基于XGBoost与Stacking模型融合的短期母线负荷预测

查看全文 作　　者：[1]刘波 [1]秦川 [1]鞠平索引[2]赵静波 [1]陈彦翔 [3]赵健

机构地区：[1]河海大学能源与电气学院,江苏南京211100;[2]国网江苏省电力有限公司电力科学研究院,江苏南京210008;[3]国网南京供电公司,江苏南京210019

出　　处：《电力自动化设备》索引2020年第40卷第3期,共7页

基　　金：国家自然科学基金重点资助项目(51837004);“111”计划(新能源发电与智能电网学科创新引智基地)(B14022)。 摘　　要：母线负荷预测对于电网安全稳定调度具有重要意义,但母线负荷随机波动性较强,其负荷类型因供电区域的差异而不同。为此,提出一种基于极限梯度提升(XGBoost)与Stacking模型融合的短期母线负荷预测方法。基于XGBoost建立多个母线负荷预测元模型,组合构成Stacking模型融合的元模型层,连接一个XGBoost模型对元模型进行融合,整体构成综合预测系统,并采用粒子群优化算法优化系统参数。通过对具有不同负荷属性的220 kV母线进行实例分析,验证了所提方法的有效性与适用性。 关键词：母线负荷 XGBoost 元模型 Stacking模型融合粒子群优化算法

相关文献

参考文献（20）
引证文献（50）
耦合文献（688）

参考文献(20)

引证文献(50)

耦合文献(688)

互联网出版许可证新出网证(渝)字10号全国400电话 - 免长途话费

基于XGBoost与Stacking模型融合的短期母线负荷预测

参考文献(20)

引证文献(50)

耦合文献(688)

用户提示