基于Shapley值的电力负荷预测结果溯源分析方法

作者：庞传军; 刘金波; 张波; 杨笑宇; 余建明; 刘艳

来源：电力自动化设备, 2021, 41(12): 200-205.

DOI：10.16081/j.epae.202110001

• 负荷预测
• 负荷影响因素
• 溯源分析
• Shapley值
• 梯度提升决策树
• 机器学习

针对由于机器学习的黑盒特性导致负荷预测结果不可溯源的问题,提出一种基于Shapley值的电力负荷预测结果溯源分析方法。阐述利用机器学习技术构建负荷预测模型的一般形式和基本过程;基于负荷预测模型,利用合作博弈论中的Shapley值计算各类负荷影响因素对负荷预测结果的影响;对利用梯度提升决策树算法训练的负荷预测模型的预测结果进行溯源分析。实验结果表明,利用所提方法可以洞察负荷预测过程,从而实现负荷预测结果的溯源分析以及考虑复杂非线性的负荷影响因素分析,也可以在构建负荷预测模型时指导特征选择提升模型的泛化能力。

• 单位
  国家电网公司; 北京科东电力控制系统有限责任公司; 国网电力科学研究院有限公司; 国家电力调度控制中心