改进决策树在电网超短期负荷预测中的应用

由于天气属性变化以及其他因素影响,使得负荷预测结果与实际结果相差较大。为此,运用决策树挖掘准确信息,提出电网超短期负荷预测新方法。选取历史负荷数据,去重并填补缺失部分;综合考虑待测日气象属性、电力属性以及其他影响负荷变化因素,结合处理后的历史负荷数据对未来短期内的负荷完成初预测;引入专家系统,修正测试结果;在对电网超短期负荷预测方法可行性进行分析后,使终预测结果具有更高精度。通过实例应用证明了所提方法预测误差小且预测稳定,为电网企业快速发展提供了坚实的理论基础。

基于Stacking多模型融合的超短期电网负荷预测

为提升超短期电网负荷预测精度,提出基于Stacking多模型融合的超短期电网负荷预测法。首先,结合5-折交叉验证法分别训练第一层的LSTM、LightGBM、XGBoost三个初级学习器,将训练结果进行Stacking融合;然后将融合结果作为新特征用于训练第二层LightGBM次级学习器,使用次级学习器得到电网负荷预测的最终结果;最后利用山东省公共数据开放平台提供的某市实际超短期电网数据验证所提方法的有效性。实验结果表明,比起单一模型预测,所提的Stacking多模型融合预测法,在预测结果的平均精度与峰谷变化的适应能力方面更具优势。