电力系统短期负荷预测的多神经网络Boosting集成模型

摘要：

提出了一种改进的多神经网络集成自适应Boosting回归算法.算法中采用相对误差模型代替绝对误差模型,可以更接近于回归预测问题的要求,并在Boosting迭代过程中,在对训练集采样得到新的训练子集的同时,也对校验集采样得到新的校验子集,保证了两者的一致性.进而采用美国加州电力市场的实际数据,建立了由多个神经网络集成的电力系统短期负荷预测模型.预测结果表明,与传统的单网络预测模型相比,Boosting集成预测模型能显著提高模型输出的稳定性,增强网络结构及模型选择的可靠性,获得更高的预测精度.

关键词：短期负荷预测、Boosting算法、神经网络集成

所属期刊栏目：38

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金6970025;国家自然科学基金59937150,60274054;国家高技术研究发展计划863计划2001AA413910

在线出版日期：2004-11-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1026-1030