基于特征提取与贝叶斯优化的电力负荷组合预测研究

发布时间：2023-03-13 21:30

　　电力负荷预测在电力系统规划和发展的过程中承担了十分重要的角色,准确的预测有助于降低成本并优化决策。合理的进行负荷预测对电力系统规划及其重要,是电力事业持续、稳定和健康发展的必然要求,具有显著的经济和社会效益。天气、经济条件等各种不同因素均会对电力负荷的波动产生一定的影响,导致负荷预测存在较强的不稳定性。近些年,学者们对于电力负荷预测方法的研究逐渐深入,众多负荷预测的方法相继被提出,但是使用单一模型进行负荷预测时普遍存在的问题是单一模型无法充分展现负荷的变化规律,对于不同的数据集不能保证预测精度的稳定性,因此负荷组合预测模型逐渐受到人们的关注。本文首先介绍了电力负荷预测与组合预测的概念与研究背景,论述了组合预测的意义和基本原理,并详细介绍了随机森林、分位数回归森林、梯度提升回归树、分位数回归梯度提升、XGBoost和LightGBM等常用的机器学习回归算法的基本原理与算法流程,以及简单平均、基于模型性能的加权平均、普通最小二乘预测组合、最小绝对偏差预测组合等组合方法的基本原理。此外,介绍了两种模型评估采用的评价指标:MAPE与RMSE。由于单一模型难以对所有数据集都得到最佳的预测精度,为...

【文章页数】：63 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1.绪论
    1.1 研究背景及意义
    1.2 组合预测理论的研究现状
    1.3 本文的主要工作与创新
    1.4 本文的组织结构
2.电力负荷预测模型理论介绍
    2.1 单项预测模型
        2.1.1 分类回归树
        2.1.2 随机森林
        2.1.3 分位数回归森林
        2.1.4 梯度提升回归树
        2.1.5 分位数回归梯度提升
        2.1.6 XGBoost
        2.1.7 Light GBM
    2.2 组合预测模型
        2.2.1 简单平均
        2.2.2 基于模型性能的加权平均
        2.2.3 普通最小二乘与最小偏差加权平均
    2.3 模型评估
    2.4 本章小结
3.优化的组合预测模型
    3.1 基于XGBoost模型的多维特征提取方法
    3.2 基于贝叶斯的超参数优化模型
    3.3 优化的组合预测模型
    3.4 本章小结
4.FE-BO组合模型电力负荷预测
    4.1 数据准备
        4.1.1 电力负荷数据来源及预处理
        4.1.2 电力负荷特性分析
        4.1.3 电力负荷预测特征选择
    4.2 特征提取
    4.3 单项模型预测
    4.4 组合模型预测
        4.4.1 FE-BO组合模型与基准模型的比较
        4.4.2 FE-BO组合模型与未优化组合模型的比较
    4.5 本章小结
5.结论与展望
    5.1 本文主要结论
    5.2 下一步工作
参考文献
致谢



本文编号：3762421