Page 23 - 电力与能源2021年第三期

黄星知, 等: 基于小波分解技术和随机森林算法的负荷概率预测 2 5
8
重要负荷分量进行多样化处理, 可以最大限度地 场景 SC2 下 WPT-QRF / RF-M , WPT-QRF-
缩短预测周期, 但性能会随着预测周期的增加而 B2 和 QRF-B2 预测方法的损益与日前预测周期
下降。无温度情况( SC1 ) 所获结果如表 3 所示。 的关 系 如 图 4 所 示。 由 图 4 可 知, WPT-QRF /
3.4 考虑温度的场景( SC2 ) RF-M 仅在 10h 内优于 WPT-QRF-B2 , QRF-B2
考虑温 度 的 场 景 下 ( SC2 ) 的 结 果 如 表 4 所 的准确度低于带 WBDs的方法。
示。所提方法仅在较短的预测周期( 1h 和 6h ) 所提方法可以产生最可靠的 1h 预测周期的
内优于基准, 但在 24h 预测周期内, 其要优于带 预测结果, 而基于 GBRT 的基准是最可靠的 6h
WBD 的 QRF 基准。参照最佳基准, 最佳方法的 和 24h 预测周期下的预测方法。
P L 将减少 7.1% ( 1h 预测周期), 6% ( 6h 预测周 所用方 法 中 最 差 的 ( 即 DWT-QRF / RF-M )
期), 而 24h 预测周期的 P L 则会增加 2% 。在一 在 1h , 6h 和 24h 的 预 测 周 期 内, PL 分 别 以
天 24 个预测周期内, SWT-QRF / RF-M 的 P L 最 25% , 14.4% 和1.2% 的比例优于没有 WBD 的最
小, 比最佳基准( 即 DT-CWT-QRF-B2 ) 的 P L 小 佳 QRF 基准( 即 QRF-B2 )。
约 1% 。 即使底层模型 是 GBRT , 应用 WBD 预 处 理

表 3 无温度情况( SC1 ) 所获结果
预测周期
1h 6h 24h 日前
预测方法
( 0.9 ) / P L , Avera g e /
P L / AAACE / P PINAW ( 0.1 ) / P PINAW ( 0.9 ) / P L / AAACE / P PINAW ( 0.1 ) / P PINAW ( 0.9 ) / P L / AAACE / P PINAW ( 0.1 ) / P PINAW
MW % MW MW MW % MW MW MW % MW MW MW
DWT-QRF / RF-M 114.02 2.95 0.26 3.82 317.71 1.86 0.80 10.82 687.60 5.12 1.43 18.81 484.29
WPT-QRF / RF-M 110.15 2.95 0.24 3.63 312.07 2.36 0.78 10.50 683.66 5.15 1.42 18.50 480.92
SWT-QRF / RF-M 110.70 2.92 0.25 3.68 311.96 2.36 0.78 10.50 681.63 5.04 1.42 18.50 481.43
DT-CWT-QRF / RF-M 111.62 3.01 0.23 3.51 309.94 2.87 0.72 9.63 690.06 5.66 1.38 18.04 485.93
QRF-B1 174.04 5.12 0.52 7.92 436.26 1.87 1.32 17.70 705.49 4.85 1.46 18.58 548.41
QRF-B2 161.55 5.00 0.49 7.71 432.61 1.62 1.25 17.00 692.99 4.50 1.39 18.03 541.18
GBRT-B 138.27 3.30 0.47 5.79 420.30 1.81 1.58 9.77 705.43 2.93 1.51 19.88 540.74
DT-CWT-QRF-B 139.47 5.39 0.62 8.74 323.55 2.85 1.24 9.40 684.41 5.02 2.15 20.41 488.96
WPT-QRF-B2 127.26 4.97 0.51 5.08 328.29 3.03 1.25 7.96 682.71 4.86 2.08 17.86 489.17
DT-CWT-QRF-B2 128.15 3.97 0.48 4.90 329.50 1.48 1.16 6.82 682.54 3.21 2.01 16.81 487.85
DT-CWT-RF / QRF-B 127.94 5.28 0.22 3.47 390.00 5.78 0.25 3.69 751.06 7.26 0.29 4.05 551.10
DT-CWT-GBRT-B 130.46 6.94 0.51 7.29 340.97 5.24 1.34 18.52 685.49 3.11 2.09 26.82 495.23
N-B 405.57 - 0 0 1872.87 - 0 0 852.04 - 0 0 1185.92
表 4 考虑温度的场景下( SC2 ) 的结果
预测周期
日前
1h 6h 24h
预测方法
( 0.1 ) ( 0.9 ) / P L , Avera g e /
P L / AAACE / P PINAW ( 0.1 ) / P PINAW ( 0.9 ) / P L / AAACE / P PINAW ( 0.1 ) / P PINAW ( 0.9 ) / P L / AAACE / P PINAW / P PINAW
MW % MW MW MW % MW MW MW % MW MW MW
DWT-QRF / RF-M 115.47 3.25 0.30 4.63 286.38 2.22 0.80 11.11 631.41 1.37 1.49 19.79 443.82
WPT-QRF / RF-M 112.59 3.09 0.29 4.60 278.29 1.85 0.76 10.67 629.86 1.90 1.44 19.47 442.38
SWT-QRF / RF-M 112.66 3.10 0.29 4.51 276.58 1.87 0.76 10.56 630.31 1.94 1.44 19.47 440.17
DT-CWT-QRF / RF-M 109.86 2.67 0.27 4.33 276.72 1.87 0.71 9.88 634.48 1.68 1.42 19.01 441.98
QRF-B1 164.35 7.97 0.51 7.34 338.12 1.91 1.18 15.90 643.78 4.01 1.46 18.63 513.84
QRF-B2 154.11 6.88 0.50 7.31 334.32 2.91 1.11 15.12 638.94 4.87 1.39 18.44 508.84
GBRT-B 119.17 5.62 0.39 5.26 317.00 1.37 1.21 15.95 640.65 4.81 1.53 19.51 501.51
DT-CWT-QRF-B 136.25 2.99 0.66 11.32 295.00 2.82 1.23 8.33 619.55 3.42 2.14 19.77 445.58
WPT-QRF-B2 122.32 4.60 0.59 9.88 294.48 3.49 1.27 8.66 617.23 3.05 2.11 19.26 443.64
DT-CWT-QRF-B2 124.81 3.80 0.56 9.49 294.19 1.80 1.18 7.46 617.12 1.90 2.04 18.17 442.97
DT-CWT-RF / QRF-B 128.04 7.21 0.23 3.87 357.26 6.95 0.27 3.94 735.08 7.00 0.29 4.27 530.41
DT-CWT-GBRT-B 118.21 5.18 0.49 6.89 299.67 3.48 1.17 16.66 627.54 1.20 2.11 26.69 448.76
N-B 405.57 - 0 0 1872.87 - 0 0 852.04 - 0 0 1185.92