[發明專利]一種基于Bagging抽樣及改進隨機森林算法的負荷預測方法、系統、裝置及存儲介質

在審

• 申請號: 202310077201.0
• 申請日: 2023-01-30
• 公開（公告）號: CN116245019A
• 公開（公告）日: 2023-06-09
• 發明（設計）人: 李亞飛;劉乙;錢科軍;鄭眾;謝鷹;張顯楚;宋杰;陳嘉棟
• 申請（專利權）人: 國網電力科學研究院有限公司;國電南瑞南京控制系統有限公司;國電南瑞科技股份有限公司;國網江蘇省電力有限公司蘇州供電分公司
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F18/2431;G06Q50/06;G06N20/00;H02J3/00;G06F113/04;G06F111/08
• 代理公司: 南京縱橫知識產權代理有限公司 32224
• 代理人: 馬進

1.一種基于Bagging抽樣及改進隨機森林算法的負荷預測方法，其特征在于，包括：

獲取歷史負荷值；

將歷史負荷值輸入到構建好的隨機森林模型中，得到預測結果；

所述隨機森林模型通過以下方法進行構建：

獲取原始樣本集，利用Bagging算法從原始樣本集中隨機不放回抽樣生成多個訓練集；

訓練每個訓練集得到對應的CART決策樹；

將所有CART決策樹集合在一起構成隨機森林模型。

2.根據權利要求1所述的一種基于Bagging抽樣及改進隨機森林算法的負荷預測方法，其特征在于，所述歷史負荷值包括預測日前一天和七天前的各96點負荷值以及環境數據。

3.根據權利要求1所述的一種基于Bagging抽樣及改進隨機森林算法的負荷預測方法，其特征在于，所述利用Bagging算法從原始樣本集中隨機不放回抽樣生成多個訓練集，包括：

采用Bootstrap方法，隨機從原始樣本集中抽選N個訓練樣本(d1，d2，...，dN)，執行n次循環，得到n個訓練集，并且每個訓練集互不相干。

4.根據權利要求1所述的一種基于Bagging抽樣及改進隨機森林算法的負荷預測方法，其特征在于，所述訓練每個訓練集得到對應的CART決策樹，包括：

利用CART算法，把訓練集劃分為兩個子集，不斷遞歸分割使得生成的每個非葉子結點都有兩個分支，在節點分割的時候按照Gini指數最小原則進行分割，每個節點分割的Gini指數的表達式為：

其中，D是分割前的集合，D₁和D₂是分割后的兩個子集，Gini(D₁)是D₁的Gini指數，Gini(D₂)是D₂的Gini指數，Gini_split(D)是D的Gini指數。

5.根據權利要求1所述的一種基于Bagging抽樣及改進隨機森林算法的負荷預測方法，其特征在于，在構建好的隨機森林模型中，通過多棵CART決策樹對歷史負荷值進行測試分類，并根據預設比例得到最終的分類，從而得到預測結果。

6.根據權利要求1所述的一種基于Bagging抽樣及改進隨機森林算法的負荷預測方法，其特征在于，在構建隨機森林模型的過程中，還包括設置參數的步驟：

在隨機森林模型中設置特征評價標準、最大弱學習器個數、最大特征數、決策樹最大深度、內部節點再劃分所需最小樣本數、葉子節點最少樣本數。

7.一種基于Bagging抽樣及改進隨機森林算法的負荷預測系統，其特征在于，包括：

數據獲取模塊：用于獲取歷史負荷值；

負荷預測模塊：用于將歷史負荷值輸入到構建好的隨機森林模型中，得到預測結果；

還包括模型構建單元，用于通過以下方法構建隨機森林模型：

獲取原始樣本集，利用Bagging算法從原始樣本集中隨機不放回抽樣生成多個訓練集；

訓練每個訓練集得到對應的CART決策樹；

將所有CART決策樹集合在一起構成隨機森林模型。

8.一種基于Bagging抽樣及改進隨機森林算法的負荷預測裝置，其特征在于，包括處理器及存儲介質；

所述存儲介質用于存儲指令；

所述處理器用于根據所述指令進行操作以執行根據權利要求1至6任一項所述方法的步驟。

9.計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，該程序被處理器執行時實現權利要求1至6任一項所述方法的步驟。