摘要
针对目前火电厂发电量难以预测问题,提出一种基于最大互信息系数(maximal information coefficient, MIC)和极限梯度提升(extreme gradient boosting, XGBoost)的火电厂发电量预测方法。首先对原始数据进行数据预处理工作,然后利用MIC计算各特征与目标变量的相关性,通过特征重要性排序选择特征变量作为输入,最后利用XGBoost算法建立火电厂发电量预测模型。结果表明:该模型可以有效解决非线性变量难以筛选的问题,减少输入特征的维度,预测结果的均方根误差和平均绝对百分比误差较小,模型具有较高的预测精度,对火电厂能够提供一定参考意义。
-
单位上海电力大学; 华能国际电力股份有限公司