基于贝叶斯优化XGBoost的短期峰值负荷预测

作者：龚雪娇; 朱瑞金; 唐波

来源：电力工程技术, 2020, 39(06): 76-81.

• 贝叶斯优化
• 极限梯度提升(XGBoost)
• 峰值负荷
• 负荷预测
• 超参数

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。

• 单位
  西藏农牧学院