[發明專利]一種基于XGBoost的園區客戶群體負荷釋放算法

有效

• 申請號: 202011100816.3
• 申請日: 2020-10-15
• 公開（公告）號: CN112163714B
• 公開（公告）日: 2022-11-25
• 發明（設計）人: 仝翠芝;王沖;高寅;崔陽陽;趙洪山;郭磊;燕凱;武文鵬;田偉;王之昕
• 申請（專利權）人: 國網冀北電力有限公司智能配電網中心;國家電網有限公司;華北電力大學（保定）
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q50/06
• 代理公司: 北京科億知識產權代理事務所(普通合伙) 11350
• 代理人: 李興林

本發明公開了一種基于XGBoost的園區客戶群體負荷釋放算法，包括：獲取園區客戶群體一定時間內的負荷數據和相關特征數據，進行數據預處理；基于預處理后的負荷數據及特征，進行特征工程處理：進行初選，剔除相關性極強的特征，進行復選，選出其中比較重要的特征；基于復選出的特征變量，采用XGBoost算法預測本計量周期園區客戶群體負荷，將上一個計量周期園區客戶群體負荷作為輸入，然后與本計量周期園區客戶群體負荷作差，得到本計量周期園區客戶群體負荷釋放量。本發明提供的基于XGBoost的園區客戶群體負荷釋放算法，將XGBoost算法引入負荷釋放模型，引入多維特征并去除冗余或無關特征，提高了模型預測精度。

技術領域

本發明涉及負荷釋放模型技術領域，特別是涉及一種基于XGBoost的園區客戶群體負荷釋放算法。

背景技術

負荷釋放即本計量周期對比相鄰的上一計量周期所增加或減少的負荷值。電力系統中負荷釋放模型的建立可輔助決定新的發電機組的安裝及電網的增容、改建等，對電力系統的安全性有著不可低估的作用，是制定電力發展規劃的基礎和重要工作之一。

目前，電力改革“有序向社會資本放開配售電市場”進入攻堅期，增量配電業務改革試點項目中，園區項目占了多數份額。園區集中了大批工業用電客戶，具有需求集中、市場競爭激烈、用電規模龐大、負荷特性較穩定、負荷飽和度快等特點，對電網公司的價值重大。建立園區客戶群體負荷釋放模型，以此指導園區的電網規劃建設，可以在保證園區電力供應的同時，減少改擴建的成本損失。對園區進行個性化的負荷釋放曲線的預測，把握園區的負荷特性及其影響因素之間的關系，對電網建設和運行具有巨大的經濟效益和社會效益。由于負荷釋放模型的建立基于負荷預測，在已經主要應用的中長期負荷預測模型中。主要分為傳統方法和人工智能方法，傳統方法有時間序列、灰色預測等，人工智能方法包括預測方法包括神經網絡、支持向量機(Support Vector Machine，SVM)等。這些方法主要對規律性比較強的負荷數據比較適用，而負荷釋放是一個非線性問題，且受到眾多特征屬性以及未知因素的影響，缺乏周期性規律，波動性大，存在較大的模型預測誤差，而基于XGBoost的園區客戶群體負荷釋放模型，能夠提高預測準確率。

發明內容

本發明的目的是提供一種基于XGBoost的園區客戶群體負荷釋放算法，將XGBoost算法引入負荷釋放模型，引入多維特征并去除冗余或無關特征，提高了模型預測精度。

為實現上述目的，本發明提供了如下方案：

一種基于XGBoost的園區客戶群體負荷釋放算法，包括以下步驟：

S1，獲取園區客戶群體一定時間內的負荷數據及相關特征數據，對負荷數據及其相關的特征進行異常識別填補、獨熱編碼，并將非數據型特征轉換為數據型特征，得到預處理后的負荷數據及特征；

S2，基于預處理后的負荷數據及特征，進行特征工程處理：

對負荷釋放的特征進行初選，計算各連續特征變量之間的相關系數，剔除相關性極強的特征，保留之一，以避免特征冗余；

通過主成分分析法對負荷釋放的特征變量進行復選，選出其中比較重要的特征，比較重要的特征包括年份、月份、前一個月的負荷、前兩個月的負荷，將所選出的比較重要的特征作為影響負荷釋放模型的關鍵特征變量；

S3，建立負荷釋放模型：基于復選出的特征變量，采用XGBoost算法預測本計量周期園區客戶群體負荷，將上一個計量周期園區客戶群體負荷作為輸入，然后與本計量周期園區客戶群體負荷作差，得到本計量周期園區客戶群體負荷釋放量，即作為園區客戶群體負荷釋放模型輸出。

可選的，所述步驟S3還包括：

通過對XGBoost各參數進行交叉驗證測試，調整優化模型參數，確定模型精度最高的參數組合。