电网技术

2020, v.44;No.435(02) 614-620

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

基于LSTM与XGBoost组合模型的超短期电力负荷预测
Ultra Short-term Power Load Forecasting Based on Combined LSTM-XGBoost Model

陈振宇;刘金波;李晨;季晓慧;李大鹏;黄运豪;狄方春;高兴宇;徐立中;

摘要(Abstract):

为进一步提高电力负荷预测精度,提出了基于LSTM(longshorttermmemorynetwork, LSTM)和XGBoost(eXtremegradientboosting)的组合预测模型。针对电力负荷数据,首先建立了LSTM预测模型和XGBoost预测模型,然后使用误差倒数法将LSTM与XGBoost组合起来进行预测。采用2016年电工数学建模竞赛的电力负荷数据进行算例分析,结果表明所构建的LSTM和XGBoost组合预测模型的MAPE (mean absolute percentage error)为0.57%,明显低于单一预测模型。将上述方法与GRU (gated recurrent unit)和XGBoost两者组合的预测模型相比较,结果表明所提出的方法具有更高的超短期电力负荷预测精度。

关键词(KeyWords): 电力负荷;超短期;负荷预测;LSTM网络;XGBoost;组合模型

Abstract:

Keywords:

基金项目(Foundation): 国家电网有限公司总部科技项目“大电网理想调度及知识发现关键技术研究与应用”(52110418002A)~~

作者(Author): 陈振宇;刘金波;李晨;季晓慧;李大鹏;黄运豪;狄方春;高兴宇;徐立中;

Email:

DOI: 10.13335/j.1000-3673.pst.2019.1566

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享