摘要
本发明涉及电力技术领域,提供一种基于区域特性与气象的电力负荷预测模型建立方法与系统,通过步骤:S1,建立基于区域特性和气象数据的影响指标体系;S2,获取基于所述影响指标体系的历史样本数据集;S3,构建基于随机森林算法的机器学习模型,并通过所述历史样本数据集进行模型参数优化,得到电力负荷预测模型;S4,对所述电力负荷预测模型进行评价;S5,通过所述电力负荷预测模型,以及所述影响指标体系进行电力负荷的预测。采用区域用电建筑参数、室外气象参数、时间参数、和T‑t时刻的用电量参数多维度的属性变量进行预测,同时通过随机森林算法建立预测模型,提高了预测效率和预测精准度。
技术关键词
电力负荷预测模型
电力负荷模型
气象
机器学习模型
随机森林
参数
样本
分层随机抽样
建立预测模型
建筑
数据
机器学习算法
指标
模型误差
处理器
相对湿度
时间差
系统为您推荐了相关专利信息
生物标志物
纤维蛋白降解产物
机器学习模型
凝血分析仪
评分系统
检测报告生成方法
异构
数据集成中间件
缺失值填补方法
机器学习模型
图像捕获装置
图像增强
显示高分辨率图像
显示装置
颜色校正
基因组测序数据
分析方法
动态数据库
医学知识图谱
序列
交互系统
数据分析平台
子系统
监控终端
气象水文预报