基于优化聚类的IXGBoost短期电力负荷预测
任利强
张立民
王海鹏
郭强
1.海军航空大学信息融合研究所 烟台 2640012.海军航空大学信息融合研究所 烟台 2640013.海军航空大学信息融合研究所 烟台 2640014.海军航空大学信息融合研究所 烟台 264001
摘要：准确的电力负荷预测有助于智能电网的经济调度、安全预警和节能降耗.为提高短期电力负荷的预测精度,提出一种基于优化聚类的改进XGBoost短期电力负荷预测方法.首先,改进遗传算法的适应度函数和交叉变异算子,并将模拟退火算法引入到遗传算法中.其次,采用改进的模拟退火遗传算法对K-means算法的初始聚类中心进行优化,并对负荷样本进行聚类.最后,对XGBoost算法进行改进,并针对不同负荷样本类别建立短期电力负荷组合预测模型.结合某市实测电力负荷数据进行负荷预测实验,结果表明,该方法日小时电力负荷预测误差低于比较算法,具有较高的预测精度.
关键词：短期电力负荷预测模拟退火遗传算法交叉变异算子K-means聚类改进XGBoost
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(91538201)泰山学者工程专项经费项目(Ts201511020)
论文发表日期：2020-04-20
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( 741-747 )
英文信息