申请/专利权人:三峡大学
申请日:2022-11-03
公开(公告)日:2023-03-14
公开(公告)号:CN115800245A
主分类号:H02J3/00
分类号:H02J3/00;G06F18/23;G06N20/00
优先权:
专利状态码:在审-实质审查的生效
法律状态:2023.03.31#实质审查的生效;2023.03.14#公开
摘要:基于SARIMA‑随机森林组合模型的短期负荷预测方法,包括以下步骤:利用滑动窗口对原始负荷数据进行分组,对各组的待测周前‑次日数据集进行分解得趋势项、季节项和残差项;建立SARIMA模型,预测趋势项得到初步预测结果和残差;聚类天气因素获取相似日,分组构建天气‑残差数据集并建立随机森林回归模型,学习天气因素对残差的影响,利用网格搜索法选择模型参数;组合模型的预测结果,对比天气聚类、残差训练对负荷预测准确率的影响。该方法能够在已知待测日历史负荷和天气因素的条件下准确预测次日负荷,提高了预测准确率。
主权项:1.基于SARIMA-随机森林组合模型的短期负荷预测方法,其特征在于包括以下步骤:步骤1:利用滑动窗口对预处理过的原始负荷数据进行分组,建立周前-次日数据集并分解各样本得到趋势项Ti、季节项Si和残差项Ri;步骤2:确定参数并建立SARIMA模型,根据已知周前数据预测Ti次日变化,得到初步预测结果z和残差r;步骤3:聚类天气因素获取相似日,分组构建天气-残差数据集并建立随机森林回归模型,学习天气因素与残差r的关系;步骤4:组合上述模型的预测结果,对比特征聚类、残差训练对负荷预测准确率的影响。
全文数据:
权利要求:
百度查询: 三峡大学 基于SARIMA-随机森林组合模型的短期负荷预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。