資源描述：
《決策樹(shù)在短期電力負(fù)荷預(yù)測(cè)中的應(yīng)用》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫(kù)。
1、第22卷華中電力2009年第l期決策樹(shù)在短期電力負(fù)荷預(yù)測(cè)中的應(yīng)用葛宏偉，楊鏡非(1．浙江臺(tái)州電業(yè)局變電工區(qū)，浙江臺(tái)州317000；2．上海交通大學(xué)電氣工程系，上海200030)摘要：提出用C4_5決策樹(shù)方法解決負(fù)荷預(yù)測(cè)的樣本多樣性問(wèn)題。并進(jìn)行短期負(fù)荷預(yù)測(cè)。通過(guò)計(jì)算信息增益找出決策樹(shù)的最佳生成方案。對(duì)連續(xù)屬性計(jì)算其熵值找出最佳分段點(diǎn)進(jìn)行離散化，闡述了規(guī)則的生成及其在短期電力負(fù)荷預(yù)測(cè)中的應(yīng)用方法’算例結(jié)果表明，計(jì)算精度較高。關(guān)鍵詞：決策樹(shù)；負(fù)荷預(yù)測(cè)；熵；信息增益；離散化；數(shù)據(jù)挖掘中圖分類號(hào)：TM715文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1006—6519(200
2、9)01．0015．04ApplicationofDecisionTreeonShort-TermLoadForecastingGEHong—wei，YANGJing-fei(1．ZhejiangProvinceTaizhouElectricPowerBureauTransformerSubstation，Taizhou317000，China；2．DepartmentofElectricalEngineering,ShanghaiJiaotongUniversity,Shanghai200030，China)Abstract：Thispaper
3、presentsthedecisiontreemethodtoforecasttheelectricalloadwithdiversesamples．Entropyandinformationgainiscalculatedtogetthebestdecisiontree．Entropyisalsousedto~spersecontinuousdataattributesandgetthebestsphttingpoint．Thepaperdescribesthewayofgeneratingdecisiontreeruleswhichisapp
4、liedtoshort—termloadforecasting．Calculationresultbythemethodonarealpowerdishighlyprecise，whichprovestheapphcabilityofthepresentedmethod．KeyWords：decisiontree；loadforecasting；entropy；informationgain；decisiontreedispersion；datamining電力系統(tǒng)負(fù)荷預(yù)測(cè)是電網(wǎng)能量管理系統(tǒng)的重力負(fù)荷預(yù)測(cè)，構(gòu)造了相應(yīng)的決策樹(shù)生成、修剪及規(guī)要內(nèi)容，
5、通過(guò)精確的負(fù)荷預(yù)測(cè)，可以經(jīng)濟(jì)合理地安則提取模型，對(duì)于某電網(wǎng)負(fù)荷進(jìn)行預(yù)測(cè)，結(jié)果表明排機(jī)組啟停．減少旋轉(zhuǎn)備用容量，合理安排檢修計(jì)該方法實(shí)用有效，有較高精度。劃，降低發(fā)電成本，提高經(jīng)濟(jì)效益。由于電力系統(tǒng)每1決策樹(shù)及其算法天都要安排第二天的發(fā)電計(jì)劃，所以提前24h的短期負(fù)荷預(yù)測(cè)對(duì)于電力系統(tǒng)的運(yùn)行調(diào)度至關(guān)重要，1．1決策樹(shù)介紹決策樹(shù)是對(duì)一組數(shù)據(jù)進(jìn)行分類的樹(shù)形結(jié)構(gòu)，要負(fù)荷預(yù)測(cè)的準(zhǔn)確性將直接影響調(diào)度的結(jié)果，對(duì)電力系統(tǒng)的安全穩(wěn)定運(yùn)行和經(jīng)濟(jì)性也產(chǎn)生影響。負(fù)荷預(yù)求這組數(shù)據(jù)存在于一個(gè)二維的表形結(jié)構(gòu)中，表中每行數(shù)據(jù)對(duì)應(yīng)一個(gè)訓(xùn)練樣本并包括若干個(gè)屬性值，這測(cè)常用的方法有非線
6、性回歸、神經(jīng)網(wǎng)絡(luò)法、隨機(jī)時(shí)間序列法、灰色預(yù)測(cè)方法等Ⅲ。當(dāng)樣本之間的相似程些值中包含一個(gè)表征數(shù)據(jù)類別的屬性，稱類別屬度很高時(shí)．這些方法是有效的。但當(dāng)樣本本身各具性，其它屬性稱非類別屬性。根據(jù)二維表數(shù)據(jù)生成的決策樹(shù)的每個(gè)非葉子節(jié)點(diǎn)都對(duì)應(yīng)一個(gè)非類別屬特性時(shí)．由于上述模型均采用同一數(shù)學(xué)描述來(lái)概括樣本的特性．可能會(huì)導(dǎo)致誤差過(guò)大。性，其分支對(duì)應(yīng)于該屬性的可能取值。葉子節(jié)點(diǎn)則本文提出用決策樹(shù)方法可解決負(fù)荷預(yù)測(cè)的樣代表某記錄對(duì)應(yīng)的類別屬性值。對(duì)一個(gè)新的待預(yù)測(cè)本多樣性問(wèn)題。決策樹(shù)是數(shù)據(jù)挖掘中對(duì)事物進(jìn)行分?jǐn)?shù)據(jù)，生成的決策樹(shù)在每個(gè)非葉子節(jié)點(diǎn)上都對(duì)其屬性進(jìn)行提問(wèn)．以確定
7、進(jìn)入哪一個(gè)分支，最后到達(dá)決類和預(yù)測(cè)的一種有效方法I2’3，41。它通過(guò)對(duì)事物屬性定其類別屬性的葉子節(jié)點(diǎn)，從而獲得預(yù)測(cè)值。表l的信息增益進(jìn)行計(jì)算，能夠以最簡(jiǎn)潔的形式全面地概括信息，有助于從海量數(shù)據(jù)中提煉出相關(guān)的知為一組水果的特性數(shù)據(jù)，圖1為相應(yīng)的給水果分類的決策樹(shù)。識(shí)。本文將Quinlan提出的C4．5算法l5J引入短期電收稿日期：2008—11—22作者簡(jiǎn)介：葛宏偉(1971-)，男，浙江I臨海人，大學(xué)學(xué)歷，工程師，從事電網(wǎng)運(yùn)行管理一15—2009年第1期華中電力第22卷水果的特性數(shù)據(jù)如下：屬性，作為該節(jié)點(diǎn)的分支依據(jù)，以生成最小的決策樹(shù)。顏色形狀
8、昧道類別屬性1．3連續(xù)屬性離散化紅圓甜蘋(píng)果很多決策樹(shù)的數(shù)據(jù)對(duì)象具有連續(xù)值屬性．也可黃彎甜香蕉以借助熵這種信息度量指標(biāo)，可遞歸地把一個(gè)連續(xù)
