基于CatBoost算法的电力短期负荷预测研究 | |
党存禄; 武文成; 李超锋; 李永强 | |
刊名 | 电气工程学报 |
2020-03-25 | |
期号 | 2020-01页码:76-82 |
关键词 | CatBoost 短期负荷预测 条件偏移 超参数调整 数据预处理 |
英文摘要 | 针对传统电力系统负荷预测算法数据预处理过程中大量的超参数调节以及数值强行代替标签时容易发生条件偏移的问题,为进一步提高电力系统短期负荷预测的精度,将CatBoost算法应用于电力短期负荷预测,较传统负荷预测深度神经网络算法而言,CatBoost算法在数据预处理过程当中无需进行数值强行代替标签,同时减小对超参数依赖的情况下得到较优的预测结果。首先选取了两地区20天的数据用于训练CatBoost模型,其次将预测结果与其他常见智能算法进行分析和对比,最后仿真结果表明CatBoost算法具备预测电力系统短期负荷的能力。 |
URL标识 | 查看原文 |
语种 | 中文 |
内容类型 | 期刊论文 |
源URL | [http://ir.lut.edu.cn/handle/2XXMBERH/133012] |
专题 | 电气工程与信息工程学院 |
作者单位 | 1.甘肃省工业过程先进控制重点实验室 2.兰州理工大学电气与控制工程国家级实验教学示范中心 3.兰州理工大学电气工程与信息工程学院 |
推荐引用方式 GB/T 7714 | 党存禄,武文成,李超锋,等. 基于CatBoost算法的电力短期负荷预测研究[J]. 电气工程学报,2020(2020-01):76-82. |
APA | 党存禄,武文成,李超锋,&李永强.(2020).基于CatBoost算法的电力短期负荷预测研究.电气工程学报(2020-01),76-82. |
MLA | 党存禄,et al."基于CatBoost算法的电力短期负荷预测研究".电气工程学报 .2020-01(2020):76-82. |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论