基于Prophet与XGBoost混合模型的短期负荷预测

作者：朱江行^*; 邹晓松; 熊炜; 袁旭峰; 艾小清; 彭月

来源：现代电力, 2021, 38(03): 325-331.

DOI：10.19725/j.cnki.1007-2322.2020.0321

• 短期负荷预测
• Prophet
• XGBoost
• 混合模型
• 机器学习

准确有效的预测电力负荷对电网的安全稳定运行具有重要的参考价值。通过对Prophet框架和XGBboost (eXtreme gradient boosting)机器学习模型的深度分析,提出了基于Prophet与XGBoost的混合电力负荷预测模型,针对大量的历史电负荷数据、日期信息、气象数据,分别构建Prophet电力负荷预测模型和XGBboost机器学习预测模型,通过误差倒数法将Prophet和XGBoost结合得到混合预测模型。应用所提方法对西南地区某地市历史电负荷数据进行验证,结果证明,Prophet-XGBoost混合模型比支持向量机回归模型(SVR,support vector regression)、 Prophet模型和XGBoost模型拥有更高的预测精度,且与SVR模型相比运行时间更短。

• 单位
  贵州大学