一种基于随机森林和GRU网络的短期电力负荷预测模型

作     者：李晓翔 张超群 郝小芳 王大睿 完颜兵 Li Xiaoxiang;Zhang Chaoqun;Hao Xiaofang;Wang Darui;Wanyan Bing

作者机构：广西民族大学电子信息学院南宁530006 广西民族大学人工智能学院南宁530006 广西混杂计算与集成电路设计分析重点实验室南宁530006 

出 版 物：《现代计算机》 (Modern Computer)

年 卷 期：2023年第29卷第13期

页      面：18-24页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 080802[工学-电力系统及其自动化] 0808[工学-电气工程] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金项目(62062011):基于数据流的微分代数事件结构及其层次化理论研究 广西自然科学基金项目(2019GXNSFAA185017):化工动态优化控制问题的不等分离散化智能数值法研究与应用 广西民族大学研究生科研创新项目(gxun-chxs2021066):基于知识图谱的旅游推荐系统半自动化构建 

主　　题：随机森林 门控循环单元网络 短期电力负荷预测 BP神经网络 LSTM模型 

摘      要：为了解决电力负荷预测中存在的影响因素过多导致模型精度下降的问题,提出一种基于随机森林和门控循环单元网络的RF⁃GRU模型。用随机森林计算袋外数据错误率,从含有时间、气象的高维数据集中筛选出高评分特征并与历史负荷数据组成新的数据集作为GRU模型的输入,以实现对某地的短期电力负荷进行预测。实验结果表明,RF⁃GRU模型的预测效果明显优于BP、GRU和LSTM模型,说明新模型用于短期电力负荷预测是可行且有效的。