一种基于XGBoost算法的月度负荷预测方法

论文摘要

为向大工业提供更为精确的月度负荷预测,提出将XGBoost(极端梯度上升)算法引入电网负荷预测,对负荷及相关影响因素指标进行异常识别填补、指标转换、独热编码等数据预处理工作;结合关联分析,对相关影响因素指标进行筛选;最后采用XGBoost算法进行月度负荷建模预测。结合实例,对比XGBoost与支持向量机、神经网络模型算法在大工业用户近几年历史月度负荷数据建模预测中的应用,发现XGBoost模型应用效果较佳,具有一定的实用性。

论文目录

• 0 引言
• 1 基于XGBoost模型的建立
•   1.1 XGBoost原理
•   1.2 基于XGBoost负荷预测模型的建立
•     1.2.1 样本及数据预处理
•     1.2.2 输入输出量的选择
•     1.2.3 负荷预测的XGBoost模型
• 2 实例验证
•   2.1 指标测试与选择
•   2.2 模型预测效果对比
•     2.2.1 支持向量机模型负荷预测
•     2.2.2 神经网络模型负荷预测
•     2.2.3 XGBoost模型负荷预测
• 3 结语

文章来源

类型: 期刊论文

作者: 钱仲文,陈浩,纪德良

关键词: 支持向量机,神经网络,月度负荷预测,数据预处理,关联分析

来源: 浙江电力 2019年05期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 电力工业

单位: 国网浙江省电力有限公司,浙江华云信息科技有限公司

基金: 国网浙江省电力有限公司科技项目(5211HZ17000C)

分类号: TM715

DOI: 10.19585/j.zjdl.201905012

页码: 77-82

总页数: 6

文件大小: 362K

下载量: 329