基于CatBoost算法的电力短期负荷预测研究

【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。