電力系統短期負荷預測的多神經網絡Ｂｏｏｓｔｉｎｇ集成模型
2004-04-29 00:44:03高琳高峰管曉宏周佃民
西安交通大學學報 2004年10期
高 琳 高 峰 管曉宏 周佃民
摘要：提出了一種改進的多神經網絡集成自適應Boosting回歸算法．算法中采用相對誤差模型代替絕對誤差模型，可以更接近于回歸預測問題的要求，并在Boosting迭代過程中，在對訓練集采樣得到新的訓練子集的同時，也對校驗集采樣得到新的校驗子集，保證了兩者的一致性．進而采用美國加州電力市場的實際數據，建立了由多個神經網絡集成的電力系統短期負荷預測模型．預測結果表明，與傳統的單網絡預測模型相比，Boosting集成預測模型能顯著提高模型輸出的穩定性，增強網絡結構及模型選擇的可靠性，獲得更高的預測精度．
關鍵詞：短期負荷預測；Boosting算法；神經網絡集成
中圖分類號：TPl81文獻標識碼：A文章編號：0253—987X(2004)10—1026—05
