[发明专利]一种基于可拓展信息的深度回归森林短期负荷预测方法

摘要

本发明提供一种基于可拓展信息的深度回归森林短期负荷预测方法，该方法通过对气候、天气、历史电力负荷、日期、大型活动、突发事件数据和灾害数据等可拓展性数据作为输入，将电力系统的短期电力负荷作为输出，对提出的深度回归森林模型进行训练。训练后的深度回归森林模型能够在无需人工调试超参数的情况下得到高精度预测值，且该方法泛化能力好，无需多具体对象进行深入了解，只需将其数据进行序列化。

主权项

1.一种基于可拓展信息的深度回归森林短期负荷预测方法，其特征在于能将数据序列化后进行训练，可不依赖大数据，其计算过程包含多粒度扫描阶段和级联回归森林阶段。该方法包括以下步骤：/n(1)将可收集的历史数据进行序列处理，形成一列数据；/n(2)该计算方法中，在任何时刻有新类型的数据加入，均可进行序列化处理；/n(3)利用步骤(1)和步骤(2)得到的数据对深度回归森林进行训练；/n(4)利用实时数据对短期电力负荷进行预测。/n