基于机器学习的电力数据回归分析和预测技术研究

摘要：

通过机器学习对海量的电力大数据进行分析和研究,可以探索和挖掘电力数据之间的相关性、数据属性间的相关模型,进而分析现状和预测未来,提升电网安全性、经济性和稳定性.通过支持向量机回归、高斯过程回归、回归树3种回归分析算法对采集到的电力数据进行比较和分析,重点从均方根误差、均方误差、平均绝对误差、拟合系数、运行时间等5个方面进行回归效果的讨论.同时,对3种算法进行超参数优化,获取最优回归模型.最后,通过综合比较5个指标,证明了基于网格树优化器的回归树模型对电力验证数据的拟合度最好.

关键词：支持向量机回归、高斯过程回归、CART回归树、超参数优化

所属期刊栏目：36

分类号：TM715(输配电工程、电力网及电力系统)

资助基金：国家自然科学基金;山西省重点计划国际科技合作资助项目

在线出版日期：2022-12-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：525-529,536