10.19718/j.issn.1005-2992.2019-02-0030-09
基于条件互信息的低冗余短期负荷预测特征选择
为避免负荷预测特征集中冗余特征对预测精度的负面影响,降低预测器复杂度,提出一种基于条件互信息(CMI)和高斯过程回归(GPR)的短期负荷预测特征选择方法.首先,为降低建模所用特征量,根据与目标变量具有最大互信息的特征,选取剩余特征中可对目标变量提供最大信息增益的特征,计算CMI值并进行排序;然后,以GPR为预测器,以其预测结果平均绝对百分比误差为决策变量,按照特征CMI值排序顺序,采用序列前向选择方法,确定最优特征子集;最终,以最优特征子集构建GPR预测模型,并与皮尔逊相关系数法(PCC)和互信息(MI)2种特征选择方法分别结合支持向量机和反向传播神经网络开展对比实验.实验结果证明新方法降低了最优特征集合冗余度与预测模型复杂度,且具有更高的预测精度.
短期负荷预测、特征选择、条件互信息、高斯过程回归
39
TM733(输配电工程、电力网及电力系统)
国家自然科学基金资助项目51307020;吉林省科技发展计划项目20160204004GX,20160411003XH
2019-05-23(万方平台首次上网日期,不代表论文的发表时间)
共9页
30-38