该数据包含家庭中时间、有功功率、无功功率、电压、、Global_intensity、Sub_metering_1、2、3等数据,可用于用电负荷的预测
为了解决传统短期用电负荷预测系统存在响应时间慢、预测精度差的问题,设计了一种基于梯度提升树的短期用电负荷预测系统。该系统框架采用C/S架构模式搭建,根据预测需求选择系统的组成硬件,并以梯度提升树为核心,建立预测模型,完成系统软件及短期用电负荷预测系统的设计。实验结果表明,与基于神经网络、数据挖掘、支持向量机的三种传统用电负荷预测系统相比,本系统运行下,响应时间缩短,预测精度提高,为电力企业电量生产和供应提供了可靠的依据。
1
为了解决当下用电负荷预测精度不高,难以很好模拟实际用电负荷的分布情况而不能对未来的负荷数据进行合理预测的问题,实现了基于随机森林的分类模型、回归模型以及结合Weka的时间序列模型,对某省份的负荷数据进行预测,通过对不同模型的大量的实验及评估,发现这三个模型皆能合理地预测未来的用电负荷数据。此外,在同一评估指标下随机森林算法结合WEKA中的时间序列模型的方法能够较好地预测未来时刻的负荷数据。
2021-06-15 14:02:06 607KB 论文研究
1