基于GCA和LSTM神经网络的配电网网损预测

为了提高电力系统短期负荷预测的准确性,提出了基于双层随机森林算法的电力系统短期负荷预测模型.在预测模型的第1阶段,用随机森林算法构建初始预测模型,得到训练残差,将训练残差代入原始训练样本构建新的训练样本;在第2阶段,采用新的训练样本对随机森林算法再次进行训练,从而充分解读训练样本中的有效信息;最后,将2个阶段的随机森林模型融合,得到双层随机森林预测模型.以某市实际电力负荷数据作为算例,对模型进行仿真验证,结果表明:相比于基于单层随机森林算法的预测模型,基于双层随机森林算法的预测模型准确性更高.