计及经济因素的随机森林电量预测Electricity Consumption Forecasting under Random Forests Considering Economic Factors
屠一艳,徐久益,杨晓雷,李自明,姚剑峰
TU Yiyan,XU Jiuyi,YANG Xiaolei,LI Ziming,YAO Jianfeng
摘要(Abstract)：
精确的电量预测是电网投资和电力平衡的重要依据。为解决以历史用电量数据作为电量预测的唯一依据,在模型迭代过程中的原始信息少,预测模型通用性差、预测精度低等问题,通过对地区月用电量与经济因素进行研究分析,采用随机森林算法对经济因素和月用电量进行针对性建模预测。通过实际算例仿真验证表明,该模型预测MAPE(平均绝对百分误差)为2.34%,预测精度高并且通用性强。
Precise electricity consumption forecasting provides an important basis for the investment of power grid and electric power balance. To solve the problems such as usage of historical consumption data as the only basis for electricity consumption forecasting, little information in the process of iteration model, poor universality and low accuracy of a forecasting model, this paper adopts random forest to model and forecast economic factors and monthly electricity consumption. The simulation and verification of examples show that the model's MAPE(mean absolute percentage error) is 2.34%, which obtains high prediction accuracy and universality.
关键词(KeyWords)：
电量预测;经济因素;数据挖掘;算法模型;随机森林
electricity consumption prediction;economic factor;data mining;algorithm model;random forests
基金项目(Foundation): 国家电网有限公司质量管理创新基金项目(JDTX-2020Q)
作者(Author):
屠一艳,徐久益,杨晓雷,李自明,姚剑峰
TU Yiyan,XU Jiuyi,YANG Xiaolei,LI Ziming,YAO Jianfeng
DOI: 10.19585/j.zjdl.202103014
参考文献(References)：
- [1]陈国平,梁志峰,董昱.基于能源转型的中国特色电力市场建设的分析与思考[J].中国电机工程学报,2020,40(2):369-378.
- [2]马静,王宝,叶彬,等.基于经济电力指标的安徽省月度全社会用电量预测[J].经济研究导刊,2018(22):58-61.
- [3]黄宏和,吴臻,琚军,等.基于数据挖掘技术的配电网精准投资策略研究[J].浙江电力,2019,38(3):92-97.
- [4]杜挺,赵寿生,李永祺,等.基于Matlab GUI的电力负荷预测软件开发与应用[J].电气技术,2018,19(6):1-6.
- [5]王彦博.基于时间序列分解法和回归分析法的月用电量综合预测方法[D].沈阳：沈阳工程学院,2019.
- [6]邵臻.基于半参数统计模型的中长期电量负荷预测应用研究[D].合肥：合肥工业大学,2012.
- [7]章熙,郭翔,万会江,等.一种基于BP神经网络的地区用电量预测方法研究[J].无线互联科技,2019,16(17):114-116.
- [8]李文峰,白宏坤,毛玉宾,等.基于回归方法的多因素耦合月度统调用电量预测方法[J].河南科技,2016(23):44-45.
- [9]陈理,虎陈霞,陈芳,等.基于多变量时间序列(CAR)模型的用电量预测研究———以浙江省海盐县为例[J].统计与管理,2018(3):8-11.
- [10]陈世杰,唐秋华.优化神经网络用电量预测性能的多元线性回归方法[J].机械设计与制造,2019(6):17-21.
- [11]唐猛,董晓琦,蒋睿辰.电力现货市场的售电公司短期负荷预测[J].浙江电力,2019,38(3):87-91.
- [12]刘俊,赵宏炎,刘嘉诚.基于协整-格兰杰因果检验和季节分解的中期负荷预测[J].电力系统自动化,2019,43(1):73-80.
- [13]王慧芳,曹靖,罗麟.电力文本数据挖掘现状及挑战[J].浙江电力,2019,38(3):1-7.
- [14]林子,黄薏辰,张扬,等.基于支持向量机相关性分析的波浪能发电电力负荷预测[J].南昌大学学报(理科版),2019,43(5):504-510.
- [15]郭鸿业,陈启鑫.考虑经济因素时滞效应的月度负荷预测方法[J].电网技术,2016,40(2):514-520.
- [16]陆爽,徐伟明,刘维亮,等.基于聚类再回归方法的光伏发电量短期预测[J].浙江电力,2020,39(7):48-54.
- [17]陈广开,陈书弘,潘炜,等.基于随机森林滚动预测的电量追补算法[J].智慧电力,2018,46(12):45-49.
- [18]吴凤华,胡澄,江泽标,等.ARIMA预测模型在电力供需预测中的应用[J].能源工程,2020(4):82-87.
- [19]杨晓雷,姚剑锋,徐久益,等.基于灰色预测和随机森林组合算法的电量预测[J].农村电气化,2020(7):13-17.
- [20]钱仲文,陈浩,纪德良.一种基于XGBoost算法的月度负荷预测方法[J].浙江电力,2019,38(5):77-82.