摘要
燃气日负荷预测是优化气源采购、调节供需平衡、提升燃气企业经营效率的重要手段.燃气日负荷受多种因素共同影响,具有时序特征和非线性特征.本文提出一种融合XGBoost和LSTM模型的燃气日负荷预测方法XGB-LSTM.该方法通过XGBoost的特征选择方法,对燃气日负荷影响因素进行特征提取和排序,去除不相关特征,降低模型复杂度;随后利用LSTM网络进行预测,以提高预测精度.以华东W市日负荷数据进行分析,实验结果表明,与其他深度学习方法相比,XGB-LSTM模型提高了预测精度,同时减小了模型的复杂度,获得了更好的预测效果.
NETL
NSTL
维普
万方数据