基于贝叶斯优化XGBoost的短期峰值负荷预测

• 作者: 龚雪娇 朱瑞金 唐波
• 来源期刊: 电力工程技术
• 关键词: 贝叶斯优化 极限梯度提升(XGBoost) 峰值负荷 负荷预测 超参数
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 电网运行与控制|Power Grid Operation and Control
• 页码范围: 76-81
• 页数: 6页
• 分类号: TM933
• 语种: 中文
• DOI: 10.12158/j.2096-3203.2020.06.011

摘要

随着电网结构愈发复杂,负荷的多样性与波动性显著增加,对预测模型提出了更高的泛化能力和精度要求.然而,传统算法存在易过拟合、精度低等固有缺陷,难以实现复杂电网下精准的尖峰负荷预测.为此,文中提出一种基于贝叶斯优化极限梯度提升(XGBoost)的模型用于短期峰值负荷预测.首先,通过特征重要度得分进行特征提取,剔除冗余特征,确保输入-输出有较优的映射关系;然后,引入贝叶斯优化算法进行超参数调优,使XGBoost的性能达到最佳状态;最后,使用国内某市电力负荷数据对所提模型的有效性进行验证,结果表明,与其他机器学习方法相比,贝叶斯优化XGBoost具有更高的预测精度.