度,提出一种基于小波分解的多模型集成短期负荷预测方法.由最大互信息系数(MIC)选出与负荷相关性高的特征候选集;为获得平稳的负荷序列,将小波分解集成到多预测模型中;小波分解后的负荷序列由多种预测模型(最小二乘支持向量回归、长短期记忆循环神经网络和极限梯度提升树)进行训练,这些模型在同一小时内提供不同的预测;在集成过程中采用二次学习来组合各时段预测结果并得到最终输出.真实电网数据实验对比结果表明,该方法具有更高的泛化能力和预测精度.
最大互信息系数、小波变换、多预测模型、二次学习、短期负荷预测
38
TP391(计算技术、计算机技术)
2021-05-20（万方平台首次上网日期，不代表论文的发表时间）
共6页
82-87
