[發明專利]一種基于雙層XGBoost考慮多特征的電力系統負荷預測方法

在審

• 申請號: 202011307593.8
• 申請日: 2020-11-20
• 公開（公告）號: CN112330050A
• 公開（公告）日: 2021-02-05
• 發明（設計）人: 朱元成;孫超;鄭薇;吳宏章;高永俊;趙曉龍;封國鵬;張爾東;馬宸;尹峰;王志宏
• 申請（專利權）人: 國網遼寧省電力有限公司營口供電公司;國家電網有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06
• 代理公司: 沈陽晨創科技專利代理有限責任公司 21001
• 代理人: 張晨

1.一種基于雙層XGBoost考慮多特征的電力系統負荷預測方法，其特征在于，所述基于雙層XGBoost考慮多特征的電力系統負荷預測方法包括以下步驟：

S1，選擇預測日之前的n個相似類型的負荷序列；每個日期的采樣點為96點，即每15min采樣一次；

S2，采集選擇n個相似類型日期的特征數據；包括時間、氣象、日期類型等；

S3，清洗數據，去除選擇相似類型日的歷史負荷及特征數據集中的異常值、缺失值等噪聲數據；

S4，建立第一層考慮復雜影響因素的XGBoost模型；獲取模型參數、預測結果及特征相關性排名；

S5，基于交叉驗證對數據進行分塊；分為測試集和驗證集；

S6，通過構建的第二層XGBoost預測模型，將提取的特征向量及歷史負荷數據共同作為輸入進行預測訓練，通過雙層XGBoost預測方法預測第n+1天15min粒度的負荷值。

S7，計算預測精度。

所述S4建立第一層考慮復雜影響因素的XGBoost模型的步驟包括：

S401，初始設定XGBoost模型超參數；

S402，構建第一層XGBoost預測模型；

S403，輸出預測結果、模型參數及選擇特征對負荷影響排序；篩選顯著影響負荷的特征集。

2.根據權利要求1所述的一種基于雙層XGBoost考慮多特征的電力系統負荷預測方法，其特征在于：所述相關負荷影響特征數據集包括時間X0、降水X1、氣壓X2、最大氣壓X3、最小氣壓X4、氣溫X5、最大氣溫X6、最小氣溫X7、相對濕度X8、最小相對濕度X9、地面溫度X10、最大地面溫度X11、最小地面溫度X12、當前天氣X13、附近變壓器上一時段負荷X14、風向X15、風速X16、上一時段氣溫X17、上一時段負荷X18、日期類型X19，上述特征數據及對應歷史負荷數據將作為第一層XGBoost預測模型數據輸入。

3.根據權利要求1所述的一種基于雙層XGBoost考慮多特征的電力系統負荷預測方法，其特征在于：在S4建立第一層考慮復雜影響因素的XGBoost模型的步驟中，具體如下：

S401，初始設定XGBoost模型超參數

初始設定XGBoost模型超參數

S402，構建第一層XGBoost預測模型

構建考慮復雜影響因素的第一層XGBoost負荷預測模型；

S403，輸出預測結果、模型參數及選擇特征對負荷影響排序；篩選顯著影響負荷的特征集；

輸出預測結果并計算準確率，輸出模型參數作為第二層預測模型的初始參數，根據特征對負荷影響相關性排序篩選顯著影響負荷的特征集。