基于XGBoost算法的短期电力负荷预报

• 作者: 李伟 李广野 田小蕾 车轶锋
• 来源期刊: 智能电网(汉斯)
• 学科: 工学
• 关键词: 短期负荷预测 预测精度 XGBoost 预测因子
• 年，卷（期）: 2017,（4）
• 页码范围: 274-285
• 页数: 12页
• 分类号: TM7

摘要

短期电力负荷的精准预报是电力能源管理系统(EMS)合理安排生产调度计划、实现节能、经济运行的前提条件和重要保障。本文针对电力负荷波动特征具有不同时间尺度的周期相似性,根据前一天同一时刻、前一周同一时刻负荷和最近24小时平均负荷历史数据、融合气象数据以及工作日、节假日时间事件信息,采用梯度提升算法建立多信息融合的短期电力负荷极限梯度提升(XGBoost)模型,提前一天预测24点电力负荷变化趋势。通过某地区电网日负荷24点曲线预报的实验结果,表明所构建的电力负荷XGBoost预报模型相比随机森林、贝叶斯和KNN方法在计算速度和预测精度方面具有优势。