在线Boosting回归算法及其在高耗能企业负荷预测中的应用

来源：信息与控制杂志2014年第6期北京时间：

作者：范伯良, 高峰, 寇鹏

摘要：针对高耗能企业的电力负荷预测问题，提出了一种在线Boosting回归算法．该算法首先利用一种几何转换关系，将负荷预测这个回归问题变为2类分类问题；然后，在此分类问题上应用在线Smooth Boosting分类算法，得到实时更新的最大间隔分类面．从理论上证明了该分类面可以作为原回归问题上的一个回归函数，同时证明了该算法在训练集上的收敛性．仿真算例表明，本文算法通过在线更新，提高了预测模型的实时跟踪能力．同时，通过多个预测模型的Boosting组合，有效提高了负荷预测的精度及稳定性，预测误差达到3％以下．

关键词：在线学习, Boosting算法, 回归, 负荷预测, 高耗能企业