基于优化聚类的IXGBoost短期电力负荷预测

• 作者: 任利强 张立民 王海鹏 郭强
• 来源期刊: 计算机与数字工程
• 学科: 工学
• 关键词: 短期电力负荷预测 模拟退火遗传算法 交叉变异算子 K-means聚类 改进XGBoost
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 算法与分析
• 页码范围: 741-747
• 页数: 7页
• 分类号: TM715
• 字数: 4985字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9722.2020.04.002

摘要

准确的电力负荷预测有助于智能电网的经济调度、安全预警和节能降耗.为提高短期电力负荷的预测精度,提出一种基于优化聚类的改进XGBoost短期电力负荷预测方法.首先,改进遗传算法的适应度函数和交叉变异算子,并将模拟退火算法引入到遗传算法中.其次,采用改进的模拟退火遗传算法对K-means算法的初始聚类中心进行优化,并对负荷样本进行聚类.最后,对XGBoost算法进行改进,并针对不同负荷样本类别建立短期电力负荷组合预测模型.结合某市实测电力负荷数据进行负荷预测实验,结果表明,该方法日小时电力负荷预测误差低于比较算法,具有较高的预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张立民	海军航空大学信息融合研究所	163	596	11.0	15.0
2	王海鹏	海军航空大学信息融合研究所	51	216	9.0	11.0
3	郭强	海军航空大学信息融合研究所	22	125	6.0	10.0
4	任利强	海军航空大学信息融合研究所	4	17	1.0	4.0