[发明专利]基于随机森林回归和多步寻优的短期负荷需求预测方法

摘要

本发明公开了基于随机森林回归和多步寻优的短期负荷需求预测方法，包括：S100提供原始数据集，将原始数据集划分为训练集和预测集；S200对原始数据集进行特征筛选；S300基于训练集训练随机森林回归模型，对随机森林回归模型参数进行多步寻优，得短期负荷需求预测模型；S400以预测集为输入，利用短期负荷需求预测模型获得负荷需求预测值，将负荷需求预测值及对应的负荷特征数据加入训练集，作为预测下一个预测点的负荷需求值时的历史负荷需求数据和历史负荷特征数据。本发明方法模型全局泛化性能强，参数选择快速，运行效率高，短期负荷需求预测精度高。

主权项

1.基于随机森林回归和多步寻优的短期负荷需求预测方法，其特征是，包括：S100提供原始数据集，包括历史负荷特征数据、历史负荷需求数据以及预测日负荷特征数据；所述负荷特征数据指负荷需求相关的特征数据；将历史负荷特征数据和历史负荷需求数据作为训练集，将预测日负荷特征数据作为预测集；S200将历史负荷特征数据和历史负荷需求数据分别作为负荷特征样本与负荷样本，分别计算各维负荷特征与负荷间的相关系数，从训练集和预测集中剔除相关系数绝对值小于预设阈值的负荷特征数据，对相关系数绝对值不大于预设阈值的负荷特征数据，将相关系数与自然数1之差的绝对值作为该维负荷特征的衰减权重；预设阈值为经验值；S300基于训练集训练随机森林回归模型，对随机森林回归模型参数进行多步寻优，得短期负荷需求预测模型；参数包括回归树的数量m和深度d；所述对随机森林回归模型参数进行多步寻优具体为：S310利用网格搜索法为每个参数设置相应的搜索间隔后构成高维搜索向量，遍历高维搜索向量计算各搜索区域的适应度，适应度小于预设适应度阈值的搜索区域即局部优化域；S320以局部优化域作为果蝇优化法的参数选取区域，将最佳参数当作果蝇最佳位置，利用果蝇优化法进行多步寻优搜索最佳参数；S400以预测集为输入，利用短期负荷需求预测模型获得负荷需求预测值，将负荷需求预测值及对应的负荷特征数据加入训练集，作为预测下一个预测点的负荷需求值时的历史负荷需求数据和历史负荷特征数据。