论文摘要
气温、气压、相对湿度等气象因子对夏季用电负荷的影响非常显著。为了定量研究气象因子导致用电负荷的变化,本文将夏季用电负荷与当年4月及9月用电平均值之差定义为夏季空调负荷,并利用2014年1月到2016年12月南京市逐时气温、气压、相对湿度、水汽压、降雨量、风速、露点温度等气象资料,以及逐日逐时用电负荷数据资料,采用多元线性、K近邻法,决策树,bagging回归、随机森林等5种机器学习回归算法进行建模,并对其分别进行参数调优工作,进而得到空调负荷预测结果。结果表明:多元线性回归方法是5种回归算法里效果最差的一种,但通过增加特征量的种类和样本数,可以提高预测精度;随机森林回归算法是5种回归算法里效果最好的一种,较多元线性回归算法减小误差达44%,并且较好描述了空调负荷高值区的极端情况并减少了对于训练数据的过拟合现象。
论文目录
文章来源
类型: 期刊论文
作者: 田心如,蔡凝昊,张志薇
关键词: 机器学习,回归,随机森林,空调负荷,预测
来源: 气象科学 2019年04期
年度: 2019
分类: 基础科学,工程科技Ⅱ辑,信息科技
专业: 工业通用技术及设备,自动化技术
单位: 江苏省气象台,中国气象局交通气象重点开放实验室,江苏省气象科学研究所
基金: 国家自然科学基金青年基金资助项目(41805036),中国气象局2017年决策气象服务专项,江苏省气象局科研面上项目(KM201708)
分类号: TB657.2;TP181
页码: 548-555
总页数: 8
文件大小: 1668K
下载量: 418