Stacking集成模型在短期电价预测中的应用

摘要：

为进一步提高短期电价预测结果的准确性和可靠性,本文提出了一种运用Stacking学习方式去集成不同基础学习器的短期电价预测模型.首先采用J-Fold和交叉验证的方式对数据进行分割和训练,将原始特征进行特征变换,重新构建二级特征;然后再使用构建的新特征去训练Meta学习器,用于样本数据的最终预测.实验结果表明,相比较于单一的回归模型,Stacking集成模型具有更小的误差和良好的稳定性,为短期电价预测提供了新方法.

关键词：电价预测、集成模型、机器学习

所属期刊栏目：13

分类号：TK-9

资助基金：国家自然科学基金61672266

在线出版日期：2019-06-04（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：2373-2377