作者:任利强; 张立民; 王海鹏; 郭强电力负荷预测自助法采样多算法多模型融合极限梯度提升算法
摘要:准确的电力负荷预测有助于电网安全稳定地运行.针对传统单算法单模型存在负荷预测精度低,误差波动大的弊端,提出一种多算法多模型融合的短期电力负荷预测方法.首先利用自助法对数据集进行多次采样.然后使用梯度提升回归树、最小二乘支持向量机和XGBoost算法对采样数据集进行学习,得到多个单预测模型.最后将预测点前一段时间的实际负荷值和对应时间点第一次学习到模型的预测值构成新的训练集,并利用XGBoost算法对此训练集进行在线二次学习,得到最终预测结果.利用上述方法对某市短期电力负荷进行预测,全年小时负荷预测结果的平均绝对百分误差(MAPE)低于单模型、多算法单模型和单算法多模型.结果表明,所提方法具有更高的预测精度.
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社