基于改进深度森林的短期电力负荷预测模型

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘要：深度学习模型通过学习数据的深层特征能够有效提高电力负荷预测的准确率，但同时也带来了超参数较多、模型可解释性差等问题。针对这些问题，文中将深度森林模型引入短期电力负荷预测领域。在多粒度级联森林模型的基础上改进了多粒度窗口扫描方法，调整窗口大小与滑动步长，使模型能够在不同时间尺度下提取电力负荷数据的周期性特征。（剩余10844字）

试读结束

目录
monitor