收藏本站
收藏 | 投稿 | 手机打开
二维码
手机客户端打开本文

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  
【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。

知网文化
【相似文献】
中国期刊全文数据库 前2条
1 王强;陈浩;刘炼;;基于多层CatBoost的电力系统暂态稳定评估[J];科学技术与工程;2022年04期
2 党存禄;杨海兰;武文成;;基于LSTM和CatBoost组合模型的短期负荷预测[J];电气工程学报;2021年03期
中国硕士学位论文全文数据库 前1条
1 武文成;配电网无线感知系统与短期负荷预测研究[D];兰州理工大学;2020年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978