基于改进梯度提升决策树的10 kV及以下配电网线损率预测

摘要

为解决异常值情况下10 kV及以下配电网线损率存在预测精度低、特征选取困难等问题,提出一种基于改进梯度提升决策树(Gradient boosting decision tree,GBDT)的线损率估计方案。首先,通过GBDT相对重要性和Spearman相关系数计算联合提取特征,并构建特征数据库。其次,为缓解电网结构巨大差异带来的线损率数值离散特性,提出基于密度的带噪空间聚类算法,对配电网数据进行分类。最后,基于改进的GBDT模型对数据进行预测与分析。通过仿真分析可知,与支持向量回归和随机森林回归相比较,本研究所提方法在1446个实例样本中预测均方误差分别降低2.24%和0.86%。