基于XGBoost的多维度超短期负荷预测研究

摘要：

电力系统超短期负荷预测的准确性直接影响到电力系统发电与用电量平衡的问题.目前大多数的电力系统超短期负荷预测都只利用了电荷负载变化本身的时间序列特效.而事实上,除电荷本身的时序特征,温度、湿度、降雨量和人口等因素也对电荷变化产生了明显的影响.利用某地2009-01-01至2015-01-09的数据建立了结合温度、湿度、降雨量等因素的多维度XGBoost模型,和只考虑时序特征的XGBoost模型进行了多角度比较.从平均绝对误差(MAE)、均方误差(MSE)和均方根误差(RMSE)等多角度预测数据分析可以发现,只考虑时序特征的XGBoost模型可以很好地预测超短期负荷的整体变化趋势,而结合温度、湿度、降雨量等因素的多维度模型在整体趋势的基础上更好地预测了电网负荷变化的细节.同时也证实了机器学习中特征因素并不是越多越好,当特征项存在相关性过高的冗余因素时模型预测精度会降低.

关键词：多维度、温度、XGBoost、时间序列、超短期负荷预测

所属期刊栏目：41

分类号：TM71(输配电工程、电力网及电力系统)

资助基金：国家自然科学基金项目51167015;宁夏自然科学基金项目NE.17022

在线出版日期：2019-04-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：32-34