基于LSTM与XGBoost组合模型的超短期电力负荷预测

• 作者: 刘金波 季晓慧 徐立中 李大鹏 李晨 狄方春 陈振宇 高兴宇 黄运豪
• 来源期刊: 电网技术
• 学科: 工学
• 关键词: 电力负荷 超短期 负荷预测 LSTM网络 XGBoost 组合模型
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 电力市场
• 页码范围: 614-620
• 页数: 7页
• 分类号: TM715
• 语种: 中文
• DOI: 10.13335/j.1000-3673.pst.2019.1566

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘金波	中国科学院微电子研究所	11	101	6.0	10.0
2	李大鹏	中国科学院微电子研究所	30	416	12.0	20.0
3	李晨	中国科学院微电子研究所	19	59	4.0	7.0
4	季晓慧	中国科学院微电子研究所	5	62	4.0	5.0
5	高兴宇	中国科学院微电子研究所	9	21	3.0	4.0
6	陈振宇	中国科学院微电子研究所	10	43	4.0	6.0
7	黄运豪	中国科学院微电子研究所	2	0	0.0	0.0
8	狄方春	中国科学院微电子研究所	2	0	0.0	0.0
9	徐立中	中国科学院微电子研究所	1	0	0.0	0.0