基于XGBoost与Stacking模型融合的短期母线负荷预测

TM715; 母线负荷预测对于电网安全稳定调度具有重要意义,但母线负荷随机波动性较强,其负荷类型因供电区域的差异而不同.为此,提出一种基于极限梯度提升(XGBoost)与Stacking模型融合的短期母线负荷预测方法.基于XGBoost建立多个母线负荷预测元模型,组合构成Stacking模型融合的元模型层,连接一个XGBoost模型对元模型进行融合,整体构成综合预测系统,并采用粒子群优化算法优化系统参数.通过对具有不同负荷属性的220 kV母线进行实例分析,验证了所提方法的有效性与适用性....

Full description

Saved in:
Bibliographic Details
Published in电力自动化设备 Vol. 40; no. 3; pp. 147 - 153
Main Authors 刘波, 秦川, 鞠平, 赵静波, 陈彦翔, 赵健
Format Journal Article
LanguageChinese
Published 河海大学能源与电气学院,江苏南京,211100%国网江苏省电力有限公司电力科学研究院,江苏南京,210008%国网南京供电公司,江苏南京,210019 10.03.2020
Subjects
元模型
粒子群优化算法
母线负荷
XGBoost
Stacking模型融合
Online AccessGet full text
ISSN1006-6047
DOI10.16081/j.epae.202002024

Cover

More Information
Summary:TM715; 母线负荷预测对于电网安全稳定调度具有重要意义,但母线负荷随机波动性较强,其负荷类型因供电区域的差异而不同.为此,提出一种基于极限梯度提升(XGBoost)与Stacking模型融合的短期母线负荷预测方法.基于XGBoost建立多个母线负荷预测元模型,组合构成Stacking模型融合的元模型层,连接一个XGBoost模型对元模型进行融合,整体构成综合预测系统,并采用粒子群优化算法优化系统参数.通过对具有不同负荷属性的220 kV母线进行实例分析,验证了所提方法的有效性与适用性.
ISSN:1006-6047
DOI:10.16081/j.epae.202002024