基于改进Prophet算法的短期日负荷预测方法研究

摘要：

将Prophet算法引人负荷预测领域,并结合XGBoost算法提升Prophet负荷预测准确性.Prophet算法基于时间序列分解及机器学习的拟合,将负荷数据分解为趋势项、周期项、随机波动项3部分,引人XGBoost算法改进Prophet算法对随机波动项的预测,将XGBoost算法对随机波动的预测结果与Prophet算法对趋势项和周期项的预测结果叠加,获得最终的预测结果.该算法适用于用电负荷这种具备一定周期变化特征的序列,易于理解,预测准确性较高.通过某地区用电信息采集系统提供的专公变用户日冻结数据实验验证,结果表明在相同条件下,改进后的算法预测的结果的平均绝对误差百分比较原始的Prophet算法可降低2.5％,同时均方根误差降低幅度可达30.79％,体现出显著的改进效果.

关键词：短期负荷预测、可分解模型、预测精度、Prophet、XGBoost

所属期刊栏目：24

分类号：TM714;TK011(输配电工程、电力网及电力系统)

资助基金：国家自然科学基金;国网电力科学研究院科技项目

在线出版日期：2022-11-28（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：58-63