《表1 预测模型的输入变量》

《表1 预测模型的输入变量》   提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《基于小波分解与随机森林的短期负荷预测》


  1. 获取 高清版本忘记账户?点击这里登录
  1. 下载图表忘记账户?点击这里登录

文中输入变量的选取是依据原始数据进行三尺度小波分解后,观察A3分量与原始数据波形变化一致,呈现日周期变化,受气象因素变化较大,因此取其日气象因素、实时气象因素及历史负荷作为分量模型A3输入变量,设L(i,t)为第i天的t时刻的负荷,T(i,t)为第i天的t时刻的温度,H(i,t)为第i天的t时刻的湿度,TAVG和HAVG分别为当天的平均温度和平均湿度,则A3分量模型的输入变量为{TAVG,HAVG,T(i,t),H(i,t),…,L(i,t–2)}13个输入变量,输出变量则为第i天的A3分量,通过该模型预测待预测日的A3分量。D2、D3负荷分量呈现周期变化规律,所以模型输入变量选择{TAVG,HAVG,T(i,t),H(i,t),L(i,t–1),…,L(i,t–24),L(i–7,t)}8个输入变量,输出变量则为第i天的D2、D3分量,通过该模型预测待预测日的D2、D3分量。由于D1负荷分量变化无规律,与气象因素的相关性较小,输入变量取{L(i–1,t),L(i–1,t–2),L(i,t–1),...L(i,t–24)},利用该模型预测待预测日的D1负荷分量。根据上述子小波分量的负荷变化特性,具体输入变量见表1所列。