台风灾害下配网用户停电数量预测最优数据驱动模型选择

摘要：

严重的台风灾害可能导致配网用户停电,有效的配网用户停电数量预测可为电网应急抢修提供辅助指导.综合考虑气象因素、电网因素及地理因素,提出了基于机器学习回归算法的配网用户停电数量预测方法.分析比较了线性回归、支持向量回归(Support Vector Regression,SVR)、分类回归树(Classification and Regression Tree,CART)、梯度提升树(Gradient Boosting Decision Tree,GBDT)及随机森林(Random Forest,RF)等5种机器学习回归算法对配网用户停电数量预测的应用效果.对比结果表明,LR在进行配网用户停电数量预测时表现较差,SVR及CART模型效果次之,RF及GBDT效果相对较好,其中GBDT算法与RF算法误差较为接近.但考虑到GBDT算法为串行计算,而RF算法为并行计算,使用时RF算法效率更高.因此最终选取了RF进行停电数量预测效果的进一步分析.结果表明其误差在±30％以内的准确率可达70％以上,可为配网用户停电抢修提供有力指导.

关键词：台风灾害、停电数量、数据驱动、回归分析、机器学习

所属期刊栏目：49

分类号：TP392;TP181;O212.1

资助基金：南方电网科技项目;教育部卓越工程师教育培养计划项目产学合作协同育人项目

在线出版日期：2021-07-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：114-120