本文關(guān)鍵詞：在線Boosting回歸算法及其在高耗能企業(yè)負荷預(yù)測中的應(yīng)用　出處：《信息與控制》2014年06期 　論文類型：期刊論文

  更多相關(guān)文章： 在線學(xué)習(xí) Boosting算法 回歸 負荷預(yù)測 高耗能企業(yè)

【摘要】：針對高耗能企業(yè)的電力負荷預(yù)測問題,提出了一種在線Boosting回歸算法.該算法首先利用一種幾何轉(zhuǎn)換關(guān)系,將負荷預(yù)測這個回歸問題變?yōu)?類分類問題;然后,在此分類問題上應(yīng)用在線Smooth Boosting分類算法,得到實時更新的最大間隔分類面.從理論上證明了該分類面可以作為原回歸問題上的一個回歸函數(shù),同時證明了該算法在訓(xùn)練集上的收斂性.仿真算例表明,本文算法通過在線更新,提高了預(yù)測模型的實時跟蹤能力.同時,通過多個預(yù)測模型的Boosting組合,有效提高了負荷預(yù)測的精度及穩(wěn)定性,預(yù)測誤差達到3%以下.
[Abstract]:An online Boosting regression algorithm is proposed for power load forecasting in high-energy consuming enterprises. The algorithm first uses a geometric transformation relationship. The regression problem of load forecasting is changed into two kinds of classification problems. Then, the online Smooth Boosting classification algorithm is applied to the classification problem. The maximum interval classification surface updated in real time is obtained. It is theoretically proved that the classification surface can be used as a regression function on the original regression problem, and the convergence of the algorithm on the training set is also proved. The algorithm improves the real-time tracking ability of the forecasting model by online updating, and improves the accuracy and stability of the load forecasting effectively by the Boosting combination of multiple forecasting models. The prediction error is below 3%.
【作者單位】： 西安交通大學(xué)機械制造系統(tǒng)工程國家重點實驗室系統(tǒng)工程研究所;西安交通大學(xué)電氣工程學(xué)院電力設(shè)備電氣絕緣國家重點實驗室;
【基金】：國家自然科學(xué)基金資助項目(61174146,61304212,61403303) 國家創(chuàng)新研究群體科學(xué)基金資助項目(61221063)
【分類號】：TM715;TP301.6
【正文快照】： Boosting算法回歸負荷預(yù)測高耗能企業(yè)1引言高耗能企業(yè)是指相對于其它企業(yè)而言,消耗資源速度快、對資源需求量大的企業(yè).這類企業(yè)普遍電能消耗量大,且其負荷曲線呈強烈的波動性,對區(qū)域電網(wǎng)有較大的沖擊[1].精確、穩(wěn)定的負荷預(yù)測可以給區(qū)域電網(wǎng)調(diào)度提供有效的先驗知識,從而提高電

【參考文獻】

相關(guān)期刊論文 前5條

1 王孔森;盛戈v，

本文編號：1435856