基于随机森林与卷积神经网络的电力负荷预测研究

摘要

针对电力负荷预测模型中变量冗余与拟合性能不佳问题,提出了应用随机森林(RF)筛选最优输入变量并结合卷积神经网络(CNN)的电力负荷预测模型.实证显示,经RF变量优选后模型平均MAE减少2.49％,EMSE减少3.40％;基于CNN神预测模型的平均MAE与RMSE分别降低了1.33％、2.46％.采用RF与CNN集成的方法具有最高的预测精度,其MAE为3.46％,RMSE为4.08％,该模型性能优于其他组合方案,是电荷预测精准建模的一种可靠方案.