期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于贝叶斯方法与可解释机器学习的负荷特性分析与预测
被引量：
18
1
作者
郑心仕
梁寿愚
+2 位作者
苏晓
王浩
程国鑫
《电力系统自动化》
EI
CSCD
北大核心
2023年第13期56-68,共13页
使用机器学习模型和方法进行短期负荷预测,虽能提升负荷预测的整体精度,但在极端天气、节假日等小样本预测场景中,对比基于专家经验的人工预测无明显优势。为充分结合预测业务人员的经验知识与机器学习的推理泛化能力,提出了一种基于贝...
使用机器学习模型和方法进行短期负荷预测,虽能提升负荷预测的整体精度,但在极端天气、节假日等小样本预测场景中,对比基于专家经验的人工预测无明显优势。为充分结合预测业务人员的经验知识与机器学习的推理泛化能力,提出了一种基于贝叶斯时变系数(BTVC)与CatBoost模型的可解释负荷预测框架。首先,结合数据与专家知识,构建BTVC模型进行预测,获得各影响因子、趋势及周期因素的负荷分量。其次,将上述结果与常规特征进行组合,作为CatBoost回归模型的输入,进行最终预测。然后,使用事后模型解释框架(SHAP)进行归因分析,框架输出的定量关系可供负荷预测业务人员参考,使其开发出更有效的特征,进一步提高预测效果。最后,以某地区实际电网负荷数据为例,验证所提负荷预测与结果分析框架的有效性。
展开更多
关键词
短期负荷预测
负荷特性分析
贝叶斯时序模型
可解释机器学习
集成学习
在线阅读
下载PDF
职称材料
题名
基于贝叶斯方法与可解释机器学习的负荷特性分析与预测
被引量：
18
1
作者
郑心仕
梁寿愚
苏晓
王浩
程国鑫
机构
阿里巴巴集团
中国南方电网电力调度控制中心
海南电网有限责任公司海南输变电检修分公司
出处
《电力系统自动化》
EI
CSCD
北大核心
2023年第13期56-68,共13页
基金
国家重点研发计划资助项目(2022YFB2403500)。
文摘
使用机器学习模型和方法进行短期负荷预测,虽能提升负荷预测的整体精度,但在极端天气、节假日等小样本预测场景中,对比基于专家经验的人工预测无明显优势。为充分结合预测业务人员的经验知识与机器学习的推理泛化能力,提出了一种基于贝叶斯时变系数(BTVC)与CatBoost模型的可解释负荷预测框架。首先,结合数据与专家知识,构建BTVC模型进行预测,获得各影响因子、趋势及周期因素的负荷分量。其次,将上述结果与常规特征进行组合,作为CatBoost回归模型的输入,进行最终预测。然后,使用事后模型解释框架(SHAP)进行归因分析,框架输出的定量关系可供负荷预测业务人员参考,使其开发出更有效的特征,进一步提高预测效果。最后,以某地区实际电网负荷数据为例,验证所提负荷预测与结果分析框架的有效性。
关键词
短期负荷预测
负荷特性分析
贝叶斯时序模型
可解释机器学习
集成学习
Keywords
short-term load forecasting
load characteristic analysis
Bayesian time series model
interpretable machine learning
ensemble learning
分类号
TM715 [电气工程—电力系统及自动化]
TP18 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于贝叶斯方法与可解释机器学习的负荷特性分析与预测
郑心仕
梁寿愚
苏晓
王浩
程国鑫
《电力系统自动化》
EI
CSCD
北大核心
2023
18
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
