基于LightGBM的夜经济用户级短期负荷概率预测方法
A User-Level Short-Term Probabilistic Load Forecasting Based on LightGBM in Night Economy作者机构:国网北京朝阳供电公司北京100124
出 版 物:《数据与计算发展前沿》 (Frontiers of Data & Computing)
年 卷 期:2023年第5卷第3期
页 面:160-168页
学科分类:08[工学] 0812[工学-计算机科学与技术(可授工学、理学学位)]
基 金:国家重点研发计划(2017YFB0202302) 国家自然科学基金(62073133) 国网北京电力公司实施项目(B702-03210001)
主 题:用户级负荷预测 负荷概率预测 LightGBM 梯度提升决策树 核密度估计
摘 要:[目的]为了度量夜经济中用户级短期负荷的不确定性,基于LightGBM(Light Gradient Boosting Machine)和KDE(Kernel Density Estimation)方法,本文设计了一种夜经济用户级短期负荷概率预测模型框架和预测方法。[方法]首先,利用LightGBM对待预测用户的历史负荷与影响因素(如天气、日类型等)进行建模。然后,使用该模型预测用户的未来短期负荷,并将LightGBM模型所包含的树的输出作为概率预测的输入,利用核密度估计方法计算该用户未来短期负荷的概率密度及预测区间。[结论]最后利用北方某城市的多个夜经济用户真实负荷数据进行了实验验证,实验结果表明本方法预测结果准确,鲁棒性高,且对夜经济多类用户均适用。