XGBoost在超短期负荷预测中的应用

随着智能电网、电力负荷数据呈指数级增长,传统模型在处理海量负荷预测数据时显现出疲态、无法达到高效的问题。提出采用正则项限制模型复杂度、进行二阶泰勒展开、可并行计算特征分裂增益的XGBoost模型来解决这类问题。选用第九届电工数学建模A题负荷预测竞赛的某地区真实电荷数据作为样本,对2015-01-10日每隔15分钟的电网负荷进行预测,并利用平均绝对误差(MAE)、均方误差(MSE)、均方根误差(RMSE)对XGBoost与现有的GBRT及RF分别预测的96个时刻的数据进行分析。结果表明XGBoost对电网超短期负荷预测具有更好的拟合度和更高的精准度,可运用到实际负荷预测当中。