基于GBRT和LGBM的多能负荷组合预测方法

摘要：

在能源安全、环境污染和气候变化三大国际问题下,如何提高多能负荷预测精度成为全球的焦点问题.为此,提出了一种新颖的基于梯度提升回归树(GBRT)和轻型梯度提升机(LGBM)的多能负荷组合预测方法.首先,利用Spearman相关系数分析多能负荷及相关因素间的相关性,构建更有效的模型输入数据集;然后,利用网格搜索及交叉验证方法,分别对GBRT模型和LGBM模型进行训练,得到针对不同类型负荷的最优参数组合的模型;最后,将两种模型进行加权组合,得到最终的多能负荷预测结果.算例分析结果表明,所提模型能结合两种模型的优势,深入挖掘不同负荷之间的耦合关系,与其他模型相比有更高的多能负荷预测精度和更好的预测适用性.

关键词：梯度提升决策树、轻型梯度提升机、网格搜索、交叉验证、多能负荷预测

所属期刊栏目：44

分类号：TM715;TP311.131;TP181

资助基金：国网江苏省电力有限公司科技项目J2019001

在线出版日期：2023-06-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：97-102