为提高电力中长期负荷预测的精度,提出一种基于改进XGBoost算法的负荷预测方法.首先考虑影响负荷的多种因素,提取特征向量;其次,利用XGBoost方法对特征变量的相关性进行计算和选择;最后,基于特征选择后的负荷数据,构建XGBoost电力中长期负荷预测模型.在某地区真实历史负荷数据集上的实验结果表明,相较于LASSO等传统负荷预测方法,所提出的方法能够显著降低平均绝对误差(Mean Absolute Error,MAE)等多种预测误差指标.相较于原始XGBoost方法,所提方法的MAE值降低了 9.35％,平均绝对百分误差(Mean Absolute Percentage Error,MAPE)值降低了 8.89％,均方误差(Mean Square Error,MSE)值降低了 22.66％,均方根误差(Root Mean Square Error,RMSE)值降低了 12.07％,验证了所提方法能够有效提升电力中长期负荷预测精度.
NETL
NSTL
万方数据
维普
