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
基于双层XGBoost和数据增强的空间负荷预测方法
被引量：
6
1
作者
黄冬梅
张宁宁
+3 位作者
胡安铎
胡伟
肖勇
陈岸青
《电力工程技术》
北大核心
2023年第1期201-208,共8页
为了解决空间负荷预测面临的特征变量众多和数据匮乏问题,文中提出一种基于双层极端梯度提升(extreme gradient boosting,XGBoost)和数据增强的空间负荷预测方法。该方法首先将待预测区域按馈线供电范围划分为若干子区域;其次构建基于双...
为了解决空间负荷预测面临的特征变量众多和数据匮乏问题,文中提出一种基于双层极端梯度提升(extreme gradient boosting,XGBoost)和数据增强的空间负荷预测方法。该方法首先将待预测区域按馈线供电范围划分为若干子区域;其次构建基于双层XGBoost的特征选择模型,第一层XGBoost对特征进行评分及排序,将组合特征和负荷输入第二层XGBoost并进行子区域负荷预测,根据子区域负荷预测结果选择每个子区域的最佳特征变量;然后利用生成对抗网络(generative adversarial network,GAN)增强每个子区域的训练集样本,并通过极限学习机(extreme learning machine,ELM)实现子区域预测;最后将每个子区域的预测值相加得到待预测区域的预测值。以上海市局部区域为例,对文中方法进行仿真实验和对比分析。结果表明,文中方法可同时解决特征变量选择和数据匮乏问题,具有更高的预测精度。
展开更多
关键词
空间负荷预测
极端梯度提升(XGBoost)
特征选择
生成对抗网络(GAN)
数据增强
极限学习机(ELM)
在线阅读
下载PDF
职称材料
题名
基于双层XGBoost和数据增强的空间负荷预测方法
被引量：
6
1
作者
黄冬梅
张宁宁
胡安铎
胡伟
肖勇
陈岸青
机构
上海电力
大学
电子与信息工程
学院
上海电力
大学
经济与管理
学院
上海电力大学继续教育学院
国网信通亿力科技有限责任公司
出处
《电力工程技术》
北大核心
2023年第1期201-208,共8页
基金
上海市科委地方院校能力建设项目(20020500700)资助。
文摘
为了解决空间负荷预测面临的特征变量众多和数据匮乏问题,文中提出一种基于双层极端梯度提升(extreme gradient boosting,XGBoost)和数据增强的空间负荷预测方法。该方法首先将待预测区域按馈线供电范围划分为若干子区域;其次构建基于双层XGBoost的特征选择模型,第一层XGBoost对特征进行评分及排序,将组合特征和负荷输入第二层XGBoost并进行子区域负荷预测,根据子区域负荷预测结果选择每个子区域的最佳特征变量;然后利用生成对抗网络(generative adversarial network,GAN)增强每个子区域的训练集样本,并通过极限学习机(extreme learning machine,ELM)实现子区域预测;最后将每个子区域的预测值相加得到待预测区域的预测值。以上海市局部区域为例,对文中方法进行仿真实验和对比分析。结果表明,文中方法可同时解决特征变量选择和数据匮乏问题,具有更高的预测精度。
关键词
空间负荷预测
极端梯度提升(XGBoost)
特征选择
生成对抗网络(GAN)
数据增强
极限学习机(ELM)
Keywords
spatial load forecasting
extreme gradient boosting(XGBoost)
feature selection
generative adversarial network(GAN)
data enhancement
extreme learning machine(ELM)
分类号
TM715 [电气工程—电力系统及自动化]
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
基于双层XGBoost和数据增强的空间负荷预测方法
黄冬梅
张宁宁
胡安铎
胡伟
肖勇
陈岸青
《电力工程技术》
北大核心
2023
6
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
