10.13335/j.1000-3673.pst.2019.1566
基于LSTM与XGBoost组合模型的超短期电力负荷预测
为进一步提高电力负荷预测精度,提出了基于LSTM(long short term memory network,LSTM)和XGBoost (eXteme gradient boosting)的组合预测模型.针对电力负荷数据,首先建立了LSTM预测模型和XGBoost预测模型,然后使用误差倒数法将LSTM与XGBoost组合起来进行预测.采用2016年电工数学建模竞赛的电力负荷数据进行算例分析,结果表明所构建的LSTM和XGBoost组合预测模型的MAPE (mean absolute percentage error)为0.57%,明显低于单一预测模型.将上述方法与GRU (gated recurrent unit)和XGBoost两者组合的预测模型相比较,结果表明所提出的方法具有更高的超短期电力负荷预测精度.
电力负荷、超短期、负荷预测、LSTM网络、XGBoost、组合模型
44
TM715(输配电工程、电力网及电力系统)
国家电网有限公司总部科技项目52110418002A
2020-04-26(万方平台首次上网日期,不代表论文的发表时间)
共7页
614-620