基于LGWO-XGBoost-LightGBM-GRU的短期电力负荷预测算法
王海文1
谭爱国1
彭赛1
黄佳欣怡1
田相鹏1
廖红华1
柳俊2
1.湖北民族大学 智能科学与工程学院,湖北 恩施 4450002.国网恩施供电公司城区供电中心,湖北 恩施 445000
摘要：针对历史负荷特征提取困难所导致的短期电力负荷预测精度不高的问题,提出了基于堆叠泛化集成思想的逻辑斯谛灰狼优化-极限梯度提升-轻量级梯度提升机-门控循环单元(logistic grey wolf optimizer-extreme gradient boosting-light gradient boosting machine-gated recurrent unit,LGWO-XGBoost-LightGBM-GRU)的短期电力负荷预测算法.该算法首先使用逻辑斯谛映射对灰狼优化(grey wolf optimizer,GWO)算法进行改进得到LGWO算法,接着使用LGWO算法分别对XGBoost、LightGBM、GRU算法进行参数寻优,然后使用XGBoost、LightGBM算法对数据的不同特征进行初步提炼,最后将提炼的特征合并到历史负荷数据集中作为输入,并使用GRU进行最终的负荷预测,得到预测结果.以某工业园区的负荷预测为例进行验证,结果表明,该算法与最小二乘支持向量机(least squares support vector machines,LS-SVM)算法相比,均方根误差降低了 68.85%,平均绝对误差降低了 69.57%,平均绝对百分比误差降低了 69.97%,决定系数提高了 8.42%.该算法提高了短期电力负荷预测的精度.
关键词：短期负荷预测集成学习灰狼算法极限梯度提升轻量级梯度提升机门控循环单元
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(62163013)
论文发表日期：2025-03-19
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( 73-79 )
英文信息