基于XGBoost和QRLSTM的超短期负荷预测方法

• 作者: 张照贝 顾春华 温蜜
• 来源期刊: 计算机仿真
• 学科: 工学
• 关键词: 超短期电力负荷预测 特征挖掘 长短期记忆网络 核密度估计
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 能源领域仿真
• 页码范围: 90-95,110
• 页数: 7页
• 分类号: TM715
• 语种: 中文
• DOI: 10.3969/j.issn.1006-9348.2022.01.021

摘要

针对目前超短期电力负荷预测存在特征挖掘不足和难以准确反映电力负荷不确定性信息的问题,提出基于XGBoost和QRLSTM的超短期负荷预测方法.首先采用XGBoost算法挖掘重要特征并生成点负荷预测结果,将二者结合作为概率预测方法的输入特征;其次使用LSTM与弹球损失构造QRLSTM概率预测方法;最后通过核密度估计方法获取电力负荷的概率密度曲线.采用新西兰公共电力负荷数据集进行仿真,结果表明提出的方法不仅可挖掘重要特征,而且更加准确反映电力负荷的不确定性信息.