信息与控制

作者：徐耀松, 王德兴

关键词：加权灰色关联投影算法, Bagging, Blending, Pearson相关系数, 模型融合

针对短期电力负荷随时间变化呈现随机性和不确定性问题，提出了一种基于加权灰色关联投影算法Bagging-Blending的融合模型。首先，采用加权灰色关联投影算法对电力负荷中各影响因素(如天气、温度、湿度、日期类型等)进行分析，以选取历史负荷特征。在此基础上，分别将各单一模型SVR(support vector regression)、KNN(K-nearest neighbor)、GRU(gate recurrent unit)、XGBoost(eXtreme Gradient Boosting)、LightGBM(light gradient boosting machine)、CatBoost(Categorical features gradient Boosting)嵌入Bagging集成算法中以提升模型的稳定性和泛化能力。同时利用Pearson相关系数对各单一模型进行相关性分析。然后，依据模型对数据观测空间角度的不同，使用Blending模型对相关性小的模型进行融合。最后，通过新英格兰地区电力负荷数据ISO New England进行验证。所提融合模型与传统单模型(SVR、GRU)和其他融合模型(Bagging-XGBoost、最优加权的GRU-XGBoost)相比，具有较强的泛化能力和较高的稳定性与预测精度。

来源：2022年第2期

《信息与控制》期刊编辑部

查看信息与控制杂志2022年第2期