基于LightGBM-Transformer算法的短期电力负荷预测
彭运猛1
高林1
赵晓雨1
杨校李1
廖明艳2
1.湖北民族大学智能科学与工程学院,湖北恩施4450002.恩施州生产力促进中心,湖北恩施445000
摘要：高精度的短期电力负荷预测是优化电网运行策略和提高电网运行效率的可靠保障.为进一步提高短期电力负荷预测精度,提出轻量梯度提升机(light gradient boosting machine,LightGBM)-Transformer组合模型.该模型考虑时间特征和天气因素对短期电力负荷预测的影响,首先利用LightGBM算法获取特征重要性,排除无关噪声的影响,再将选择后的特征向量作为Transformer模型的输入,最后完成短期电力负荷预测.实验以澳大利亚能源市场运营商(Australian energy market operators,AEMO)检索的开放数据集为基础,并与多种类似模型进行对比.结果表明,LightGBM-Transformer组合模型的平均绝对百分比误差(mean absolute percent error,MAPE)为1.87％,误差指标显著低于其他对比模型,具有较高的预测精度,验证了该模型应用于短期电力负荷预测的可行性和有效性.
关键词：电力系统负荷预测LightGBM算法特征重要性Transformer模型组合模型
分类号：TM715(输配电工程、电力网及电力系统)
资助基金：国家自然科学基金(61562025)国家自然科学基金(61962019)湖北省高等学校省级教学研究项目(2017387)
论文发表日期：2023-09-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 331-337 )
英文信息