摘要: 针对短期电力负荷随时间变化呈现随机性和不确定性问题,提出了一种基于加权灰色关联投影算法Bagging-Blending的融合模型。首先,采用加权灰色关联投影算法对电力负荷中各影响因素(如天气、温度、湿度、日期类型等)进行分析,以选取历史负荷特征。在此基础上,分别将各单一模型SVR(support vector regression)、KNN(K-nearest neighbor)、GRU(gate recurrent u
基于加权灰色关联投影的Bagging-Blending多模型融合短期电力负荷预测
针对短期电力负荷预测的随机性和不确定性,提出了一种融合模型,结合加权灰色关联投影算法和Bagging-Blending策略。首先,使用加权灰色关联投影选取历史负荷特征,然后利用Bagging集成算法增强模型的稳定性和泛化能力,再通过Blending融合模型结合多种模型,利用Pearson相关系数分析模型相关性。实验证明,该模型在预测精度和稳定性上优于传统单一模型和其它融合模型。
摘要由CSDN通过智能技术生成