基于贝叶斯优化XGBoost的短期峰值负荷预测

基于贝叶斯优化XGBoost的短期峰值负荷预测
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。

标题：
基于贝叶斯优化XGBoost的短期峰值负荷预测
Short-term peak load forecasting based on Bayesian optimization XGBoost

作者：
龚雪娇，朱瑞金，唐波
GONG Xuejiao, ZHU Ruijin, TANG Bo

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
Bayesian optimization;extreme gradient boosting(XGBoost);peak load;load prediction;hyper-parameter

2025-1-23 19:42 上传 基于贝叶斯优化XGBoost的短期峰值负荷预测.pdf

文件大小:

7.05 MB

下载次数:

60

高速下载