基于相似性权系数改进Bagging-DNN的负荷时序预测方法

为提升电力负荷时序预测精度,提出了一种基于相似性权系数改进Bagging-DNN的负荷时序预测框架。首先,利用历史负荷时序及其温度、湿度等影响因素构建模型训练样本库;然后,在此基础上,通过Bootstrap方式得到若干训练样本子集,训练各DNN预测模型;最后,通过皮尔逊相关性分析计算各DNN模型预测结果之间的相似性系数,以自适应方式对DNN模型预测结果进行加权作为最终预测输出。仿真结果表明,基于相似性权系数的Bagging-DNN相较于传统平均加权方法有助于提升模型的预测精度。