[發(fā)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?zhí)枺?/td>: 201810443513.8
• 申請日: 2018-05-10
• 公開（公告）號: CN108539738B
• 公開（公告）日: 2020-04-21
• 發(fā)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

本發(fā)明實施例公開了一種基于梯度提升決策樹的短期負荷預測方法，包括獲取待預測日前N天的歷史負荷數(shù)據，形成原始數(shù)據集A₀；從原始數(shù)據集A₀中篩選出構建訓練樣本的數(shù)據集B；利用數(shù)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，并根據小時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。本發(fā)明充分挖掘歷史負荷數(shù)據中的特征并構造不同的梯度提升決策樹模型來提高短期負荷預測的精度。

技術領域

本發(fā)明涉及電力系統(tǒng)負荷預測技術領域,具體地說是一種基于梯度提升決策樹的短期負荷預測方法。

背景技術

負荷預測是根據系統(tǒng)的運行特性、增容決策、自然條件與社會影響等諸多因數(shù)，在滿足一定精度要求的條件下，確定未來某特定時刻的負荷數(shù)據，其中負荷是指電力需求量(功率)或用電量，負荷預測是電力系統(tǒng)經濟調度中的一項重要內容。準確的負荷預測，可以經濟合理地安排電網內部發(fā)電機組的啟停，保持電網運行的安全穩(wěn)定性，減少不必要的旋轉儲備容量，合理安排機組檢修計劃，保障社會的正常生產和生活，有效地降低發(fā)電成本，提高經濟效益和社會效益。

目前短期負荷預測的方法較多，主要采用時間序列、回歸分析、專家系統(tǒng)法、支持向量機和神經網絡等方法，這些算法各具優(yōu)缺點，適應的范圍各不相同。但由于存在各種信息獲取的限制，在缺少除了歷史負荷數(shù)據之外的諸如天氣溫度等信息的情況下，上述算法的預測精度普遍較低。

發(fā)明內容

本發(fā)明實施例中提供了一種基于梯度提升決策樹的短期負荷預測方法，以解決現(xiàn)有技術中負荷預測精度低的問題。

為了解決上述技術問題，本發(fā)明實施例公開了如下技術方案：

一種基于梯度提升決策樹的短期負荷預測方法，包括以下步驟：

獲取待預測日前N天的歷史負荷數(shù)據，形成原始數(shù)據集A₀；

從原始數(shù)據集A₀中篩選出構建訓練樣本的數(shù)據集B；

利用數(shù)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。

進一步地，所述原始數(shù)據集A₀中，每天的數(shù)據作為一個原始數(shù)據樣本，每個樣本中，將當天每小時的負荷數(shù)據和時間數(shù)據分別作為數(shù)據點。

進一步地，所述從原始數(shù)據集A₀中篩選出構建訓練樣本的數(shù)據集B的具體過程為：

從原始數(shù)據集A₀中篩選出與待預測日的日期類型相同的數(shù)據集，記為A₁；

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

從A₂中篩選出與待預測日相似的M天，記為數(shù)據集B。