CN113496315B 基于分位数梯度提升决策树的负荷区间预测方法及系统 （广东电网有限责任公司湛江供电局）

局基于分位数梯度提升决策树的负荷区间预本申请公开了一种基于分位数梯度提升决密度函数，避免构造概率分布的主观性和先验2S2、对每个模态分量分别建立分位数梯度提升决策树S4、通过所述概率密度函数计算求得满足预定的S201、通过归一化后的若干个所述模态分决策树依次采用Bootstrap策略有放回地随机抽取m个训练样本，则生成由n个决策树组合;模态分量集合，c1表示D,对应的期望值，D:表示一部分训练集，也记作D:(j,s),3件为所述目标值小于预设阈值或达到决策树S208、采用弹球损失函数作为分位数梯度提升决策树预测模型的预测性能的评价模;S210、设迭代次数t=1,2,…,T，通过下式计算迭代t次后第i个训练样本的损失函数J为决策树子叶节点4S214、假设所述预设的分位点的取值为r-0.01,0.02,…,0.99，当给定第w个模态分量条件分布f(xl,)：。2.根据权利要求1所述的基于分位数梯度提升决策树的负荷区间预测方法，其特征在根据预设采样周期采集配电网台区负荷的原始数据，对所述原始数据进行数据清洗，3.根据权利要求1所述的基于分位数梯度提升决策树的负荷区间预测方法，其特征在S101、在所述原始配电网台区负荷序列中加入高斯白噪4.根据权利要求1所述的基于分位数梯度提升决策树的负荷区间预测方法，其特征在55.根据权利要求4所述的基于分位数梯度提升决策树的负荷区间预测方法，步骤S4具述概率密度函数中求得置信区间的下限L和[L,U]为满足预定的置信水平下的置信区间，并将其作为配电网台区负荷区间预测结果进模态分解模块，用于采用集总经验模态对原始配电网台决策树预测模块，用于对每个模态分量分别概率密度计算模块，用于采用核密度估计方法在所述预测置信预测模块，用于通过所述概率密度函数计算通过归一化后的若干个所述模态分量选取训练样本和测试样本以分别构建训练集和依次采用Bootstrap策略有放回地随机抽取m个训练样本，则生成由n个决策树组合成的分,;6通过下式计算切分后的两部分训练集上对应标签的期望值，作为决策树待选的估计模态分量集合，c1表示D,对应的期望值，D:表示一部分训练集，也记作D:(j,s),在遍历所有可能的解直到找到最优解使得下式对应的目标值最小，将最采用弹球损失函数作为分位数梯度提升决策树预测模型的预测性能的评价模型，其;设迭代次数t=1,2,…,T，通过下式计算迭代t次后第i个训练样本的损失函数负梯7J为决策树子叶节点的个数；通过下式计算最通过下式更新分位数梯度提升决策树预测模型的输出值f(x)：假设所述预设的分位点的取值为r-0.01,0.02,…,0.99，当给定第w个模态分量的测试通过下式将各个模态分量的预测值进行累加，得到预布f(xl,)：。所述处理器用于加载执行所述计算机程序，以使所述任一所述的基于分位数梯度提升决策树的负荷8[0003]而配电网台区负荷区间预测方法能够得到未来某一时间点上配电网台区负荷的解决上述预测的可靠性和准确性差且泛化能力9对每个决策树依次采用Bootstrap策略有放回地随机抽取m个训练样本，则生成由n个决策[0027]S203、随机选择某个待切分属性j，将属性j上所有取值从小到大排序，记为,通过下式得到属性j上的候选划分点集合，裂条件为所述目标值小于预设阈值或达到决策树[0044]S211、将替换为，根据步骤S203~S207将J为决I(.)表示阶跃函数；时的条件分布f(xl,)：在所述概率密度函数中求得置信区间的下限Lpr(ye[L,u])表示y落于置信区间[0063]第二方面，本发明还提供了一种基于分位数梯度提升决策树的负荷区间预测系[0065]决策树预测模块，用于对每个模态分量分别建立分位数梯度提升决策树预测模[0074]图1为本申请实施例提供的一种基于分位数梯度提升决策树的负荷区间预测方法[0075]图2为本申请实施例提供的一种基于分位数梯度提升决策树的负荷区间预测系统[0086]以下为本发明提供的一种基于分位数梯度提升决策树的负荷区间预测方法的实对每个决策树依次采用Bootstrap策略有放回地随机抽取m个训练样本，则生成由n个决策[0109]S203、随机选择某个待切分属性j，将属性j上所有取值从小到大排序，记为,通过下式得到属性j上的候选划分点集合，[0116]式中，表示一部分训练集，也记作D1(j,s)m1表示D,对应的模态分量集合，c1表示D,对应的期望值，D:表示一部分训练集，也记作r为预设的分位点，P,表示检查函数；[0134]式中，f,(x)表示为t次迭代时的更新分位数梯度提升决策树预测模型的输出值，I(.)表示阶跃函数；[0139]S214、假设预设的分位点的取值为r;-0.01,0.02,…,0.99，当给定第w个模态分量时的条件分布f(xl,)：[0152]以上为本发明提供的一种基于分位数梯度提升决策树的负荷区间预测方法的实[0154]决策树预测模块200，用于对每个模态分量分别建立分位数梯度提升决策树预测[0155]概率密度计算模块300，用于采用核密度估计方法在预测值在预设的分位点时的[0156]置信预测模块400，用于通过概率密度函数