基于XGBoost-MTL的综合能源系统多元负荷预测

基于XGBoost-MTL的综合能源系统多元负荷预测
精确的多元负荷预测是综合能源系统(integrated energy system,IES)优化调度和稳定运行的前提。针对IES中多元负荷之间耦合关系复杂以及影响负荷预测的因素众多等问题,文中提出一种基于极限梯度提升(extreme gradient boosting,XGBoost)与多任务学习(multi task learning,MTL)的多元负荷预测方法。首先通过XGBoost重要度排序得到各影响因素对于多元负荷的贡献度,依据贡献度来选取影响负荷预测的关键性因素作为预测模型的输入,保证了输入特征对于多元负荷预测有效的修正作用;其次以门控循环单元(gated recurrent unit,GRU)作为共享层来搭建MTL预测模型,各子任务通过共享信息来有效利用各负荷之间复杂的耦合关系;最后以上海某综合能源站的负荷数据为例对文中所提模型的有效性进行验证。结果表明:该模型能够适应实际综合能源系统中各类负荷的变化,有效提高预测精度并减少训练时间。

标题：
基于XGBoost-MTL的综合能源系统多元负荷预测
Multivariate load forecasting for integrated energy system based on XGBoost-MTL

作者：
马传杰，孙宇贞，彭道刚，赵慧荣
MA Chuanjie, SUN Yuzhen, PENG Daogang, ZHAO Huirong

关键词：
综合能源系统(IES);多元负荷预测;耦合关系;极限梯度提升(XGBoost);多任务学习(MTL);门控循环单元(GRU)
integrated energy system (IES);multivariate load forecasting;coupling relationship;extreme gradient boosting (XGBoost);multi task learning (MTL);gated recurrent unit (GRU)

2025-1-23 20:00 上传 基于XGBoost-MTL的综合能源系统多元负荷预测.pdf

文件大小:

1.67 MB

下载次数:

60

高速下载