-
题名基于梯度提升决策树的电力物联网用电负荷预测
被引量：38
- 1
-
-
作者
刘瑾
赵晶
冯瑛敏
周超
姜美君
章辉
-
机构
国网天津电力经济技术研究院
南开大学
-
出处
《智慧电力》
北大核心
2022年第8期46-53,共8页
-
基金
国家自然科学基金资助项目(61871239)
国家电网公司科技项目(KJ20-1-32)。
-
文摘
在电力物联网系统中,为用户提供准确、快速的用电负荷预测一直起着至关重要的作用。由于台区内用户活动的可变性,导致用电负荷通常波动较大,传统方法往往难以准确预测。为了满足智能化、多功能的电力物联网监测,提出了一种基于梯度提升决策树的用电负荷预测方案。首先对台区内历史用电数据进行预处理,并构建时间窗口特征。然后使用基于梯度提升决策树的XGBoost和LightGBM交叉构建预测算法,并采用该算法预测下一时间段短期用电负荷结果,实现台区用电分析。最后与现有方案相比较,本文提出的方案可提供准确的负荷预测结果,在即将发生超负荷用电或者当前台区即将发生大规模停电时,能够及时发出预警。
-
关键词
电力物联网
机器学习
用电信息
负荷预测
-
Keywords
power Internet of things
machine learning
power consumption information
load forecasting
-
分类号
TM714
[电气工程—电力系统及自动化]
-
