[發明專利]一種基于梯度提升決策樹的短期負荷預測方法

有效

• 申請號: 201810443513.8
• 申請日: 2018-05-10
• 公開（公告）號: CN108539738B
• 公開（公告）日: 2020-04-21
• 發明（設計）人: 張志;郭亮;徐新光;梁波;李琮琮;孫東;董賢光;李付存;杜艷;王清;陳祉如;朱紅霞
• 申請（專利權）人: 國網山東省電力公司電力科學研究院;國家電網公司
• 主分類號: H02J3/00
• 分類號: H02J3/00
• 代理公司: 濟南誠智商標專利事務所有限公司 37105
• 代理人: 黃曉燕

1.一種基于梯度提升決策樹的短期負荷預測方法，其特征是：包括以下步驟：

獲取待預測日前N天的歷史負荷數據，形成原始數據集A₀；

從原始數據集A₀中篩選出構建訓練樣本的數據集B；

利用數據集B構造GBDT預測模型所需的全部樣本集(X，Y)；

由全部樣本集(X，Y)訓練構造全天GBDT預測模型，根據全天GBDT預測模型預測待預測日的全天負荷向量；

將全部樣本集(X，Y)按小時分割為24個樣本子集，并分別訓練構造小時GBDT預測模型，根據小時GBDT預測模型預測待預測日的24小時負荷向量；

結合全天負荷向量和24小時負荷向量，預測待預測日的最終負荷向量，所述待預測日的最終負荷向量final_pred＝[pred₀，pred₁，...，pred₂₃]，

式中所述predi為最終確定的第i時預測負荷，hourload_i為小時GBDT預測模型得到的i時預測負荷，dayload_i為全天GBDT預測模型得到的i時預測負荷，min()表示取括號中二者值小的一個，max()表示取括號中二者值較大的一個。

2.根據權利要求1所述的一種基于梯度提升決策樹的短期負荷預測方法，其特征是：所述原始數據集A₀中，每天的數據作為一個原始數據樣本，每個樣本中，將當天每小時的負荷數據和時間數據分別作為數據點。

3.根據權利要求2所述的一種基于梯度提升決策樹的短期負荷預測方法，其特征是：所述從原始數據集A₀中篩選出構建訓練樣本的數據集B的具體過程為：

從原始數據集A₀中篩選出與待預測日的日期類型相同的數據集，記為A₁；

根據正常數據點的判定條件，過濾A₁中的異常數據，并統計A₀中正常負荷點的個數，將正常負荷點的個數大于設定值的樣本加入正常數據集A₂；

從A₂中篩選出與待預測日相似的M天，記為數據集B。

4.根據權利要求3所述的一種基于梯度提升決策樹的短期負荷預測方法，其特征是：所述從A₂中篩選出與待預測日相似的M天的具體過程為：以待預測日前一天負荷數據向量與A₂中所有樣本負荷數據向量的歐式距離r_d作為相似度的度量，相似度最大的M天數據加入數據集B，M的取值公式為

M＝min(30，[P*0.7])，

式中，P為數據集A₂的樣本個數，[]表示向下取整數，min()表示取括號中二者值之間較小的一個。

5.根據權利要求4所述的一種基于梯度提升決策樹的短期負荷預測方法，其特征是：所述全部樣本集(X，Y)為

(X，Y)＝{(x_j，i，y_j，i)|i＝0，1，2，...，23；j＝1，2，...，M}

式中x_j，i表示由數據集B中第j個樣本i時的負荷數據點構造出的訓練輸入特征向量x_j，i，y_j，i表示數據集B中第j個樣本i時的負荷值，構造為對應訓練樣本的響應值。